Correia, André Ricardo MaiaFonseca, Catarina MendesRosca, Vitalie2025-08-062025-08-062025-07-092025http://hdl.handle.net/10400.14/54208Introdução: a identificação do canal mandibular é essencial para o planeamento seguro de procedimentos cirúrgicos em implantologia. A Inteligência Artificial (IA) tem sido proposta como ferramenta de apoio para a segmentação anatómica automatizada, mas a sua precisão requer validação. Objetivo: avaliar a precisão da segmentação tridimensional do canal mandibular por IA, comparando-a com a segmentação manual realizada por médicos dentistas júnior (MDJ) e com uma referência traçada por um operador experiente (gold standard – GS). Materiais e Métodos: foram analisados 10 exames de tomografia computorizada de feixe cónico (CBCT). Cada exame foi segmentado manualmente por três MDJ, automaticamente por IA e por um operador sénior (GS). As segmentações foram convertidas em modelos STL e comparadas no software Geomagic Control X, através da métrica Root Mean Square (RMS). Os dados foram analisados estatisticamente com ANOVA e testes post hoc utilizando o programa SPSS, versão 28 (IBM Corp.), com um nível de significância de α = 0,05. Resultados: a IA obteve valores médios de RMS inferiores aos das segmentações manuais em ambos os lados da mandíbula (direito: 0,7623; esquerdo: 0,8658), apresentando menor variabilidade (desvio padrão reduzido). Houve diferenças estatisticamente significativas entre as segmentações manuais e a IA (p < 0,001), e entre os diferentes operadores humanos. Conclusão: a IA demonstrou maior precisão e consistência na segmentação do canal mandibular em comparação com os MDJ, aproximando-se mais da segmentação de referência (GS). A IA pode representar uma ferramenta clínica fiável no planeamento de cirurgia de colocação de implantes, promovendo padronização e segurança.Introduction: identification of the mandibular canal is critical for safe surgical planning in implant dentistry. Artificial Intelligence (AI) has been proposed as a tool for automated anatomical segmentation, but its accuracy requires validation. Objective: to evaluate the accuracy of three-dimensional mandibular canal segmentation using AI, compared with manual segmentation by junior dentists (JD) and a reference drawn by an experienced operator (gold standard – GS). Materials and Methods: ten cone-beam computed tomography (CBCT) scans were analyzed. Each scan was segmented manually by three junior dentists (JD), automatically by artificial intelligence (AI), and by a senior operator (gold standard – GS). The segmentations were converted into STL models and compared using Geomagic Control X software, based on the Root Mean Square (RMS) metric. Statistical analysis was performed using ANOVA and post hoc tests in SPSS software, version 28 (IBM Corp.), with a significance level of α = 0.05. Results: AI segmentation showed lower mean RMS values than manual segmentations on both mandibular sides (right: 0.7623; left: 0.8658) and demonstrated lower variability (reduced standard deviation). Statistically significant differences were found between AI and manual methods (p < 0.001), and among human operators. Conclusion: AI demonstrated higher precision and consistency in mandibular canal segmentation compared to JD, being closer to the reference (GS). AI may serve as a reliable clinical tool in implant planning, enhancing standardization and safety.porInteligência artificialCanal mandibularNervo alveolar inferiorTomografia computorizada de feixe cónicoArtificial intelligenceMandibular canalInferior alveolar nerveCone-beam computed tomographymaster thesis203979656