---

Arquivo de entrada: BJPE- OdontoLegal -ArtigoFInal.docx (4626 termos)
Arquivo encontrado: http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2150 (392 termos)

Termos comuns: 15
Similaridade: 0,29%

6
15

Inteligência Artificial como Ferramenta para Identificação Humana em Odontologia Legal
ARTIFICIAL INTELLIGENCE AS A TOOL FOR HUMAN IDENTIFICATION IN FORENSIC DENTISTRY






Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engeneering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
Palavras-chave:
Odontologia Legal; Antropologia Forense; Inteligência Artificial.
Keywords:
Forensic Dentistry; Forensic Anthropology; Artificial Intelligence.

Copyright © 2018, Nome do Autor Completo et al. Este é um artigo open access distribuído sob a Creative Commons Attribution License, que permite uso irrestrito, distribuição e reprodução, sempre quando providenciado a devida citação do original. Os autores declaram que o mesmo não infringe qualquer direito autoral ou outro direito de propriedade de terceiros.


RESUMO
A identificação forense busca encontrar coincidências entre dados obtidos ante-mortem e post-mortem, com o objetivo de individualizar uma pessoa ou objeto, constituindo uma parte essencial de estudo e pesquisa da odontologia legal e medicina legal. Os exames imaginológicos têm sido amplamente utilizados nesse processo de reconhecimento, possibilitando a identificação do indivíduo através da verificação da unicidade de estruturas morfológicas, características anatômicas e tratamentos dentários previamente realizados. Para tanto, exames de imagem preliminares precisam ter sido realizados e estar presentes em prontuários completos, organizados e armazenados pelo máximo de tempo possível. Considerando a inexistência de legislação específica acerca da obrigatoriedade da guarda de prontuários odontológicos bem como do seu período de arquivamento, o processo de identificação forense torna-se dificultado e cada vez mais dependente. Inserindo-se nesta problemática, este artigo apresenta uma solução com inteligência artificial capaz de armazenar prontuários odontológicos, comparar e reconhecer imagens radiográficas além manter a legitimidade dos dados. O sistema desenvolvido possui uma interface gráfica que atua de forma online e permite ao usuário o cadastro da documentação odontológica. Este se mostrou capaz de determinar o nível de semelhança entre dois exames de imagem indicados pelo usuário além de buscar no banco de dados a imagem radiográfica que mais se assemelha à imagem investigada, sinalizando a identidade do candidato ao reconhecimento.


ABSTRACT
8
Forensic identification seeks to find coincidences between ante-mortem and post-mortem data, with the aim of individualizing a person or object, constituting an essential part of the study and research of legal dentistry and forensic medicine. Imaging exams have been widely used in this recognition process, enabling the identification of the individual through the verification of the uniqueness of morphological structures, anatomical characteristics and dental treatments previously performed. Therefore, preliminary imaging exams must be performed and present in complete dental records, organized and stored for as long as possible. Given the lack of specific legislation regarding the obligation to keep dental records and their filing period, the forensic identification process is becoming more difficult and increasingly dependent. Thus, this paper presents as a solution an artificial intelligence system capable of storing dental records, comparing and recognizing radiographic images besides maintaining the legitimacy of the data. The developed system has a graphical interface that acts online and allows the user to register the dental documentation. It was able to determine the level of similarity between two imaging exams indicated by the user and search the database for the radiographic image that most closely resembles the investigated image, signaling the possible identity of the candidate for recognition.



Introdução
Os prontuários odontológicos compreendem aos documentos padronizados, ordenados e concisos que reúnem as informações dos pacientes que se submeteram a algum tipo de procedimento odontológico. Além da sua importância para a organização da relação do cirurgião-dentista-paciente, esses prontuários são ferramentas que possuem finalidade jurídica, pericial e de identificação na odontologia legal (DE ALMEIDA et al., 2017).
A Odontologia Legal é um conceito ramificado da Medicina Legal, que caracteriza a perícia médica na região da cabeça e pescoço, levando em consideração nos testes, ossadas, fragmentos, peças dentarias isoladas, dentre outras estruturas anatômicas. Este conjunto de procedimentos técnico-científicos é responsável por cerca de 70% das identificações humanas em desastres em massa, comprovando por tanto sua eficácia e justificando sua aplicação nestes casos (ZILIO et al., 2013; DENNY et al., 2018).
De acordo com Bianch et al. (2019) a contribuição do odontolegista no processo de identificação humana se faz necessária quando não é possível a identificação pessoal/visual do indivíduo e/ou quando um corpo é encontrado em processo de esqueletização, carbonização, estágios avançados de decomposição, bem como estados que dificultam ou impeçam totalmente a identificação mais usual, que é a datiloscopia (impressão digital). Deste modo, verifica-se a inquestionável importância desta área na identificação de corpos em desastres ambientais, automobilísticos e criminais, uma vez que os dentes são elementos singulares que possuem extraordinária resistência, capazes de suportar temperaturas de aproximadamente 600°C e permanecerem intactos por muito tempo depois da decomposição ou carbonização do indivíduo.
Corroborando, Nadal et al. (2018) afirmam que a importância da odontologia legal pode ser evidenciada por meio de vários relatos científicos e até mesmo pela mídia, como exemplo, os dois maiores acidentes aéreos brasileiros, onde o primeiro envolveu um avião da GOL Linhas Aéreas S.A em setembro de 2003, causando a morte de 154 pessoas, e o segundo, com um avião da empresa TAM Linhas Aéreas (atual LATAM Airlines Brasil) em 2007, provocando a morte de 199 pessoas. Em ambos os casos foi necessário a aplicação de diferentes técnicas de identificação forense no processo de individualização das vítimas, incluindo a identificação por meio da arcada dentaria.
As identificações realizadas baseiam-se principalmente na comparação entre os exames radiológicos ante-mortem e post-mortem. Em um contexto histórico a utilização da radiologia nas ciências forenses foi aplicada inicialmente apenas um ano após a descoberta dos Raios X por Wilhelm Conrad Roentgen (GRUBER; KAMEYAMA, 2001). A partir deste marco foram realizadas diversas melhorias, principalmente com o surgimento da radiologia computadorizada e o avanço da informática, resultando no refinamento da técnica e viabilizando maior acuidade nas identificações, além do aumento da eficiência (visto que o tempo de processamento de imagem é menor) e possibilidade de ajustar fatores da imagem (suavização, ampliação, realce, subtração, superposição, etc.) (CASTILHO; LOPRETO, 2015).
Em contrapartida, o grande problema enfrentado pelos profissionais desta área relaciona-se ao tempo de arquivamento do prontuário, visto que inexiste legislação especifica neste aspecto, e as diversas orientações trazem entendimentos diferentes. O Art. 4º do Código de Ética Odontológica (BRASIL, 1998) determina que é dever fundamental dos profissionais a elaboração de fichas clínicas dos pacientes, além de conservá-las em arquivo próprio, não estabelecendo explicitamente o tempo de guarda dos documentos. Já o Código de Processo Ético Odontológico (BRASIL, 1992), na porção a que se refere sobre infrações éticas estabelece um prazo de 5 (cinco) anos para prescrição de tais infrações. Porém, ao analisar o Código de Processo Civil (BRASIL, 2015) percebe-se que as ações pessoais prescrevem, ordinariamente, em 20 (vinte) anos, as reais em 10 (dez), entre presentes, e entre ausentes em 15 (quinze), contados da data em que poderiam ter sido propostas. Por fim, ao analisar o parecer CFO nº. 91/2009 do Conselho Federal de Odontologia (BRASIL, 2009), é estabelecido o prazo mínimo de 10 (dez) anos, a partir do último registro, para a preservação dos prontuários dos pacientes em suporte de papel, que não foram arquivados eletronicamente em meio óptico, microfilmado ou digitalizado.
Fica evidente que a odontologia legal tem muito a contribuir no processo de identificação humana, contudo ainda há necessidade de maior incentivo na formação de profissionais especializados na área, como também em pesquisas forenses, principalmente quanto ao desenvolvimento de ferramentas tecnológicas que auxiliem neste processo. Dessa forma, em plena e rápida expansão no mundo todo, a inteligência Artificial (IA) é uma tecnologia com potenciais e funcionalidades inimagináveis que podem impactar profundamente todos os setores da sociedade. Entende-se por inteligência artificial o ramo da ciência da computação que estuda os sistemas cujo funcionamento assemelha-se ao pensamento humano, com capacidade de aprendizagem e o armazenamento de conhecimento (BRAGA et al., 2018).
Sabbatini (2018) afirma que não seria exagero dizer que, na área da saúde a IA deve trazer uma verdadeira revolução nos processos de diagnóstico e tratamento, gerando imensuráveis benefícios aos profissionais e pacientes. O mesmo vale para as aplicações da inteligência artificial nos processos de reconhecimento humano.
Inserindo-se neste contexto, projetar e desenvolver um sistema que sirva como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Inteligência Artificial
O termo Inteligência Artificial (IA) surgiu para definir um novo ramo da computação cujo o objetivo está em fazer com que os sistemas computacionais possam processar as informações e tomar decisões forma inteligente similar ao pensamento humano, a fim de se obter a capacidade de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente a respeito de um problema específico (LU et al., 2018; JACKSON, 2019).
Outro conceito que surgiu com após a difusão dos sistemas computacionais de alta performance foi o termo denominado de Big Data (BEAM; KOHANE, 2018; BAJARI et al., 2019) que se refere aos grandes conjuntos de dados provenientes dos diversos mecanismos de comunicação da atualidade que vão desde informações geradas por smartphones até dados climáticos ou de demandas populacionais. Dessa forma, devido a magnitude e complexidade dos dados envolvidos, o conceito de Big Data referencia novos métodos de processamento de dados de maneira a realizar predições e reconhecimento de padrões em imagens e sistemas (SIMON, 2019).
Após a difusão dos sistemas computacionais de alta performance as ferramentas de IA passaram a trabalhar em três eixos complementares. O primeiro eixo compreende as técnicas de aprendizado de máquina, do inglês Machine learning (WITTEN, 2016), estas permitem que os sistemas computacionais aprendam com os dados processados com a finalidade de se identificar rotinas e tomar decisões com o mínimo de intervenção humana, se tornando mais resilientes e dinâmicas após a leitura de novas informações.
O Segundo eixo se configura pela Aprendizagem profunda (Deep Learning) (LECUN et al., 2015; RAJKOMAR et al., 2018) na qual a IA se faz com a programação das chamadas Redes Neurais Artificiais (RNA). As RNAs se baseiam em uma programação que elabora um modelo matemático baseado na estrutura neural dos organismos inteligentes que desenvolvem o conhecimento por meio da experiencia vivenciada. Esta ferramenta é composta por unidades de funcionamento que são conectadas a canais de comunicação associados a um peso pré-determinado. Cada unidade da rede realiza operações sobre seus dados locais que são provenientes das conexões de entrada, assim, o comportamento inteligente de uma RNA vem das interações entre as unidades de processamento geral da rede.
Por fim, o terceiro eixo traz o Processamento de Linguagem Natural (PLN) (DE ALMEIDA, 2018), que pode ser visto como a capacidade que um sistema computacional possui em entender a linguagem humana como ela é falada. As técnicas que compõe o PLN se objetivam em analisar, reconhecer e/ou produzir textos em linguagens humanas.
Nas últimas décadas, as ferramentas de armazenamento, processamento e apresentação de dados foram sendo modernizadas, permitindo o avanço do uso da Inteligência artificial para inúmeras áreas, inclusive na saúde. Como exemplo, pode-se citar a IA chamada de Watson for Oncology, desenvolvida pela International Business Machines Corporation (IBM), e que foi treinado para resolver problemas no domínio da saúde (PAN et al., 2019).
Sistemas similares ao Watson são tendências tecnológicas cada vez mais vistas na atualidade, pois agregam facilidades aos serviços que ao serem executados apenas por seres humanos podem ser morosos e dificultados pela disponibilidade continua de profissionais da área de análise. Neste sentido, o uso das técnicas de inteligência artificial vinculados ao eficiente processamento de dados podem levar ao ser humano uma visão de trabalho diferenciada a fim de minimizar possíveis erros, bem como o tempo de prestação de serviços.
Metodologia
A natureza da pesquisa pode ser classificada como aplicada ou prática, pois, segundo Gil (2008) essa categoria de pesquisa busca gerar conhecimentos para aplicação prática dirigida à solução de problemas específicos, que no caso deste trabalho consiste em mapear e categorizar os conhecimentos relacionados a Antropologia Forense e em seguida desenvolver um plano metodológico capaz de fundamentar a implementação de uma ferramenta baseada em inteligência artificial voltada para a Odontologia Legal.
Já os procedimentos metodológicos, seguem os princípios de uma abordagem qualitativa, com um método científico indutivo e um objeto de estudo exploratório. Relativamente aos procedimentos técnicos de pesquisa, recorreu-se a pesquisa bibliográfica para o levantamento das informações mais atuais da área (SILVEIRA; CÓRDOVA, 2009). O método de pesquisa inicial foi desenvolvido a partir de procedimentos recomendados para elaboração de uma revisão integrativa da literatura, a qual tem como finalidade reunir e resumir o conhecimento científico já produzido sobre o tema investigado, ou seja, permite buscar, avaliar e sintetizar as evidências disponíveis para contribuir com o desenvolvimento do aluno envolvido no processo de iniciação científica em relação ao conhecimento na temática. A síntese do conhecimento, dos estudos incluídos na revisão, reduz incertezas sobre recomendações práticas, permite generalizações precisas sobre o fenômeno a partir das informações disponíveis limitadas e facilita a tomada de decisões com relação às intervenções que poderiam resultar no cuidado mais efetivo e de melhor custo/benefício dos sistemas envolvidos na pesquisa (MENDES et al., 2008).
De acordo com Botelho et al. (2011), a revisão integrativa pode ser dividida em seis etapas:
• Identificação do tema para a elaboração da revisão integrativa;
• Estabelecimento de critérios para inclusão e exclusão de estudos;
• Categorização dos estudos e definição das informações a serem extraídas;
• Avaliação dos estudos incluídos na revisão integrativa;
• Interpretação dos resultados;
• Apresentação da revisão e síntese do conhecimento.
Foi realizado o levantamento bibliográfico a partir de fontes secundárias nas bases ResearchGate, Scielo, Cochrane, LILACS, PUBMED e MEDLINE, de artigos publicados entre os anos 2001 a 2019 que contenham a combinação das palavras-chave “Odontologia Legal”; “Antropologia Forense”; “Inteligência Artificial”; “Redes Neurais Artificiais”; “Parâmetros da Identificação Humana”; “Métodos de Otimização”; “Parâmetros de Ajuste”. Foram pesquisados anais de congressos, resumos, livros, normas, resoluções, manuais técnicos e leis referentes ao trabalho de identificação post-mortem de pacientes, utilizando informações ante-mortem. Ao término da busca dos elementos importantes para compor a base de análise deste trabalho, os estudos foram submetidos a leitura parcial dos resumos, em seguida a síntese do conhecimento, a categorização dos estudos e, por último, a utilização dos resultados para a confecção do sistema.
Em seguida, foram realizadas as análises frente ao conhecimento adquirido com o processo da revisão integrativa apresentada acima, para a inferência dos parâmetros de entrada da inteligência artificial. Dessa forma, foram implementados os principais conceitos relacionados à programação WEB (LUCKOW; DE MELO, 2010) para montagem de um sistema composto por dois módulos distintos e interconectados. O primeiro módulo diz respeito ao recebimento de informações por meio de formulários montados com a linguagem HTML, do inglês Hypertext Markup Language, e moldados pela linguagem Cascading Style Sheets – CSS. Este módulo permite que o sistema seja alimentado pelos prontuários odontológicos, que são constituídos por todos os documentos probantes e diagnósticos dos pacientes (ficha clínica de anamnese, plano de tratamento, odontograma, consentimento esclarecido, contrato de prestação de serviço, receituário, atestados, declarações, encaminhamentos, fotografias e exames de imagem). O segundo módulo refere-se à comparação de imagens, abrangendo as funções de análise de duas imagens escolhidas pelo utilizador do sistema ou análise de uma imagem específica com todas as imagens cadastradas previamente. Para dinamicidade e armazenamento dos dados, utilizou-se as linguagens Hypertext Preprocessor - PHP, Structured Query Language - SQL e Javascript, responsáveis pela parte lógica do sistema, conexão com o banco de dados montado e a interação dos elementos em tela, respectivamente.
Na análise das imagens radiográficas cadastradas utilizou-se a função denominada compare. Esta função é responsável por inicializar as funções da classe image.compare.class.php. Esta classe é composta por cinco funções menores responsáveis pela comparação de imagens tomadas de duas a duas. Primeiro é realizada a verificação da extensão dos arquivos selecionados. Na versão atual, o sistema pode somente analisar as radiografias nos formatos Joint Photographic Group (.jpg) e Portable Network Graphics (.png). Caso as imagens apresentem estes formatos específicos, são extraídas informações como tamanho e quantidade de pixels que compõem a largura e altura das imagens. As funções posteriores redimensionam as imagens para miniaturas compostas por 64 pixels e retiram a média de cores desta figura. Por último, analisa-se pixel a pixel das figuras, baseando-se na média retirada. Para resultados mais precisos o processo é repetido aplicando-se tons de cinza em ambas imagens.
Por fim, o sistema foi integrado a uma inteligência artificial baseada em redes neurais artificiais para o alcance do aprendizado computacional onde as rotinas em que as imagens são reconhecidas podem ser confirmadas ou reprovadas pelo profissional que manipula o sistema. Essa verificação do resultado do processamento das comparações é de extrema importância para a ferramenta conseguir ser resiliente com as novas imagens carregadas e melhorar a cada instancia o acerto das comparações. Para isso realizou-se o upload de 300 imagens de domínio público a fim de se verificar a capacidade do sistema em armazenar, processar, comparar e reconhecer as imagens solicitadas.
Resultados
O sistema desenvolvido é composto por três atores distintos: cirurgiões dentistas, empresas de radiografia e odontolegistas. Os dois primeiros atores possuem função ativa no sistema, onde ambos podem cadastrar uma nova imagem radiográfica, bem como suas informações básicas e prontuários correlatos. Durante esse cadastro pode-se escolher um paciente com documentação prévia no sistema ou cadastrar os primeiros exames de um paciente. Em ambos os casos serão associadas informações que possibilitam a identificação dos pacientes e seus dados básicos como nome, idade e gênero. O terceiro ator do sistema são os Odontolegistas que possuírão acesso às funções de comparação e consulta à base de dados. A Figura 01 apresenta a interface gráfica do sistema que representa as três funcionalidades básicas acima descritas.
Figura 01 – Interface gráfica inicial do sistema desenvolvido









Fonte: Elaborada pelos autores
Dessa forma, em situações onde um indivíduo não pode ser reconhecido visualmente devido ao seu estágio avançado de decomposição, esqueletização ou carbonização, estes profissionais poderão realizar a comparação de uma imagem radiográfica realizada em tempo atual (post-mortem) com as demais radiografias previamente cadastradas no banco.
No processo de identificação humana, utilizando este sistema como ferramenta, é preciso que o utilizador (odontolegista/perito) selecione o exame de imagem atual (post-mortem) no campo “escolher arquivo”, para que o software seja capaz de processar as informações e então indicar ao profissional qual radiografia presente no prontuário do indivíduo cadastrado na base de dados mais se assemelha à radiografia selecionada. Vale ressaltar que o objetivo da ferramenta de IA neste caso é o de aprimorar, auxiliar as atividades humanas no processo de identificação bem como abreviar um processo que por si só é moroso, e não de substituir o trabalho dos profissionais designados a esta função. Isto posto, ao se deparar com uma tragédia onde o trabalho do odontolegista é custoso, complexo e dependente de registros odontológicos previamente realizados, em que muitas vezes os familiares das vítimas são os responsáveis por buscar e apresentar tais exames, o sistema desenvolvido poderia filtrar e direcionar o profissional aos possíveis candidatos a identificação, desde de que seu banco de dados tenha sido alimentado. A Figura 02 mostra a interface do sistema apresentado um exame radiográfico que faz parte do prontuário odontológico previamente cadastrado de um paciente.
Figura 02 – Exame de imagem contido em prontuário cadastrado no sistema













Fonte: Elaborada pelos autores
Já na Figura 03, o utilizador do sistema seleciona a imagem atual (post-mortem) de um indivíduo candidato a identificação, solicitando que o software indique dentre todos os registros do banco de dados aquele que apresenta maior semelhança. É possível observar o processamento, comparação e identificação da imagem, e neste exemplo especifico o sistema aponta como primeiro resultado a imagem radiográfica com maior percentual de similaridade que neste caso foi de 71.92%. Logo abaixo são mostrados os dados cadastrados sobre a imagem proveniente do sistema, além de informações pessoais do paciente, procedimento realizado e documentos associados à imagem.
Figura 03 – Comparação de Imagens Radiográficas















Fonte: Elaborada pelos autores

A veracidade da comparação realizada acima pode ser comprovada por meio de análise criteriosa pelo profissional, através dos documentos presentes no prontuário odontológico. Para Neville et al. (2009), independentemente do método de escolha para a identificação humana os resultados da comparação ante-motem e post-mortem convergem para uma das quatro situações:
Identificação positiva: Quando existe singularidade suficiente entre os dados/materiais post-mortem e os previamente registrados sem nenhuma diferença significativa;
Identificação presumível: Quando existem semelhanças entre os itens comparáveis, mas informações de ambas as fontes (ante-motem e post-mortem) são insuficientes para estabelecimento de identificação positiva;
Evidência insuficiente para identificação: Quando não existe evidência suficiente que permita comparação e conclusão baseada em princípios científicos;
Exclusão das evidencias de identificação: Quando existem inconsistências que impedem o estabelecimento de qualquer identificação.
A Figura 02 (exame de imagem ante-mortem) apresenta uma radiografia periapical com o dente primeiro molar decíduo inferior direito (elemento 84) com imagem sugestiva de lesão cariosa profunda e lesão de furca associada, tendo como plano de tratamento sugerido a endodontia deste elemento. Ao analisar o odontograma (apresentado abaixo na Figura 04), um dos documentos indispensáveis do prontuário, percebe-se que é possível confirmar que foi feito um tratamento endodôntico neste mesmo dente, além do plano de tratamento e datas de consultas iniciais. Verificando a radiografia obtida post-mortem (Figura 03), percebe-se que o elemento 84 apresenta imagem sugestiva de material radiopaco presente nos canais radiculares e assoalho da câmara pulpar, além de imagem de baixa radiopacidade em região oclusal deste elemento compatíveis com tratamentos endodôntico e restaurador realizados respectivamente.
O sistema permite ainda, a comparação direta de duas imagens radiográficas. Neste caso, as imagens seguem a mesma rotina de comparação, entretanto, aqui elas são comparadas diretamente sem nenhuma varredura no banco de dados. A Figura 05 mostra a comparação de duas imagens distintas.







Figura 04 – Odontograma e plano de tratamento contido em prontuário cadastrado no sistema

Fonte: Elaborada pelos autores

Figura 05 – Comparação de duas Imagens Radiográficas
Fonte: Elaborada pelos autores
Ao analisar o comportamento do sistema frente à testes com elevada carga de dados (como inserção de diversas imagens ao mesmo tempo, alteração da resolução das imagens, dentre outros), notou-se que o mesmo se comportou dentro do esperado, mantendo o tempo médio de comparações e upload de documentos. Os resultados obtidos foram satisfatórios. O sistema apresentou nos testes realizados, variação entre 70 e 85% de semelhança nas comparações feitas entre imagens pertencentes ao mesmo paciente.
Pode-se observar que a escolha de um sistema WEB foi um acerto técnico do projeto, visto que sua concepção demanda sistemas que podem ser acessados de qualquer lugar e a qualquer momento. Notou-se também a importância acadêmica deste projeto. Ao alimentar o sistema com informações de pacientes em tratamento, monta-se uma base de dados rica em conhecimentos e que pode ser compartilhada para fins de estudo. Este fato possibilita ter, de forma coesa e organizada, informações de diversos cidadãos, além de possibilitar e fomentar diversas linhas de pesquisa em um panorama odontológico.




Considerações Finais
A odontologia legal alcança um papel indubitavelmente relevante no processo de identificação humana, sendo incontestável a atuação do odontolegista como protagonista deste processo, uma vez que sua atuação é responsável por fornecer esclarecimentos à justiça de maneira eficaz para uma identificação positiva. A inteligência artificial tem um potencial muito grande neste cenário, uma vez que a avaliação odontológica forense tem como uma de suas bases a análise de imagens de diferentes modalidades para suplementar e auxiliar situações especificas. Os exames de imagem fornecem detalhes dos elementos dentários e estruturas anatomo-morfológicas e são registros objetivos do indivíduo, que não podem ser substituídos por registros escritos. A inclusão de um sistema como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Referências
Bajari, P., Chernozhukov, V., Hortaçsu, A., & Suzuki, J. (2019, May). The impact of big data on firm performance: An empirical investigation. In AEA Papers and Proceedings (Vol. 109, pp. 33-37), doi: 10.1257/pandp.20191000.
Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319(13), 1317-1318, doi:10.1001/jama.2017.18391.
Bianch, Betuel De Vico (2019). A importância da atuação do odontolegista na identificação pessoal de corpos carbonizados e a determinação do gênero. REVISTA UNINGÁ, [S.l.], v. 56, n. S3, p. 119-129, ISSN 2318-0579. Disponível em: <http://revista.uninga.br/index.php/uninga/article/view/246>. Acesso em: 02 set. 2019.
BRAGA, A. V. et al. Inteligência Artificial na Medicina. (2018). Anais do Congresso Internacional de Pesquisa, Ensino e Extensão – CIPEEX, 2, 937-941. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
BRASIL - Conselho Federal de Odontologia – Resolução CFO-179 de 19 de dezembro de 1991 alterado pelo Regulamento nº 01, de 05/06/1998. (1998). Código de Ética Odontológico – Rio de Janeiro, CFO 1998. Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Conselho Federal de Odontologia – Resolução CFO-183/1992 - Código de Processo Ético · Resolução CFO-63/05 – Consolidação das Normas para Procedimentos no Conselhos de Odontologia. (1992). Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Lei nº 13.105, de 16 de março de 2015. Altera o Código de Processo Civil. (2015). Disponível em < http://www.rb.org.br/detalhe_artigo.asp?id=838&idioma=Portugues > Acesso em Ago. 2019.
Carvalho, S. P. M., da Silva, R. H. A., Lopes-Júnior, C., & Peres, A. S. (2009). A utilização de imagens na identificação humana em odontologia legal. Radiologia Brasileira, 42(2), 125-130. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
CARVALHO, R. B. et al. (2012). Informatização na área da saúde/ odontologia: prontuário único e eletrônico do paciente. Revista Brasileira de Pesquisa em Saúde, Vitória, v. 3, n. 14, p.58-67. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
Castilho, J. M. L.; Lopreto, C. A. R. (2015). A Evolução dos Aparelhos de Raios-X. Três Lagoas. Disponível em: <http://books.scielo.org/id/q5/pdf/navarro-9788523209247-04.pdf>. Acesso em: Ago. 2019.
Costantini, S., De Gasperis, G., & Olivieri, R. (2019). Digital forensics and investigations meet artificial intelligence. Annals of Mathematics and Artificial Intelligence, 1-37. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
de Almeida Bordigon, A. C., Silva, T. S., Dani, V. S., Fantinato, M., & Pereira, R. C. B. (2018, November). Processamento de Linguagem Natural na Identificação e Modelagem de Processos de Negócio: Uma Revisão Sistemática da Literatura. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação (pp. 198-191). SBC. Disponível em: < https://sol.sbc.org.br/index.php/sbsi/article/view/5087 >. Acesso em: 02 set. 2019.
De Almeida, S. M., Carvalho, S. P. M., & Radicchi, R. (2017). Aspectos legais da documentação odontológica: uma revisão sobre validade legal, privacidade e aceitação no meio jurídico. RBOL-Revista Brasileira de Odontologia Legal, 4(2), doi: http://dx.doi.org/10.21117/rbol.v4i2.96
Denny, C., Jacob, A. S., Ahmed, J., Natarajan, S., & Binnal, A. (2018). Frontal sinus as an aid in gender identification in forensic dentistry: A retrospective study using cone beam computed tomography. World Journal of Dentistry, 9(1), 34-37, doi: 10.5005/jp-journals-10015-1503
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6. ed. Editora Atlas SA. Disponível em: < http://hdl.handle.net/123456789/707>. Acesso em: 02 set. 2019.
de Souza Gonçalves, A., Marcelino, J. C., do PRADO, M. M., & da SILVA, R. F. (2014). Identificação humana utilizando radiografia pa de seios maxilares: relato de caso. RBOL-Revista Brasileira de Odontologia Legal, 1(1), doi: http://dx.doi.org/10.21117/rbol.v1i1.5
Gruber, J., & Kameyama, M. M. (2001). O papel da Radiologia em Odontologia Legal. Pesquisa Odontológica Brasileira, 15(3), 263-268. Disponível em: < http://www.scielo.br/pdf/%0D/pob/v15n3/a14v15n3.pdf>. Acesso em: 02 set. 2019.
Jackson, P. C. (2019). Introduction to artificial intelligence. Courier Dover Publications.
Johnson, K. W., Soto, J. T., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., ... & Dudley, J. T. (2018). Artificial intelligence in cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679, doi: 10.1016/j.jacc.2018.03.521
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436, doi: https://doi.org/10.1038/nature14539
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375, doi: https://doi.org/10.1007/s11036-017-0932-8
Luckow, D. H., & de Melo, A. A. (2010). Programação Java para a WEB. Novatec Editora.
Miller, D. D., & Brown, E. W. (2018). Artificial intelligence in medical practice: the question to the answer?. The American journal of medicine, 131(2), 129-133, doi: https://doi.org/10.1016/j.amjmed.2017.10.035.
Nadal, L., Poletto, A. C., & Fosquiera, E. C. (2018). Identificação humana pela arcada dentária através do prontuário odontológico. REVISTA UNINGÁ REVIEW, 24(1). Disponível em: <http://revista.uninga.br/index.php/uningareviews/article/view/1670>. Acesso em: 02 set. 2019.
Neville et al. Patologia Oral & Maxilofacial. 3ª Rio de Janeiro, Elsevier, 2009
Pan, H., Tao, J., Qian, M., Zhou, W., Qian, Y., Xie, H., ... & You, M. (2019). Concordance assessment of Watson for Oncology in breast cancer chemotherapy: first China experience. Translational Cancer Research, 8(2), 389-401, doi: 10.21037/tcr.2019.01.34.
Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., ... & Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1(1), 18, doi: https://doi.org/10.1038/s41746-018-0029-1.
SABBATINI, R. M. E. Aplicações da inteligência artificial na radiologia. PIXEON. 2018. Disponível em <https://www.pixeon.com/blog/aplicacoes-da-inteligencia-artificial-na-radiologia/> Acesso em Ago. 2019.
Silveira, D. T., & Córdova, F. P. (2009). Unidade 2–A pesquisa científica. Métodos de pesquisa, 1. Disponível em: <http://www.cesadufs.com.br/ORBI/public/uploadCatalago/09520520042012Pratica_de_Pesquisa_I_Aula_2.pdf>. Acesso em: 02 set. 2019.
Simon, G. E. (2019). Big data from health records in mental health care: hardly clairvoyant but already useful. JAMA psychiatry, 76(4), 349-350, doi:10.1001/jamapsychiatry.2018.4510
Stewart, J., Sprivulis, P., & Dwivedi, G. (2018). Artificial intelligence and machine learning in emergency medicine. Emergency Medicine Australasia, 30(6), 870-874, doi: https://doi.org/10.1111/1742-6723.13145.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44, doi: https://doi.org/10.1038/s41591-018-0300-7
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yu, K. H., & Kohane, I. S. (2019). Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf, 28(3), 238-241, doi: http://dx.doi.org/10.1136/bmjqs-2018-008551
ZILIO, Fernanda et al. (2013). Meios de identificação odontolegal. Anais da VII Mostra de Iniciação Científica e Extensão Comunitária: VI Mostra de Pesquisa e Pós-Graduação IMED, Porto Alegre. Disponível em: <https://imed.edu.br/Comunicacao/Eventos/Hotsite/x-mostra-de-iniciacao-cientifica/anais-artigos>. Acesso em: 02 set

---

Arquivo de entrada: BJPE- OdontoLegal -ArtigoFInal.docx (4626 termos)
Arquivo encontrado: http://periodicos.ufes.br/BJPE/article/download/20933/13995 (1006 termos)

Termos comuns: 85
Similaridade: 1,53%

6
15

Inteligência Artificial como Ferramenta para Identificação Humana em Odontologia Legal
ARTIFICIAL INTELLIGENCE AS A TOOL FOR HUMAN IDENTIFICATION IN FORENSIC DENTISTRY






Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engeneering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
Palavras-chave:
Odontologia Legal; Antropologia Forense; Inteligência Artificial.
Keywords:
Forensic Dentistry; Forensic Anthropology; Artificial Intelligence.

Copyright © 2018, Nome do Autor Completo et al. Este é um artigo open access distribuído sob a Creative Commons Attribution License, que permite uso irrestrito, distribuição e reprodução, sempre quando providenciado a devida citação do original. Os autores declaram que o mesmo não infringe qualquer direito autoral ou outro direito de propriedade de terceiros.


RESUMO
A identificação forense busca encontrar coincidências entre dados obtidos ante-mortem e post-mortem, com o objetivo de individualizar uma pessoa ou objeto, constituindo uma parte essencial de estudo e pesquisa da odontologia legal e medicina legal. Os exames imaginológicos têm sido amplamente utilizados nesse processo de reconhecimento, possibilitando a identificação do indivíduo através da verificação da unicidade de estruturas morfológicas, características anatômicas e tratamentos dentários previamente realizados. Para tanto, exames de imagem preliminares precisam ter sido realizados e estar presentes em prontuários completos, organizados e armazenados pelo máximo de tempo possível. Considerando a inexistência de legislação específica acerca da obrigatoriedade da guarda de prontuários odontológicos bem como do seu período de arquivamento, o processo de identificação forense torna-se dificultado e cada vez mais dependente. Inserindo-se nesta problemática, este artigo apresenta uma solução com inteligência artificial capaz de armazenar prontuários odontológicos, comparar e reconhecer imagens radiográficas além manter a legitimidade dos dados. O sistema desenvolvido possui uma interface gráfica que atua de forma online e permite ao usuário o cadastro da documentação odontológica. Este se mostrou capaz de determinar o nível de semelhança entre dois exames de imagem indicados pelo usuário além de buscar no banco de dados a imagem radiográfica que mais se assemelha à imagem investigada, sinalizando a identidade do candidato ao reconhecimento.


ABSTRACT
8
Forensic identification seeks to find coincidences between ante-mortem and post-mortem data, with the aim of individualizing a person or object, constituting an essential part of the study and research of legal dentistry and forensic medicine. Imaging exams have been widely used in this recognition process, enabling the identification of the individual through the verification of the uniqueness of morphological structures, anatomical characteristics and dental treatments previously performed. Therefore, preliminary imaging exams must be performed and present in complete dental records, organized and stored for as long as possible. Given the lack of specific legislation regarding the obligation to keep dental records and their filing period, the forensic identification process is becoming more difficult and increasingly dependent. Thus, this paper presents as a solution an artificial intelligence system capable of storing dental records, comparing and recognizing radiographic images besides maintaining the legitimacy of the data. The developed system has a graphical interface that acts online and allows the user to register the dental documentation. It was able to determine the level of similarity between two imaging exams indicated by the user and search the database for the radiographic image that most closely resembles the investigated image, signaling the possible identity of the candidate for recognition.



Introdução
Os prontuários odontológicos compreendem aos documentos padronizados, ordenados e concisos que reúnem as informações dos pacientes que se submeteram a algum tipo de procedimento odontológico. Além da sua importância para a organização da relação do cirurgião-dentista-paciente, esses prontuários são ferramentas que possuem finalidade jurídica, pericial e de identificação na odontologia legal (DE ALMEIDA et al., 2017).
A Odontologia Legal é um conceito ramificado da Medicina Legal, que caracteriza a perícia médica na região da cabeça e pescoço, levando em consideração nos testes, ossadas, fragmentos, peças dentarias isoladas, dentre outras estruturas anatômicas. Este conjunto de procedimentos técnico-científicos é responsável por cerca de 70% das identificações humanas em desastres em massa, comprovando por tanto sua eficácia e justificando sua aplicação nestes casos (ZILIO et al., 2013; DENNY et al., 2018).
De acordo com Bianch et al. (2019) a contribuição do odontolegista no processo de identificação humana se faz necessária quando não é possível a identificação pessoal/visual do indivíduo e/ou quando um corpo é encontrado em processo de esqueletização, carbonização, estágios avançados de decomposição, bem como estados que dificultam ou impeçam totalmente a identificação mais usual, que é a datiloscopia (impressão digital). Deste modo, verifica-se a inquestionável importância desta área na identificação de corpos em desastres ambientais, automobilísticos e criminais, uma vez que os dentes são elementos singulares que possuem extraordinária resistência, capazes de suportar temperaturas de aproximadamente 600°C e permanecerem intactos por muito tempo depois da decomposição ou carbonização do indivíduo.
Corroborando, Nadal et al. (2018) afirmam que a importância da odontologia legal pode ser evidenciada por meio de vários relatos científicos e até mesmo pela mídia, como exemplo, os dois maiores acidentes aéreos brasileiros, onde o primeiro envolveu um avião da GOL Linhas Aéreas S.A em setembro de 2003, causando a morte de 154 pessoas, e o segundo, com um avião da empresa TAM Linhas Aéreas (atual LATAM Airlines Brasil) em 2007, provocando a morte de 199 pessoas. Em ambos os casos foi necessário a aplicação de diferentes técnicas de identificação forense no processo de individualização das vítimas, incluindo a identificação por meio da arcada dentaria.
As identificações realizadas baseiam-se principalmente na comparação entre os exames radiológicos ante-mortem e post-mortem. Em um contexto histórico a utilização da radiologia nas ciências forenses foi aplicada inicialmente apenas um ano após a descoberta dos Raios X por Wilhelm Conrad Roentgen (GRUBER; KAMEYAMA, 2001). A partir deste marco foram realizadas diversas melhorias, principalmente com o surgimento da radiologia computadorizada e o avanço da informática, resultando no refinamento da técnica e viabilizando maior acuidade nas identificações, além do aumento da eficiência (visto que o tempo de processamento de imagem é menor) e possibilidade de ajustar fatores da imagem (suavização, ampliação, realce, subtração, superposição, etc.) (CASTILHO; LOPRETO, 2015).
Em contrapartida, o grande problema enfrentado pelos profissionais desta área relaciona-se ao tempo de arquivamento do prontuário, visto que inexiste legislação especifica neste aspecto, e as diversas orientações trazem entendimentos diferentes. O Art. 4º do Código de Ética Odontológica (BRASIL, 1998) determina que é dever fundamental dos profissionais a elaboração de fichas clínicas dos pacientes, além de conservá-las em arquivo próprio, não estabelecendo explicitamente o tempo de guarda dos documentos. Já o Código de Processo Ético Odontológico (BRASIL, 1992), na porção a que se refere sobre infrações éticas estabelece um prazo de 5 (cinco) anos para prescrição de tais infrações. Porém, ao analisar o Código de Processo Civil (BRASIL, 2015) percebe-se que as ações pessoais prescrevem, ordinariamente, em 20 (vinte) anos, as reais em 10 (dez), entre presentes, e entre ausentes em 15 (quinze), contados da data em que poderiam ter sido propostas. Por fim, ao analisar o parecer CFO nº. 91/2009 do Conselho Federal de Odontologia (BRASIL, 2009), é estabelecido o prazo mínimo de 10 (dez) anos, a partir do último registro, para a preservação dos prontuários dos pacientes em suporte de papel, que não foram arquivados eletronicamente em meio óptico, microfilmado ou digitalizado.
Fica evidente que a odontologia legal tem muito a contribuir no processo de identificação humana, contudo ainda há necessidade de maior incentivo na formação de profissionais especializados na área, como também em pesquisas forenses, principalmente quanto ao desenvolvimento de ferramentas tecnológicas que auxiliem neste processo. Dessa forma, em plena e rápida expansão no mundo todo, a inteligência Artificial (IA) é uma tecnologia com potenciais e funcionalidades inimagináveis que podem impactar profundamente todos os setores da sociedade. Entende-se por inteligência artificial o ramo da ciência da computação que estuda os sistemas cujo funcionamento assemelha-se ao pensamento humano, com capacidade de aprendizagem e o armazenamento de conhecimento (BRAGA et al., 2018).
Sabbatini (2018) afirma que não seria exagero dizer que, na área da saúde a IA deve trazer uma verdadeira revolução nos processos de diagnóstico e tratamento, gerando imensuráveis benefícios aos profissionais e pacientes. O mesmo vale para as aplicações da inteligência artificial nos processos de reconhecimento humano.
Inserindo-se neste contexto, projetar e desenvolver um sistema que sirva como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Inteligência Artificial
O termo Inteligência Artificial (IA) surgiu para definir um novo ramo da computação cujo o objetivo está em fazer com que os sistemas computacionais possam processar as informações e tomar decisões forma inteligente similar ao pensamento humano, a fim de se obter a capacidade de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente a respeito de um problema específico (LU et al., 2018; JACKSON, 2019).
Outro conceito que surgiu com após a difusão dos sistemas computacionais de alta performance foi o termo denominado de Big Data (BEAM; KOHANE, 2018; BAJARI et al., 2019) que se refere aos grandes conjuntos de dados provenientes dos diversos mecanismos de comunicação da atualidade que vão desde informações geradas por smartphones até dados climáticos ou de demandas populacionais. Dessa forma, devido a magnitude e complexidade dos dados envolvidos, o conceito de Big Data referencia novos métodos de processamento de dados de maneira a realizar predições e reconhecimento de padrões em imagens e sistemas (SIMON, 2019).
Após a difusão dos sistemas computacionais de alta performance as ferramentas de IA passaram a trabalhar em três eixos complementares. O primeiro eixo compreende as técnicas de aprendizado de máquina, do inglês Machine learning (WITTEN, 2016), estas permitem que os sistemas computacionais aprendam com os dados processados com a finalidade de se identificar rotinas e tomar decisões com o mínimo de intervenção humana, se tornando mais resilientes e dinâmicas após a leitura de novas informações.
O Segundo eixo se configura pela Aprendizagem profunda (Deep Learning) (LECUN et al., 2015; RAJKOMAR et al., 2018) na qual a IA se faz com a programação das chamadas Redes Neurais Artificiais (RNA). As RNAs se baseiam em uma programação que elabora um modelo matemático baseado na estrutura neural dos organismos inteligentes que desenvolvem o conhecimento por meio da experiencia vivenciada. Esta ferramenta é composta por unidades de funcionamento que são conectadas a canais de comunicação associados a um peso pré-determinado. Cada unidade da rede realiza operações sobre seus dados locais que são provenientes das conexões de entrada, assim, o comportamento inteligente de uma RNA vem das interações entre as unidades de processamento geral da rede.
Por fim, o terceiro eixo traz o Processamento de Linguagem Natural (PLN) (DE ALMEIDA, 2018), que pode ser visto como a capacidade que um sistema computacional possui em entender a linguagem humana como ela é falada. As técnicas que compõe o PLN se objetivam em analisar, reconhecer e/ou produzir textos em linguagens humanas.
Nas últimas décadas, as ferramentas de armazenamento, processamento e apresentação de dados foram sendo modernizadas, permitindo o avanço do uso da Inteligência artificial para inúmeras áreas, inclusive na saúde. Como exemplo, pode-se citar a IA chamada de Watson for Oncology, desenvolvida pela International Business Machines Corporation (IBM), e que foi treinado para resolver problemas no domínio da saúde (PAN et al., 2019).
Sistemas similares ao Watson são tendências tecnológicas cada vez mais vistas na atualidade, pois agregam facilidades aos serviços que ao serem executados apenas por seres humanos podem ser morosos e dificultados pela disponibilidade continua de profissionais da área de análise. Neste sentido, o uso das técnicas de inteligência artificial vinculados ao eficiente processamento de dados podem levar ao ser humano uma visão de trabalho diferenciada a fim de minimizar possíveis erros, bem como o tempo de prestação de serviços.
Metodologia
A natureza da pesquisa pode ser classificada como aplicada ou prática, pois, segundo Gil (2008) essa categoria de pesquisa busca gerar conhecimentos para aplicação prática dirigida à solução de problemas específicos, que no caso deste trabalho consiste em mapear e categorizar os conhecimentos relacionados a Antropologia Forense e em seguida desenvolver um plano metodológico capaz de fundamentar a implementação de uma ferramenta baseada em inteligência artificial voltada para a Odontologia Legal.
Já os procedimentos metodológicos, seguem os princípios de uma abordagem qualitativa, com um método científico indutivo e um objeto de estudo exploratório. Relativamente aos procedimentos técnicos de pesquisa, recorreu-se a pesquisa bibliográfica para o levantamento das informações mais atuais da área (SILVEIRA; CÓRDOVA, 2009). O método de pesquisa inicial foi desenvolvido a partir de procedimentos recomendados para elaboração de uma revisão integrativa da literatura, a qual tem como finalidade reunir e resumir o conhecimento científico já produzido sobre o tema investigado, ou seja, permite buscar, avaliar e sintetizar as evidências disponíveis para contribuir com o desenvolvimento do aluno envolvido no processo de iniciação científica em relação ao conhecimento na temática. A síntese do conhecimento, dos estudos incluídos na revisão, reduz incertezas sobre recomendações práticas, permite generalizações precisas sobre o fenômeno a partir das informações disponíveis limitadas e facilita a tomada de decisões com relação às intervenções que poderiam resultar no cuidado mais efetivo e de melhor custo/benefício dos sistemas envolvidos na pesquisa (MENDES et al., 2008).
De acordo com Botelho et al. (2011), a revisão integrativa pode ser dividida em seis etapas:
• Identificação do tema para a elaboração da revisão integrativa;
• Estabelecimento de critérios para inclusão e exclusão de estudos;
• Categorização dos estudos e definição das informações a serem extraídas;
• Avaliação dos estudos incluídos na revisão integrativa;
• Interpretação dos resultados;
• Apresentação da revisão e síntese do conhecimento.
Foi realizado o levantamento bibliográfico a partir de fontes secundárias nas bases ResearchGate, Scielo, Cochrane, LILACS, PUBMED e MEDLINE, de artigos publicados entre os anos 2001 a 2019 que contenham a combinação das palavras-chave “Odontologia Legal”; “Antropologia Forense”; “Inteligência Artificial”; “Redes Neurais Artificiais”; “Parâmetros da Identificação Humana”; “Métodos de Otimização”; “Parâmetros de Ajuste”. Foram pesquisados anais de congressos, resumos, livros, normas, resoluções, manuais técnicos e leis referentes ao trabalho de identificação post-mortem de pacientes, utilizando informações ante-mortem. Ao término da busca dos elementos importantes para compor a base de análise deste trabalho, os estudos foram submetidos a leitura parcial dos resumos, em seguida a síntese do conhecimento, a categorização dos estudos e, por último, a utilização dos resultados para a confecção do sistema.
Em seguida, foram realizadas as análises frente ao conhecimento adquirido com o processo da revisão integrativa apresentada acima, para a inferência dos parâmetros de entrada da inteligência artificial. Dessa forma, foram implementados os principais conceitos relacionados à programação WEB (LUCKOW; DE MELO, 2010) para montagem de um sistema composto por dois módulos distintos e interconectados. O primeiro módulo diz respeito ao recebimento de informações por meio de formulários montados com a linguagem HTML, do inglês Hypertext Markup Language, e moldados pela linguagem Cascading Style Sheets – CSS. Este módulo permite que o sistema seja alimentado pelos prontuários odontológicos, que são constituídos por todos os documentos probantes e diagnósticos dos pacientes (ficha clínica de anamnese, plano de tratamento, odontograma, consentimento esclarecido, contrato de prestação de serviço, receituário, atestados, declarações, encaminhamentos, fotografias e exames de imagem). O segundo módulo refere-se à comparação de imagens, abrangendo as funções de análise de duas imagens escolhidas pelo utilizador do sistema ou análise de uma imagem específica com todas as imagens cadastradas previamente. Para dinamicidade e armazenamento dos dados, utilizou-se as linguagens Hypertext Preprocessor - PHP, Structured Query Language - SQL e Javascript, responsáveis pela parte lógica do sistema, conexão com o banco de dados montado e a interação dos elementos em tela, respectivamente.
Na análise das imagens radiográficas cadastradas utilizou-se a função denominada compare. Esta função é responsável por inicializar as funções da classe image.compare.class.php. Esta classe é composta por cinco funções menores responsáveis pela comparação de imagens tomadas de duas a duas. Primeiro é realizada a verificação da extensão dos arquivos selecionados. Na versão atual, o sistema pode somente analisar as radiografias nos formatos Joint Photographic Group (.jpg) e Portable Network Graphics (.png). Caso as imagens apresentem estes formatos específicos, são extraídas informações como tamanho e quantidade de pixels que compõem a largura e altura das imagens. As funções posteriores redimensionam as imagens para miniaturas compostas por 64 pixels e retiram a média de cores desta figura. Por último, analisa-se pixel a pixel das figuras, baseando-se na média retirada. Para resultados mais precisos o processo é repetido aplicando-se tons de cinza em ambas imagens.
Por fim, o sistema foi integrado a uma inteligência artificial baseada em redes neurais artificiais para o alcance do aprendizado computacional onde as rotinas em que as imagens são reconhecidas podem ser confirmadas ou reprovadas pelo profissional que manipula o sistema. Essa verificação do resultado do processamento das comparações é de extrema importância para a ferramenta conseguir ser resiliente com as novas imagens carregadas e melhorar a cada instancia o acerto das comparações. Para isso realizou-se o upload de 300 imagens de domínio público a fim de se verificar a capacidade do sistema em armazenar, processar, comparar e reconhecer as imagens solicitadas.
Resultados
O sistema desenvolvido é composto por três atores distintos: cirurgiões dentistas, empresas de radiografia e odontolegistas. Os dois primeiros atores possuem função ativa no sistema, onde ambos podem cadastrar uma nova imagem radiográfica, bem como suas informações básicas e prontuários correlatos. Durante esse cadastro pode-se escolher um paciente com documentação prévia no sistema ou cadastrar os primeiros exames de um paciente. Em ambos os casos serão associadas informações que possibilitam a identificação dos pacientes e seus dados básicos como nome, idade e gênero. O terceiro ator do sistema são os Odontolegistas que possuírão acesso às funções de comparação e consulta à base de dados. A Figura 01 apresenta a interface gráfica do sistema que representa as três funcionalidades básicas acima descritas.
Figura 01 – Interface gráfica inicial do sistema desenvolvido









Fonte: Elaborada pelos autores
Dessa forma, em situações onde um indivíduo não pode ser reconhecido visualmente devido ao seu estágio avançado de decomposição, esqueletização ou carbonização, estes profissionais poderão realizar a comparação de uma imagem radiográfica realizada em tempo atual (post-mortem) com as demais radiografias previamente cadastradas no banco.
No processo de identificação humana, utilizando este sistema como ferramenta, é preciso que o utilizador (odontolegista/perito) selecione o exame de imagem atual (post-mortem) no campo “escolher arquivo”, para que o software seja capaz de processar as informações e então indicar ao profissional qual radiografia presente no prontuário do indivíduo cadastrado na base de dados mais se assemelha à radiografia selecionada. Vale ressaltar que o objetivo da ferramenta de IA neste caso é o de aprimorar, auxiliar as atividades humanas no processo de identificação bem como abreviar um processo que por si só é moroso, e não de substituir o trabalho dos profissionais designados a esta função. Isto posto, ao se deparar com uma tragédia onde o trabalho do odontolegista é custoso, complexo e dependente de registros odontológicos previamente realizados, em que muitas vezes os familiares das vítimas são os responsáveis por buscar e apresentar tais exames, o sistema desenvolvido poderia filtrar e direcionar o profissional aos possíveis candidatos a identificação, desde de que seu banco de dados tenha sido alimentado. A Figura 02 mostra a interface do sistema apresentado um exame radiográfico que faz parte do prontuário odontológico previamente cadastrado de um paciente.
Figura 02 – Exame de imagem contido em prontuário cadastrado no sistema













Fonte: Elaborada pelos autores
Já na Figura 03, o utilizador do sistema seleciona a imagem atual (post-mortem) de um indivíduo candidato a identificação, solicitando que o software indique dentre todos os registros do banco de dados aquele que apresenta maior semelhança. É possível observar o processamento, comparação e identificação da imagem, e neste exemplo especifico o sistema aponta como primeiro resultado a imagem radiográfica com maior percentual de similaridade que neste caso foi de 71.92%. Logo abaixo são mostrados os dados cadastrados sobre a imagem proveniente do sistema, além de informações pessoais do paciente, procedimento realizado e documentos associados à imagem.
Figura 03 – Comparação de Imagens Radiográficas















Fonte: Elaborada pelos autores

A veracidade da comparação realizada acima pode ser comprovada por meio de análise criteriosa pelo profissional, através dos documentos presentes no prontuário odontológico. Para Neville et al. (2009), independentemente do método de escolha para a identificação humana os resultados da comparação ante-motem e post-mortem convergem para uma das quatro situações:
Identificação positiva: Quando existe singularidade suficiente entre os dados/materiais post-mortem e os previamente registrados sem nenhuma diferença significativa;
Identificação presumível: Quando existem semelhanças entre os itens comparáveis, mas informações de ambas as fontes (ante-motem e post-mortem) são insuficientes para estabelecimento de identificação positiva;
Evidência insuficiente para identificação: Quando não existe evidência suficiente que permita comparação e conclusão baseada em princípios científicos;
Exclusão das evidencias de identificação: Quando existem inconsistências que impedem o estabelecimento de qualquer identificação.
A Figura 02 (exame de imagem ante-mortem) apresenta uma radiografia periapical com o dente primeiro molar decíduo inferior direito (elemento 84) com imagem sugestiva de lesão cariosa profunda e lesão de furca associada, tendo como plano de tratamento sugerido a endodontia deste elemento. Ao analisar o odontograma (apresentado abaixo na Figura 04), um dos documentos indispensáveis do prontuário, percebe-se que é possível confirmar que foi feito um tratamento endodôntico neste mesmo dente, além do plano de tratamento e datas de consultas iniciais. Verificando a radiografia obtida post-mortem (Figura 03), percebe-se que o elemento 84 apresenta imagem sugestiva de material radiopaco presente nos canais radiculares e assoalho da câmara pulpar, além de imagem de baixa radiopacidade em região oclusal deste elemento compatíveis com tratamentos endodôntico e restaurador realizados respectivamente.
O sistema permite ainda, a comparação direta de duas imagens radiográficas. Neste caso, as imagens seguem a mesma rotina de comparação, entretanto, aqui elas são comparadas diretamente sem nenhuma varredura no banco de dados. A Figura 05 mostra a comparação de duas imagens distintas.







Figura 04 – Odontograma e plano de tratamento contido em prontuário cadastrado no sistema

Fonte: Elaborada pelos autores

Figura 05 – Comparação de duas Imagens Radiográficas
Fonte: Elaborada pelos autores
Ao analisar o comportamento do sistema frente à testes com elevada carga de dados (como inserção de diversas imagens ao mesmo tempo, alteração da resolução das imagens, dentre outros), notou-se que o mesmo se comportou dentro do esperado, mantendo o tempo médio de comparações e upload de documentos. Os resultados obtidos foram satisfatórios. O sistema apresentou nos testes realizados, variação entre 70 e 85% de semelhança nas comparações feitas entre imagens pertencentes ao mesmo paciente.
Pode-se observar que a escolha de um sistema WEB foi um acerto técnico do projeto, visto que sua concepção demanda sistemas que podem ser acessados de qualquer lugar e a qualquer momento. Notou-se também a importância acadêmica deste projeto. Ao alimentar o sistema com informações de pacientes em tratamento, monta-se uma base de dados rica em conhecimentos e que pode ser compartilhada para fins de estudo. Este fato possibilita ter, de forma coesa e organizada, informações de diversos cidadãos, além de possibilitar e fomentar diversas linhas de pesquisa em um panorama odontológico.




Considerações Finais
A odontologia legal alcança um papel indubitavelmente relevante no processo de identificação humana, sendo incontestável a atuação do odontolegista como protagonista deste processo, uma vez que sua atuação é responsável por fornecer esclarecimentos à justiça de maneira eficaz para uma identificação positiva. A inteligência artificial tem um potencial muito grande neste cenário, uma vez que a avaliação odontológica forense tem como uma de suas bases a análise de imagens de diferentes modalidades para suplementar e auxiliar situações especificas. Os exames de imagem fornecem detalhes dos elementos dentários e estruturas anatomo-morfológicas e são registros objetivos do indivíduo, que não podem ser substituídos por registros escritos. A inclusão de um sistema como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Referências
Bajari, P., Chernozhukov, V., Hortaçsu, A., & Suzuki, J. (2019, May). The impact of big data on firm performance: An empirical investigation. In AEA Papers and Proceedings (Vol. 109, pp. 33-37), doi: 10.1257/pandp.20191000.
Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319(13), 1317-1318, doi:10.1001/jama.2017.18391.
Bianch, Betuel De Vico (2019). A importância da atuação do odontolegista na identificação pessoal de corpos carbonizados e a determinação do gênero. REVISTA UNINGÁ, [S.l.], v. 56, n. S3, p. 119-129, ISSN 2318-0579. Disponível em: <http://revista.uninga.br/index.php/uninga/article/view/246>. Acesso em: 02 set. 2019.
BRAGA, A. V. et al. Inteligência Artificial na Medicina. (2018). Anais do Congresso Internacional de Pesquisa, Ensino e Extensão – CIPEEX, 2, 937-941. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
BRASIL - Conselho Federal de Odontologia – Resolução CFO-179 de 19 de dezembro de 1991 alterado pelo Regulamento nº 01, de 05/06/1998. (1998). Código de Ética Odontológico – Rio de Janeiro, CFO 1998. Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Conselho Federal de Odontologia – Resolução CFO-183/1992 - Código de Processo Ético · Resolução CFO-63/05 – Consolidação das Normas para Procedimentos no Conselhos de Odontologia. (1992). Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Lei nº 13.105, de 16 de março de 2015. Altera o Código de Processo Civil. (2015). Disponível em < http://www.rb.org.br/detalhe_artigo.asp?id=838&idioma=Portugues > Acesso em Ago. 2019.
Carvalho, S. P. M., da Silva, R. H. A., Lopes-Júnior, C., & Peres, A. S. (2009). A utilização de imagens na identificação humana em odontologia legal. Radiologia Brasileira, 42(2), 125-130. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
CARVALHO, R. B. et al. (2012). Informatização na área da saúde/ odontologia: prontuário único e eletrônico do paciente. Revista Brasileira de Pesquisa em Saúde, Vitória, v. 3, n. 14, p.58-67. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
Castilho, J. M. L.; Lopreto, C. A. R. (2015). A Evolução dos Aparelhos de Raios-X. Três Lagoas. Disponível em: <http://books.scielo.org/id/q5/pdf/navarro-9788523209247-04.pdf>. Acesso em: Ago. 2019.
Costantini, S., De Gasperis, G., & Olivieri, R. (2019). Digital forensics and investigations meet artificial intelligence. Annals of Mathematics and Artificial Intelligence, 1-37. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
de Almeida Bordigon, A. C., Silva, T. S., Dani, V. S., Fantinato, M., & Pereira, R. C. B. (2018, November). Processamento de Linguagem Natural na Identificação e Modelagem de Processos de Negócio: Uma Revisão Sistemática da Literatura. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação (pp. 198-191). SBC. Disponível em: < https://sol.sbc.org.br/index.php/sbsi/article/view/5087 >. Acesso em: 02 set. 2019.
De Almeida, S. M., Carvalho, S. P. M., & Radicchi, R. (2017). Aspectos legais da documentação odontológica: uma revisão sobre validade legal, privacidade e aceitação no meio jurídico. RBOL-Revista Brasileira de Odontologia Legal, 4(2), doi: http://dx.doi.org/10.21117/rbol.v4i2.96
Denny, C., Jacob, A. S., Ahmed, J., Natarajan, S., & Binnal, A. (2018). Frontal sinus as an aid in gender identification in forensic dentistry: A retrospective study using cone beam computed tomography. World Journal of Dentistry, 9(1), 34-37, doi: 10.5005/jp-journals-10015-1503
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6. ed. Editora Atlas SA. Disponível em: < http://hdl.handle.net/123456789/707>. Acesso em: 02 set. 2019.
de Souza Gonçalves, A., Marcelino, J. C., do PRADO, M. M., & da SILVA, R. F. (2014). Identificação humana utilizando radiografia pa de seios maxilares: relato de caso. RBOL-Revista Brasileira de Odontologia Legal, 1(1), doi: http://dx.doi.org/10.21117/rbol.v1i1.5
Gruber, J., & Kameyama, M. M. (2001). O papel da Radiologia em Odontologia Legal. Pesquisa Odontológica Brasileira, 15(3), 263-268. Disponível em: < http://www.scielo.br/pdf/%0D/pob/v15n3/a14v15n3.pdf>. Acesso em: 02 set. 2019.
Jackson, P. C. (2019). Introduction to artificial intelligence. Courier Dover Publications.
Johnson, K. W., Soto, J. T., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., ... & Dudley, J. T. (2018). Artificial intelligence in cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679, doi: 10.1016/j.jacc.2018.03.521
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436, doi: https://doi.org/10.1038/nature14539
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375, doi: https://doi.org/10.1007/s11036-017-0932-8
Luckow, D. H., & de Melo, A. A. (2010). Programação Java para a WEB. Novatec Editora.
Miller, D. D., & Brown, E. W. (2018). Artificial intelligence in medical practice: the question to the answer?. The American journal of medicine, 131(2), 129-133, doi: https://doi.org/10.1016/j.amjmed.2017.10.035.
Nadal, L., Poletto, A. C., & Fosquiera, E. C. (2018). Identificação humana pela arcada dentária através do prontuário odontológico. REVISTA UNINGÁ REVIEW, 24(1). Disponível em: <http://revista.uninga.br/index.php/uningareviews/article/view/1670>. Acesso em: 02 set. 2019.
Neville et al. Patologia Oral & Maxilofacial. 3ª Rio de Janeiro, Elsevier, 2009
Pan, H., Tao, J., Qian, M., Zhou, W., Qian, Y., Xie, H., ... & You, M. (2019). Concordance assessment of Watson for Oncology in breast cancer chemotherapy: first China experience. Translational Cancer Research, 8(2), 389-401, doi: 10.21037/tcr.2019.01.34.
Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., ... & Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1(1), 18, doi: https://doi.org/10.1038/s41746-018-0029-1.
SABBATINI, R. M. E. Aplicações da inteligência artificial na radiologia. PIXEON. 2018. Disponível em <https://www.pixeon.com/blog/aplicacoes-da-inteligencia-artificial-na-radiologia/> Acesso em Ago. 2019.
Silveira, D. T., & Córdova, F. P. (2009). Unidade 2–A pesquisa científica. Métodos de pesquisa, 1. Disponível em: <http://www.cesadufs.com.br/ORBI/public/uploadCatalago/09520520042012Pratica_de_Pesquisa_I_Aula_2.pdf>. Acesso em: 02 set. 2019.
Simon, G. E. (2019). Big data from health records in mental health care: hardly clairvoyant but already useful. JAMA psychiatry, 76(4), 349-350, doi:10.1001/jamapsychiatry.2018.4510
Stewart, J., Sprivulis, P., & Dwivedi, G. (2018). Artificial intelligence and machine learning in emergency medicine. Emergency Medicine Australasia, 30(6), 870-874, doi: https://doi.org/10.1111/1742-6723.13145.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44, doi: https://doi.org/10.1038/s41591-018-0300-7
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yu, K. H., & Kohane, I. S. (2019). Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf, 28(3), 238-241, doi: http://dx.doi.org/10.1136/bmjqs-2018-008551
ZILIO, Fernanda et al. (2013). Meios de identificação odontolegal. Anais da VII Mostra de Iniciação Científica e Extensão Comunitária: VI Mostra de Pesquisa e Pós-Graduação IMED, Porto Alegre. Disponível em: <https://imed.edu.br/Comunicacao/Eventos/Hotsite/x-mostra-de-iniciacao-cientifica/anais-artigos>. Acesso em: 02 set

---

Arquivo de entrada: BJPE- OdontoLegal -ArtigoFInal.docx (4626 termos)
Arquivo encontrado: http://www.periodicos.ufes.br/BJPE/index (183 termos)

Termos comuns: 8
Similaridade: 0,16%

6
15

Inteligência Artificial como Ferramenta para Identificação Humana em Odontologia Legal
ARTIFICIAL INTELLIGENCE AS A TOOL FOR HUMAN IDENTIFICATION IN FORENSIC DENTISTRY






Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engeneering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
Palavras-chave:
Odontologia Legal; Antropologia Forense; Inteligência Artificial.
Keywords:
Forensic Dentistry; Forensic Anthropology; Artificial Intelligence.

Copyright © 2018, Nome do Autor Completo et al. Este é um artigo open access distribuído sob a Creative Commons Attribution License, que permite uso irrestrito, distribuição e reprodução, sempre quando providenciado a devida citação do original. Os autores declaram que o mesmo não infringe qualquer direito autoral ou outro direito de propriedade de terceiros.


RESUMO
A identificação forense busca encontrar coincidências entre dados obtidos ante-mortem e post-mortem, com o objetivo de individualizar uma pessoa ou objeto, constituindo uma parte essencial de estudo e pesquisa da odontologia legal e medicina legal. Os exames imaginológicos têm sido amplamente utilizados nesse processo de reconhecimento, possibilitando a identificação do indivíduo através da verificação da unicidade de estruturas morfológicas, características anatômicas e tratamentos dentários previamente realizados. Para tanto, exames de imagem preliminares precisam ter sido realizados e estar presentes em prontuários completos, organizados e armazenados pelo máximo de tempo possível. Considerando a inexistência de legislação específica acerca da obrigatoriedade da guarda de prontuários odontológicos bem como do seu período de arquivamento, o processo de identificação forense torna-se dificultado e cada vez mais dependente. Inserindo-se nesta problemática, este artigo apresenta uma solução com inteligência artificial capaz de armazenar prontuários odontológicos, comparar e reconhecer imagens radiográficas além manter a legitimidade dos dados. O sistema desenvolvido possui uma interface gráfica que atua de forma online e permite ao usuário o cadastro da documentação odontológica. Este se mostrou capaz de determinar o nível de semelhança entre dois exames de imagem indicados pelo usuário além de buscar no banco de dados a imagem radiográfica que mais se assemelha à imagem investigada, sinalizando a identidade do candidato ao reconhecimento.


ABSTRACT
8
Forensic identification seeks to find coincidences between ante-mortem and post-mortem data, with the aim of individualizing a person or object, constituting an essential part of the study and research of legal dentistry and forensic medicine. Imaging exams have been widely used in this recognition process, enabling the identification of the individual through the verification of the uniqueness of morphological structures, anatomical characteristics and dental treatments previously performed. Therefore, preliminary imaging exams must be performed and present in complete dental records, organized and stored for as long as possible. Given the lack of specific legislation regarding the obligation to keep dental records and their filing period, the forensic identification process is becoming more difficult and increasingly dependent. Thus, this paper presents as a solution an artificial intelligence system capable of storing dental records, comparing and recognizing radiographic images besides maintaining the legitimacy of the data. The developed system has a graphical interface that acts online and allows the user to register the dental documentation. It was able to determine the level of similarity between two imaging exams indicated by the user and search the database for the radiographic image that most closely resembles the investigated image, signaling the possible identity of the candidate for recognition.



Introdução
Os prontuários odontológicos compreendem aos documentos padronizados, ordenados e concisos que reúnem as informações dos pacientes que se submeteram a algum tipo de procedimento odontológico. Além da sua importância para a organização da relação do cirurgião-dentista-paciente, esses prontuários são ferramentas que possuem finalidade jurídica, pericial e de identificação na odontologia legal (DE ALMEIDA et al., 2017).
A Odontologia Legal é um conceito ramificado da Medicina Legal, que caracteriza a perícia médica na região da cabeça e pescoço, levando em consideração nos testes, ossadas, fragmentos, peças dentarias isoladas, dentre outras estruturas anatômicas. Este conjunto de procedimentos técnico-científicos é responsável por cerca de 70% das identificações humanas em desastres em massa, comprovando por tanto sua eficácia e justificando sua aplicação nestes casos (ZILIO et al., 2013; DENNY et al., 2018).
De acordo com Bianch et al. (2019) a contribuição do odontolegista no processo de identificação humana se faz necessária quando não é possível a identificação pessoal/visual do indivíduo e/ou quando um corpo é encontrado em processo de esqueletização, carbonização, estágios avançados de decomposição, bem como estados que dificultam ou impeçam totalmente a identificação mais usual, que é a datiloscopia (impressão digital). Deste modo, verifica-se a inquestionável importância desta área na identificação de corpos em desastres ambientais, automobilísticos e criminais, uma vez que os dentes são elementos singulares que possuem extraordinária resistência, capazes de suportar temperaturas de aproximadamente 600°C e permanecerem intactos por muito tempo depois da decomposição ou carbonização do indivíduo.
Corroborando, Nadal et al. (2018) afirmam que a importância da odontologia legal pode ser evidenciada por meio de vários relatos científicos e até mesmo pela mídia, como exemplo, os dois maiores acidentes aéreos brasileiros, onde o primeiro envolveu um avião da GOL Linhas Aéreas S.A em setembro de 2003, causando a morte de 154 pessoas, e o segundo, com um avião da empresa TAM Linhas Aéreas (atual LATAM Airlines Brasil) em 2007, provocando a morte de 199 pessoas. Em ambos os casos foi necessário a aplicação de diferentes técnicas de identificação forense no processo de individualização das vítimas, incluindo a identificação por meio da arcada dentaria.
As identificações realizadas baseiam-se principalmente na comparação entre os exames radiológicos ante-mortem e post-mortem. Em um contexto histórico a utilização da radiologia nas ciências forenses foi aplicada inicialmente apenas um ano após a descoberta dos Raios X por Wilhelm Conrad Roentgen (GRUBER; KAMEYAMA, 2001). A partir deste marco foram realizadas diversas melhorias, principalmente com o surgimento da radiologia computadorizada e o avanço da informática, resultando no refinamento da técnica e viabilizando maior acuidade nas identificações, além do aumento da eficiência (visto que o tempo de processamento de imagem é menor) e possibilidade de ajustar fatores da imagem (suavização, ampliação, realce, subtração, superposição, etc.) (CASTILHO; LOPRETO, 2015).
Em contrapartida, o grande problema enfrentado pelos profissionais desta área relaciona-se ao tempo de arquivamento do prontuário, visto que inexiste legislação especifica neste aspecto, e as diversas orientações trazem entendimentos diferentes. O Art. 4º do Código de Ética Odontológica (BRASIL, 1998) determina que é dever fundamental dos profissionais a elaboração de fichas clínicas dos pacientes, além de conservá-las em arquivo próprio, não estabelecendo explicitamente o tempo de guarda dos documentos. Já o Código de Processo Ético Odontológico (BRASIL, 1992), na porção a que se refere sobre infrações éticas estabelece um prazo de 5 (cinco) anos para prescrição de tais infrações. Porém, ao analisar o Código de Processo Civil (BRASIL, 2015) percebe-se que as ações pessoais prescrevem, ordinariamente, em 20 (vinte) anos, as reais em 10 (dez), entre presentes, e entre ausentes em 15 (quinze), contados da data em que poderiam ter sido propostas. Por fim, ao analisar o parecer CFO nº. 91/2009 do Conselho Federal de Odontologia (BRASIL, 2009), é estabelecido o prazo mínimo de 10 (dez) anos, a partir do último registro, para a preservação dos prontuários dos pacientes em suporte de papel, que não foram arquivados eletronicamente em meio óptico, microfilmado ou digitalizado.
Fica evidente que a odontologia legal tem muito a contribuir no processo de identificação humana, contudo ainda há necessidade de maior incentivo na formação de profissionais especializados na área, como também em pesquisas forenses, principalmente quanto ao desenvolvimento de ferramentas tecnológicas que auxiliem neste processo. Dessa forma, em plena e rápida expansão no mundo todo, a inteligência Artificial (IA) é uma tecnologia com potenciais e funcionalidades inimagináveis que podem impactar profundamente todos os setores da sociedade. Entende-se por inteligência artificial o ramo da ciência da computação que estuda os sistemas cujo funcionamento assemelha-se ao pensamento humano, com capacidade de aprendizagem e o armazenamento de conhecimento (BRAGA et al., 2018).
Sabbatini (2018) afirma que não seria exagero dizer que, na área da saúde a IA deve trazer uma verdadeira revolução nos processos de diagnóstico e tratamento, gerando imensuráveis benefícios aos profissionais e pacientes. O mesmo vale para as aplicações da inteligência artificial nos processos de reconhecimento humano.
Inserindo-se neste contexto, projetar e desenvolver um sistema que sirva como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Inteligência Artificial
O termo Inteligência Artificial (IA) surgiu para definir um novo ramo da computação cujo o objetivo está em fazer com que os sistemas computacionais possam processar as informações e tomar decisões forma inteligente similar ao pensamento humano, a fim de se obter a capacidade de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente a respeito de um problema específico (LU et al., 2018; JACKSON, 2019).
Outro conceito que surgiu com após a difusão dos sistemas computacionais de alta performance foi o termo denominado de Big Data (BEAM; KOHANE, 2018; BAJARI et al., 2019) que se refere aos grandes conjuntos de dados provenientes dos diversos mecanismos de comunicação da atualidade que vão desde informações geradas por smartphones até dados climáticos ou de demandas populacionais. Dessa forma, devido a magnitude e complexidade dos dados envolvidos, o conceito de Big Data referencia novos métodos de processamento de dados de maneira a realizar predições e reconhecimento de padrões em imagens e sistemas (SIMON, 2019).
Após a difusão dos sistemas computacionais de alta performance as ferramentas de IA passaram a trabalhar em três eixos complementares. O primeiro eixo compreende as técnicas de aprendizado de máquina, do inglês Machine learning (WITTEN, 2016), estas permitem que os sistemas computacionais aprendam com os dados processados com a finalidade de se identificar rotinas e tomar decisões com o mínimo de intervenção humana, se tornando mais resilientes e dinâmicas após a leitura de novas informações.
O Segundo eixo se configura pela Aprendizagem profunda (Deep Learning) (LECUN et al., 2015; RAJKOMAR et al., 2018) na qual a IA se faz com a programação das chamadas Redes Neurais Artificiais (RNA). As RNAs se baseiam em uma programação que elabora um modelo matemático baseado na estrutura neural dos organismos inteligentes que desenvolvem o conhecimento por meio da experiencia vivenciada. Esta ferramenta é composta por unidades de funcionamento que são conectadas a canais de comunicação associados a um peso pré-determinado. Cada unidade da rede realiza operações sobre seus dados locais que são provenientes das conexões de entrada, assim, o comportamento inteligente de uma RNA vem das interações entre as unidades de processamento geral da rede.
Por fim, o terceiro eixo traz o Processamento de Linguagem Natural (PLN) (DE ALMEIDA, 2018), que pode ser visto como a capacidade que um sistema computacional possui em entender a linguagem humana como ela é falada. As técnicas que compõe o PLN se objetivam em analisar, reconhecer e/ou produzir textos em linguagens humanas.
Nas últimas décadas, as ferramentas de armazenamento, processamento e apresentação de dados foram sendo modernizadas, permitindo o avanço do uso da Inteligência artificial para inúmeras áreas, inclusive na saúde. Como exemplo, pode-se citar a IA chamada de Watson for Oncology, desenvolvida pela International Business Machines Corporation (IBM), e que foi treinado para resolver problemas no domínio da saúde (PAN et al., 2019).
Sistemas similares ao Watson são tendências tecnológicas cada vez mais vistas na atualidade, pois agregam facilidades aos serviços que ao serem executados apenas por seres humanos podem ser morosos e dificultados pela disponibilidade continua de profissionais da área de análise. Neste sentido, o uso das técnicas de inteligência artificial vinculados ao eficiente processamento de dados podem levar ao ser humano uma visão de trabalho diferenciada a fim de minimizar possíveis erros, bem como o tempo de prestação de serviços.
Metodologia
A natureza da pesquisa pode ser classificada como aplicada ou prática, pois, segundo Gil (2008) essa categoria de pesquisa busca gerar conhecimentos para aplicação prática dirigida à solução de problemas específicos, que no caso deste trabalho consiste em mapear e categorizar os conhecimentos relacionados a Antropologia Forense e em seguida desenvolver um plano metodológico capaz de fundamentar a implementação de uma ferramenta baseada em inteligência artificial voltada para a Odontologia Legal.
Já os procedimentos metodológicos, seguem os princípios de uma abordagem qualitativa, com um método científico indutivo e um objeto de estudo exploratório. Relativamente aos procedimentos técnicos de pesquisa, recorreu-se a pesquisa bibliográfica para o levantamento das informações mais atuais da área (SILVEIRA; CÓRDOVA, 2009). O método de pesquisa inicial foi desenvolvido a partir de procedimentos recomendados para elaboração de uma revisão integrativa da literatura, a qual tem como finalidade reunir e resumir o conhecimento científico já produzido sobre o tema investigado, ou seja, permite buscar, avaliar e sintetizar as evidências disponíveis para contribuir com o desenvolvimento do aluno envolvido no processo de iniciação científica em relação ao conhecimento na temática. A síntese do conhecimento, dos estudos incluídos na revisão, reduz incertezas sobre recomendações práticas, permite generalizações precisas sobre o fenômeno a partir das informações disponíveis limitadas e facilita a tomada de decisões com relação às intervenções que poderiam resultar no cuidado mais efetivo e de melhor custo/benefício dos sistemas envolvidos na pesquisa (MENDES et al., 2008).
De acordo com Botelho et al. (2011), a revisão integrativa pode ser dividida em seis etapas:
• Identificação do tema para a elaboração da revisão integrativa;
• Estabelecimento de critérios para inclusão e exclusão de estudos;
• Categorização dos estudos e definição das informações a serem extraídas;
• Avaliação dos estudos incluídos na revisão integrativa;
• Interpretação dos resultados;
• Apresentação da revisão e síntese do conhecimento.
Foi realizado o levantamento bibliográfico a partir de fontes secundárias nas bases ResearchGate, Scielo, Cochrane, LILACS, PUBMED e MEDLINE, de artigos publicados entre os anos 2001 a 2019 que contenham a combinação das palavras-chave “Odontologia Legal”; “Antropologia Forense”; “Inteligência Artificial”; “Redes Neurais Artificiais”; “Parâmetros da Identificação Humana”; “Métodos de Otimização”; “Parâmetros de Ajuste”. Foram pesquisados anais de congressos, resumos, livros, normas, resoluções, manuais técnicos e leis referentes ao trabalho de identificação post-mortem de pacientes, utilizando informações ante-mortem. Ao término da busca dos elementos importantes para compor a base de análise deste trabalho, os estudos foram submetidos a leitura parcial dos resumos, em seguida a síntese do conhecimento, a categorização dos estudos e, por último, a utilização dos resultados para a confecção do sistema.
Em seguida, foram realizadas as análises frente ao conhecimento adquirido com o processo da revisão integrativa apresentada acima, para a inferência dos parâmetros de entrada da inteligência artificial. Dessa forma, foram implementados os principais conceitos relacionados à programação WEB (LUCKOW; DE MELO, 2010) para montagem de um sistema composto por dois módulos distintos e interconectados. O primeiro módulo diz respeito ao recebimento de informações por meio de formulários montados com a linguagem HTML, do inglês Hypertext Markup Language, e moldados pela linguagem Cascading Style Sheets – CSS. Este módulo permite que o sistema seja alimentado pelos prontuários odontológicos, que são constituídos por todos os documentos probantes e diagnósticos dos pacientes (ficha clínica de anamnese, plano de tratamento, odontograma, consentimento esclarecido, contrato de prestação de serviço, receituário, atestados, declarações, encaminhamentos, fotografias e exames de imagem). O segundo módulo refere-se à comparação de imagens, abrangendo as funções de análise de duas imagens escolhidas pelo utilizador do sistema ou análise de uma imagem específica com todas as imagens cadastradas previamente. Para dinamicidade e armazenamento dos dados, utilizou-se as linguagens Hypertext Preprocessor - PHP, Structured Query Language - SQL e Javascript, responsáveis pela parte lógica do sistema, conexão com o banco de dados montado e a interação dos elementos em tela, respectivamente.
Na análise das imagens radiográficas cadastradas utilizou-se a função denominada compare. Esta função é responsável por inicializar as funções da classe image.compare.class.php. Esta classe é composta por cinco funções menores responsáveis pela comparação de imagens tomadas de duas a duas. Primeiro é realizada a verificação da extensão dos arquivos selecionados. Na versão atual, o sistema pode somente analisar as radiografias nos formatos Joint Photographic Group (.jpg) e Portable Network Graphics (.png). Caso as imagens apresentem estes formatos específicos, são extraídas informações como tamanho e quantidade de pixels que compõem a largura e altura das imagens. As funções posteriores redimensionam as imagens para miniaturas compostas por 64 pixels e retiram a média de cores desta figura. Por último, analisa-se pixel a pixel das figuras, baseando-se na média retirada. Para resultados mais precisos o processo é repetido aplicando-se tons de cinza em ambas imagens.
Por fim, o sistema foi integrado a uma inteligência artificial baseada em redes neurais artificiais para o alcance do aprendizado computacional onde as rotinas em que as imagens são reconhecidas podem ser confirmadas ou reprovadas pelo profissional que manipula o sistema. Essa verificação do resultado do processamento das comparações é de extrema importância para a ferramenta conseguir ser resiliente com as novas imagens carregadas e melhorar a cada instancia o acerto das comparações. Para isso realizou-se o upload de 300 imagens de domínio público a fim de se verificar a capacidade do sistema em armazenar, processar, comparar e reconhecer as imagens solicitadas.
Resultados
O sistema desenvolvido é composto por três atores distintos: cirurgiões dentistas, empresas de radiografia e odontolegistas. Os dois primeiros atores possuem função ativa no sistema, onde ambos podem cadastrar uma nova imagem radiográfica, bem como suas informações básicas e prontuários correlatos. Durante esse cadastro pode-se escolher um paciente com documentação prévia no sistema ou cadastrar os primeiros exames de um paciente. Em ambos os casos serão associadas informações que possibilitam a identificação dos pacientes e seus dados básicos como nome, idade e gênero. O terceiro ator do sistema são os Odontolegistas que possuírão acesso às funções de comparação e consulta à base de dados. A Figura 01 apresenta a interface gráfica do sistema que representa as três funcionalidades básicas acima descritas.
Figura 01 – Interface gráfica inicial do sistema desenvolvido









Fonte: Elaborada pelos autores
Dessa forma, em situações onde um indivíduo não pode ser reconhecido visualmente devido ao seu estágio avançado de decomposição, esqueletização ou carbonização, estes profissionais poderão realizar a comparação de uma imagem radiográfica realizada em tempo atual (post-mortem) com as demais radiografias previamente cadastradas no banco.
No processo de identificação humana, utilizando este sistema como ferramenta, é preciso que o utilizador (odontolegista/perito) selecione o exame de imagem atual (post-mortem) no campo “escolher arquivo”, para que o software seja capaz de processar as informações e então indicar ao profissional qual radiografia presente no prontuário do indivíduo cadastrado na base de dados mais se assemelha à radiografia selecionada. Vale ressaltar que o objetivo da ferramenta de IA neste caso é o de aprimorar, auxiliar as atividades humanas no processo de identificação bem como abreviar um processo que por si só é moroso, e não de substituir o trabalho dos profissionais designados a esta função. Isto posto, ao se deparar com uma tragédia onde o trabalho do odontolegista é custoso, complexo e dependente de registros odontológicos previamente realizados, em que muitas vezes os familiares das vítimas são os responsáveis por buscar e apresentar tais exames, o sistema desenvolvido poderia filtrar e direcionar o profissional aos possíveis candidatos a identificação, desde de que seu banco de dados tenha sido alimentado. A Figura 02 mostra a interface do sistema apresentado um exame radiográfico que faz parte do prontuário odontológico previamente cadastrado de um paciente.
Figura 02 – Exame de imagem contido em prontuário cadastrado no sistema













Fonte: Elaborada pelos autores
Já na Figura 03, o utilizador do sistema seleciona a imagem atual (post-mortem) de um indivíduo candidato a identificação, solicitando que o software indique dentre todos os registros do banco de dados aquele que apresenta maior semelhança. É possível observar o processamento, comparação e identificação da imagem, e neste exemplo especifico o sistema aponta como primeiro resultado a imagem radiográfica com maior percentual de similaridade que neste caso foi de 71.92%. Logo abaixo são mostrados os dados cadastrados sobre a imagem proveniente do sistema, além de informações pessoais do paciente, procedimento realizado e documentos associados à imagem.
Figura 03 – Comparação de Imagens Radiográficas















Fonte: Elaborada pelos autores

A veracidade da comparação realizada acima pode ser comprovada por meio de análise criteriosa pelo profissional, através dos documentos presentes no prontuário odontológico. Para Neville et al. (2009), independentemente do método de escolha para a identificação humana os resultados da comparação ante-motem e post-mortem convergem para uma das quatro situações:
Identificação positiva: Quando existe singularidade suficiente entre os dados/materiais post-mortem e os previamente registrados sem nenhuma diferença significativa;
Identificação presumível: Quando existem semelhanças entre os itens comparáveis, mas informações de ambas as fontes (ante-motem e post-mortem) são insuficientes para estabelecimento de identificação positiva;
Evidência insuficiente para identificação: Quando não existe evidência suficiente que permita comparação e conclusão baseada em princípios científicos;
Exclusão das evidencias de identificação: Quando existem inconsistências que impedem o estabelecimento de qualquer identificação.
A Figura 02 (exame de imagem ante-mortem) apresenta uma radiografia periapical com o dente primeiro molar decíduo inferior direito (elemento 84) com imagem sugestiva de lesão cariosa profunda e lesão de furca associada, tendo como plano de tratamento sugerido a endodontia deste elemento. Ao analisar o odontograma (apresentado abaixo na Figura 04), um dos documentos indispensáveis do prontuário, percebe-se que é possível confirmar que foi feito um tratamento endodôntico neste mesmo dente, além do plano de tratamento e datas de consultas iniciais. Verificando a radiografia obtida post-mortem (Figura 03), percebe-se que o elemento 84 apresenta imagem sugestiva de material radiopaco presente nos canais radiculares e assoalho da câmara pulpar, além de imagem de baixa radiopacidade em região oclusal deste elemento compatíveis com tratamentos endodôntico e restaurador realizados respectivamente.
O sistema permite ainda, a comparação direta de duas imagens radiográficas. Neste caso, as imagens seguem a mesma rotina de comparação, entretanto, aqui elas são comparadas diretamente sem nenhuma varredura no banco de dados. A Figura 05 mostra a comparação de duas imagens distintas.







Figura 04 – Odontograma e plano de tratamento contido em prontuário cadastrado no sistema

Fonte: Elaborada pelos autores

Figura 05 – Comparação de duas Imagens Radiográficas
Fonte: Elaborada pelos autores
Ao analisar o comportamento do sistema frente à testes com elevada carga de dados (como inserção de diversas imagens ao mesmo tempo, alteração da resolução das imagens, dentre outros), notou-se que o mesmo se comportou dentro do esperado, mantendo o tempo médio de comparações e upload de documentos. Os resultados obtidos foram satisfatórios. O sistema apresentou nos testes realizados, variação entre 70 e 85% de semelhança nas comparações feitas entre imagens pertencentes ao mesmo paciente.
Pode-se observar que a escolha de um sistema WEB foi um acerto técnico do projeto, visto que sua concepção demanda sistemas que podem ser acessados de qualquer lugar e a qualquer momento. Notou-se também a importância acadêmica deste projeto. Ao alimentar o sistema com informações de pacientes em tratamento, monta-se uma base de dados rica em conhecimentos e que pode ser compartilhada para fins de estudo. Este fato possibilita ter, de forma coesa e organizada, informações de diversos cidadãos, além de possibilitar e fomentar diversas linhas de pesquisa em um panorama odontológico.




Considerações Finais
A odontologia legal alcança um papel indubitavelmente relevante no processo de identificação humana, sendo incontestável a atuação do odontolegista como protagonista deste processo, uma vez que sua atuação é responsável por fornecer esclarecimentos à justiça de maneira eficaz para uma identificação positiva. A inteligência artificial tem um potencial muito grande neste cenário, uma vez que a avaliação odontológica forense tem como uma de suas bases a análise de imagens de diferentes modalidades para suplementar e auxiliar situações especificas. Os exames de imagem fornecem detalhes dos elementos dentários e estruturas anatomo-morfológicas e são registros objetivos do indivíduo, que não podem ser substituídos por registros escritos. A inclusão de um sistema como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Referências
Bajari, P., Chernozhukov, V., Hortaçsu, A., & Suzuki, J. (2019, May). The impact of big data on firm performance: An empirical investigation. In AEA Papers and Proceedings (Vol. 109, pp. 33-37), doi: 10.1257/pandp.20191000.
Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319(13), 1317-1318, doi:10.1001/jama.2017.18391.
Bianch, Betuel De Vico (2019). A importância da atuação do odontolegista na identificação pessoal de corpos carbonizados e a determinação do gênero. REVISTA UNINGÁ, [S.l.], v. 56, n. S3, p. 119-129, ISSN 2318-0579. Disponível em: <http://revista.uninga.br/index.php/uninga/article/view/246>. Acesso em: 02 set. 2019.
BRAGA, A. V. et al. Inteligência Artificial na Medicina. (2018). Anais do Congresso Internacional de Pesquisa, Ensino e Extensão – CIPEEX, 2, 937-941. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
BRASIL - Conselho Federal de Odontologia – Resolução CFO-179 de 19 de dezembro de 1991 alterado pelo Regulamento nº 01, de 05/06/1998. (1998). Código de Ética Odontológico – Rio de Janeiro, CFO 1998. Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Conselho Federal de Odontologia – Resolução CFO-183/1992 - Código de Processo Ético · Resolução CFO-63/05 – Consolidação das Normas para Procedimentos no Conselhos de Odontologia. (1992). Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Lei nº 13.105, de 16 de março de 2015. Altera o Código de Processo Civil. (2015). Disponível em < http://www.rb.org.br/detalhe_artigo.asp?id=838&idioma=Portugues > Acesso em Ago. 2019.
Carvalho, S. P. M., da Silva, R. H. A., Lopes-Júnior, C., & Peres, A. S. (2009). A utilização de imagens na identificação humana em odontologia legal. Radiologia Brasileira, 42(2), 125-130. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
CARVALHO, R. B. et al. (2012). Informatização na área da saúde/ odontologia: prontuário único e eletrônico do paciente. Revista Brasileira de Pesquisa em Saúde, Vitória, v. 3, n. 14, p.58-67. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
Castilho, J. M. L.; Lopreto, C. A. R. (2015). A Evolução dos Aparelhos de Raios-X. Três Lagoas. Disponível em: <http://books.scielo.org/id/q5/pdf/navarro-9788523209247-04.pdf>. Acesso em: Ago. 2019.
Costantini, S., De Gasperis, G., & Olivieri, R. (2019). Digital forensics and investigations meet artificial intelligence. Annals of Mathematics and Artificial Intelligence, 1-37. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
de Almeida Bordigon, A. C., Silva, T. S., Dani, V. S., Fantinato, M., & Pereira, R. C. B. (2018, November). Processamento de Linguagem Natural na Identificação e Modelagem de Processos de Negócio: Uma Revisão Sistemática da Literatura. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação (pp. 198-191). SBC. Disponível em: < https://sol.sbc.org.br/index.php/sbsi/article/view/5087 >. Acesso em: 02 set. 2019.
De Almeida, S. M., Carvalho, S. P. M., & Radicchi, R. (2017). Aspectos legais da documentação odontológica: uma revisão sobre validade legal, privacidade e aceitação no meio jurídico. RBOL-Revista Brasileira de Odontologia Legal, 4(2), doi: http://dx.doi.org/10.21117/rbol.v4i2.96
Denny, C., Jacob, A. S., Ahmed, J., Natarajan, S., & Binnal, A. (2018). Frontal sinus as an aid in gender identification in forensic dentistry: A retrospective study using cone beam computed tomography. World Journal of Dentistry, 9(1), 34-37, doi: 10.5005/jp-journals-10015-1503
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6. ed. Editora Atlas SA. Disponível em: < http://hdl.handle.net/123456789/707>. Acesso em: 02 set. 2019.
de Souza Gonçalves, A., Marcelino, J. C., do PRADO, M. M., & da SILVA, R. F. (2014). Identificação humana utilizando radiografia pa de seios maxilares: relato de caso. RBOL-Revista Brasileira de Odontologia Legal, 1(1), doi: http://dx.doi.org/10.21117/rbol.v1i1.5
Gruber, J., & Kameyama, M. M. (2001). O papel da Radiologia em Odontologia Legal. Pesquisa Odontológica Brasileira, 15(3), 263-268. Disponível em: < http://www.scielo.br/pdf/%0D/pob/v15n3/a14v15n3.pdf>. Acesso em: 02 set. 2019.
Jackson, P. C. (2019). Introduction to artificial intelligence. Courier Dover Publications.
Johnson, K. W., Soto, J. T., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., ... & Dudley, J. T. (2018). Artificial intelligence in cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679, doi: 10.1016/j.jacc.2018.03.521
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436, doi: https://doi.org/10.1038/nature14539
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375, doi: https://doi.org/10.1007/s11036-017-0932-8
Luckow, D. H., & de Melo, A. A. (2010). Programação Java para a WEB. Novatec Editora.
Miller, D. D., & Brown, E. W. (2018). Artificial intelligence in medical practice: the question to the answer?. The American journal of medicine, 131(2), 129-133, doi: https://doi.org/10.1016/j.amjmed.2017.10.035.
Nadal, L., Poletto, A. C., & Fosquiera, E. C. (2018). Identificação humana pela arcada dentária através do prontuário odontológico. REVISTA UNINGÁ REVIEW, 24(1). Disponível em: <http://revista.uninga.br/index.php/uningareviews/article/view/1670>. Acesso em: 02 set. 2019.
Neville et al. Patologia Oral & Maxilofacial. 3ª Rio de Janeiro, Elsevier, 2009
Pan, H., Tao, J., Qian, M., Zhou, W., Qian, Y., Xie, H., ... & You, M. (2019). Concordance assessment of Watson for Oncology in breast cancer chemotherapy: first China experience. Translational Cancer Research, 8(2), 389-401, doi: 10.21037/tcr.2019.01.34.
Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., ... & Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1(1), 18, doi: https://doi.org/10.1038/s41746-018-0029-1.
SABBATINI, R. M. E. Aplicações da inteligência artificial na radiologia. PIXEON. 2018. Disponível em <https://www.pixeon.com/blog/aplicacoes-da-inteligencia-artificial-na-radiologia/> Acesso em Ago. 2019.
Silveira, D. T., & Córdova, F. P. (2009). Unidade 2–A pesquisa científica. Métodos de pesquisa, 1. Disponível em: <http://www.cesadufs.com.br/ORBI/public/uploadCatalago/09520520042012Pratica_de_Pesquisa_I_Aula_2.pdf>. Acesso em: 02 set. 2019.
Simon, G. E. (2019). Big data from health records in mental health care: hardly clairvoyant but already useful. JAMA psychiatry, 76(4), 349-350, doi:10.1001/jamapsychiatry.2018.4510
Stewart, J., Sprivulis, P., & Dwivedi, G. (2018). Artificial intelligence and machine learning in emergency medicine. Emergency Medicine Australasia, 30(6), 870-874, doi: https://doi.org/10.1111/1742-6723.13145.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44, doi: https://doi.org/10.1038/s41591-018-0300-7
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yu, K. H., & Kohane, I. S. (2019). Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf, 28(3), 238-241, doi: http://dx.doi.org/10.1136/bmjqs-2018-008551
ZILIO, Fernanda et al. (2013). Meios de identificação odontolegal. Anais da VII Mostra de Iniciação Científica e Extensão Comunitária: VI Mostra de Pesquisa e Pós-Graduação IMED, Porto Alegre. Disponível em: <https://imed.edu.br/Comunicacao/Eventos/Hotsite/x-mostra-de-iniciacao-cientifica/anais-artigos>. Acesso em: 02 set

---

Arquivo de entrada: BJPE- OdontoLegal -ArtigoFInal.docx (4626 termos)
Arquivo encontrado: http://anais.unievangelica.edu.br/index.php/CIPEEX (16646 termos)

Termos comuns: 24
Similaridade: 0,11%

6
15

Inteligência Artificial como Ferramenta para Identificação Humana em Odontologia Legal
ARTIFICIAL INTELLIGENCE AS A TOOL FOR HUMAN IDENTIFICATION IN FORENSIC DENTISTRY






Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engeneering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
Palavras-chave:
Odontologia Legal; Antropologia Forense; Inteligência Artificial.
Keywords:
Forensic Dentistry; Forensic Anthropology; Artificial Intelligence.

Copyright © 2018, Nome do Autor Completo et al. Este é um artigo open access distribuído sob a Creative Commons Attribution License, que permite uso irrestrito, distribuição e reprodução, sempre quando providenciado a devida citação do original. Os autores declaram que o mesmo não infringe qualquer direito autoral ou outro direito de propriedade de terceiros.


RESUMO
A identificação forense busca encontrar coincidências entre dados obtidos ante-mortem e post-mortem, com o objetivo de individualizar uma pessoa ou objeto, constituindo uma parte essencial de estudo e pesquisa da odontologia legal e medicina legal. Os exames imaginológicos têm sido amplamente utilizados nesse processo de reconhecimento, possibilitando a identificação do indivíduo através da verificação da unicidade de estruturas morfológicas, características anatômicas e tratamentos dentários previamente realizados. Para tanto, exames de imagem preliminares precisam ter sido realizados e estar presentes em prontuários completos, organizados e armazenados pelo máximo de tempo possível. Considerando a inexistência de legislação específica acerca da obrigatoriedade da guarda de prontuários odontológicos bem como do seu período de arquivamento, o processo de identificação forense torna-se dificultado e cada vez mais dependente. Inserindo-se nesta problemática, este artigo apresenta uma solução com inteligência artificial capaz de armazenar prontuários odontológicos, comparar e reconhecer imagens radiográficas além manter a legitimidade dos dados. O sistema desenvolvido possui uma interface gráfica que atua de forma online e permite ao usuário o cadastro da documentação odontológica. Este se mostrou capaz de determinar o nível de semelhança entre dois exames de imagem indicados pelo usuário além de buscar no banco de dados a imagem radiográfica que mais se assemelha à imagem investigada, sinalizando a identidade do candidato ao reconhecimento.


ABSTRACT
8
Forensic identification seeks to find coincidences between ante-mortem and post-mortem data, with the aim of individualizing a person or object, constituting an essential part of the study and research of legal dentistry and forensic medicine. Imaging exams have been widely used in this recognition process, enabling the identification of the individual through the verification of the uniqueness of morphological structures, anatomical characteristics and dental treatments previously performed. Therefore, preliminary imaging exams must be performed and present in complete dental records, organized and stored for as long as possible. Given the lack of specific legislation regarding the obligation to keep dental records and their filing period, the forensic identification process is becoming more difficult and increasingly dependent. Thus, this paper presents as a solution an artificial intelligence system capable of storing dental records, comparing and recognizing radiographic images besides maintaining the legitimacy of the data. The developed system has a graphical interface that acts online and allows the user to register the dental documentation. It was able to determine the level of similarity between two imaging exams indicated by the user and search the database for the radiographic image that most closely resembles the investigated image, signaling the possible identity of the candidate for recognition.



Introdução
Os prontuários odontológicos compreendem aos documentos padronizados, ordenados e concisos que reúnem as informações dos pacientes que se submeteram a algum tipo de procedimento odontológico. Além da sua importância para a organização da relação do cirurgião-dentista-paciente, esses prontuários são ferramentas que possuem finalidade jurídica, pericial e de identificação na odontologia legal (DE ALMEIDA et al., 2017).
A Odontologia Legal é um conceito ramificado da Medicina Legal, que caracteriza a perícia médica na região da cabeça e pescoço, levando em consideração nos testes, ossadas, fragmentos, peças dentarias isoladas, dentre outras estruturas anatômicas. Este conjunto de procedimentos técnico-científicos é responsável por cerca de 70% das identificações humanas em desastres em massa, comprovando por tanto sua eficácia e justificando sua aplicação nestes casos (ZILIO et al., 2013; DENNY et al., 2018).
De acordo com Bianch et al. (2019) a contribuição do odontolegista no processo de identificação humana se faz necessária quando não é possível a identificação pessoal/visual do indivíduo e/ou quando um corpo é encontrado em processo de esqueletização, carbonização, estágios avançados de decomposição, bem como estados que dificultam ou impeçam totalmente a identificação mais usual, que é a datiloscopia (impressão digital). Deste modo, verifica-se a inquestionável importância desta área na identificação de corpos em desastres ambientais, automobilísticos e criminais, uma vez que os dentes são elementos singulares que possuem extraordinária resistência, capazes de suportar temperaturas de aproximadamente 600°C e permanecerem intactos por muito tempo depois da decomposição ou carbonização do indivíduo.
Corroborando, Nadal et al. (2018) afirmam que a importância da odontologia legal pode ser evidenciada por meio de vários relatos científicos e até mesmo pela mídia, como exemplo, os dois maiores acidentes aéreos brasileiros, onde o primeiro envolveu um avião da GOL Linhas Aéreas S.A em setembro de 2003, causando a morte de 154 pessoas, e o segundo, com um avião da empresa TAM Linhas Aéreas (atual LATAM Airlines Brasil) em 2007, provocando a morte de 199 pessoas. Em ambos os casos foi necessário a aplicação de diferentes técnicas de identificação forense no processo de individualização das vítimas, incluindo a identificação por meio da arcada dentaria.
As identificações realizadas baseiam-se principalmente na comparação entre os exames radiológicos ante-mortem e post-mortem. Em um contexto histórico a utilização da radiologia nas ciências forenses foi aplicada inicialmente apenas um ano após a descoberta dos Raios X por Wilhelm Conrad Roentgen (GRUBER; KAMEYAMA, 2001). A partir deste marco foram realizadas diversas melhorias, principalmente com o surgimento da radiologia computadorizada e o avanço da informática, resultando no refinamento da técnica e viabilizando maior acuidade nas identificações, além do aumento da eficiência (visto que o tempo de processamento de imagem é menor) e possibilidade de ajustar fatores da imagem (suavização, ampliação, realce, subtração, superposição, etc.) (CASTILHO; LOPRETO, 2015).
Em contrapartida, o grande problema enfrentado pelos profissionais desta área relaciona-se ao tempo de arquivamento do prontuário, visto que inexiste legislação especifica neste aspecto, e as diversas orientações trazem entendimentos diferentes. O Art. 4º do Código de Ética Odontológica (BRASIL, 1998) determina que é dever fundamental dos profissionais a elaboração de fichas clínicas dos pacientes, além de conservá-las em arquivo próprio, não estabelecendo explicitamente o tempo de guarda dos documentos. Já o Código de Processo Ético Odontológico (BRASIL, 1992), na porção a que se refere sobre infrações éticas estabelece um prazo de 5 (cinco) anos para prescrição de tais infrações. Porém, ao analisar o Código de Processo Civil (BRASIL, 2015) percebe-se que as ações pessoais prescrevem, ordinariamente, em 20 (vinte) anos, as reais em 10 (dez), entre presentes, e entre ausentes em 15 (quinze), contados da data em que poderiam ter sido propostas. Por fim, ao analisar o parecer CFO nº. 91/2009 do Conselho Federal de Odontologia (BRASIL, 2009), é estabelecido o prazo mínimo de 10 (dez) anos, a partir do último registro, para a preservação dos prontuários dos pacientes em suporte de papel, que não foram arquivados eletronicamente em meio óptico, microfilmado ou digitalizado.
Fica evidente que a odontologia legal tem muito a contribuir no processo de identificação humana, contudo ainda há necessidade de maior incentivo na formação de profissionais especializados na área, como também em pesquisas forenses, principalmente quanto ao desenvolvimento de ferramentas tecnológicas que auxiliem neste processo. Dessa forma, em plena e rápida expansão no mundo todo, a inteligência Artificial (IA) é uma tecnologia com potenciais e funcionalidades inimagináveis que podem impactar profundamente todos os setores da sociedade. Entende-se por inteligência artificial o ramo da ciência da computação que estuda os sistemas cujo funcionamento assemelha-se ao pensamento humano, com capacidade de aprendizagem e o armazenamento de conhecimento (BRAGA et al., 2018).
Sabbatini (2018) afirma que não seria exagero dizer que, na área da saúde a IA deve trazer uma verdadeira revolução nos processos de diagnóstico e tratamento, gerando imensuráveis benefícios aos profissionais e pacientes. O mesmo vale para as aplicações da inteligência artificial nos processos de reconhecimento humano.
Inserindo-se neste contexto, projetar e desenvolver um sistema que sirva como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Inteligência Artificial
O termo Inteligência Artificial (IA) surgiu para definir um novo ramo da computação cujo o objetivo está em fazer com que os sistemas computacionais possam processar as informações e tomar decisões forma inteligente similar ao pensamento humano, a fim de se obter a capacidade de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente a respeito de um problema específico (LU et al., 2018; JACKSON, 2019).
Outro conceito que surgiu com após a difusão dos sistemas computacionais de alta performance foi o termo denominado de Big Data (BEAM; KOHANE, 2018; BAJARI et al., 2019) que se refere aos grandes conjuntos de dados provenientes dos diversos mecanismos de comunicação da atualidade que vão desde informações geradas por smartphones até dados climáticos ou de demandas populacionais. Dessa forma, devido a magnitude e complexidade dos dados envolvidos, o conceito de Big Data referencia novos métodos de processamento de dados de maneira a realizar predições e reconhecimento de padrões em imagens e sistemas (SIMON, 2019).
Após a difusão dos sistemas computacionais de alta performance as ferramentas de IA passaram a trabalhar em três eixos complementares. O primeiro eixo compreende as técnicas de aprendizado de máquina, do inglês Machine learning (WITTEN, 2016), estas permitem que os sistemas computacionais aprendam com os dados processados com a finalidade de se identificar rotinas e tomar decisões com o mínimo de intervenção humana, se tornando mais resilientes e dinâmicas após a leitura de novas informações.
O Segundo eixo se configura pela Aprendizagem profunda (Deep Learning) (LECUN et al., 2015; RAJKOMAR et al., 2018) na qual a IA se faz com a programação das chamadas Redes Neurais Artificiais (RNA). As RNAs se baseiam em uma programação que elabora um modelo matemático baseado na estrutura neural dos organismos inteligentes que desenvolvem o conhecimento por meio da experiencia vivenciada. Esta ferramenta é composta por unidades de funcionamento que são conectadas a canais de comunicação associados a um peso pré-determinado. Cada unidade da rede realiza operações sobre seus dados locais que são provenientes das conexões de entrada, assim, o comportamento inteligente de uma RNA vem das interações entre as unidades de processamento geral da rede.
Por fim, o terceiro eixo traz o Processamento de Linguagem Natural (PLN) (DE ALMEIDA, 2018), que pode ser visto como a capacidade que um sistema computacional possui em entender a linguagem humana como ela é falada. As técnicas que compõe o PLN se objetivam em analisar, reconhecer e/ou produzir textos em linguagens humanas.
Nas últimas décadas, as ferramentas de armazenamento, processamento e apresentação de dados foram sendo modernizadas, permitindo o avanço do uso da Inteligência artificial para inúmeras áreas, inclusive na saúde. Como exemplo, pode-se citar a IA chamada de Watson for Oncology, desenvolvida pela International Business Machines Corporation (IBM), e que foi treinado para resolver problemas no domínio da saúde (PAN et al., 2019).
Sistemas similares ao Watson são tendências tecnológicas cada vez mais vistas na atualidade, pois agregam facilidades aos serviços que ao serem executados apenas por seres humanos podem ser morosos e dificultados pela disponibilidade continua de profissionais da área de análise. Neste sentido, o uso das técnicas de inteligência artificial vinculados ao eficiente processamento de dados podem levar ao ser humano uma visão de trabalho diferenciada a fim de minimizar possíveis erros, bem como o tempo de prestação de serviços.
Metodologia
A natureza da pesquisa pode ser classificada como aplicada ou prática, pois, segundo Gil (2008) essa categoria de pesquisa busca gerar conhecimentos para aplicação prática dirigida à solução de problemas específicos, que no caso deste trabalho consiste em mapear e categorizar os conhecimentos relacionados a Antropologia Forense e em seguida desenvolver um plano metodológico capaz de fundamentar a implementação de uma ferramenta baseada em inteligência artificial voltada para a Odontologia Legal.
Já os procedimentos metodológicos, seguem os princípios de uma abordagem qualitativa, com um método científico indutivo e um objeto de estudo exploratório. Relativamente aos procedimentos técnicos de pesquisa, recorreu-se a pesquisa bibliográfica para o levantamento das informações mais atuais da área (SILVEIRA; CÓRDOVA, 2009). O método de pesquisa inicial foi desenvolvido a partir de procedimentos recomendados para elaboração de uma revisão integrativa da literatura, a qual tem como finalidade reunir e resumir o conhecimento científico já produzido sobre o tema investigado, ou seja, permite buscar, avaliar e sintetizar as evidências disponíveis para contribuir com o desenvolvimento do aluno envolvido no processo de iniciação científica em relação ao conhecimento na temática. A síntese do conhecimento, dos estudos incluídos na revisão, reduz incertezas sobre recomendações práticas, permite generalizações precisas sobre o fenômeno a partir das informações disponíveis limitadas e facilita a tomada de decisões com relação às intervenções que poderiam resultar no cuidado mais efetivo e de melhor custo/benefício dos sistemas envolvidos na pesquisa (MENDES et al., 2008).
De acordo com Botelho et al. (2011), a revisão integrativa pode ser dividida em seis etapas:
• Identificação do tema para a elaboração da revisão integrativa;
• Estabelecimento de critérios para inclusão e exclusão de estudos;
• Categorização dos estudos e definição das informações a serem extraídas;
• Avaliação dos estudos incluídos na revisão integrativa;
• Interpretação dos resultados;
• Apresentação da revisão e síntese do conhecimento.
Foi realizado o levantamento bibliográfico a partir de fontes secundárias nas bases ResearchGate, Scielo, Cochrane, LILACS, PUBMED e MEDLINE, de artigos publicados entre os anos 2001 a 2019 que contenham a combinação das palavras-chave “Odontologia Legal”; “Antropologia Forense”; “Inteligência Artificial”; “Redes Neurais Artificiais”; “Parâmetros da Identificação Humana”; “Métodos de Otimização”; “Parâmetros de Ajuste”. Foram pesquisados anais de congressos, resumos, livros, normas, resoluções, manuais técnicos e leis referentes ao trabalho de identificação post-mortem de pacientes, utilizando informações ante-mortem. Ao término da busca dos elementos importantes para compor a base de análise deste trabalho, os estudos foram submetidos a leitura parcial dos resumos, em seguida a síntese do conhecimento, a categorização dos estudos e, por último, a utilização dos resultados para a confecção do sistema.
Em seguida, foram realizadas as análises frente ao conhecimento adquirido com o processo da revisão integrativa apresentada acima, para a inferência dos parâmetros de entrada da inteligência artificial. Dessa forma, foram implementados os principais conceitos relacionados à programação WEB (LUCKOW; DE MELO, 2010) para montagem de um sistema composto por dois módulos distintos e interconectados. O primeiro módulo diz respeito ao recebimento de informações por meio de formulários montados com a linguagem HTML, do inglês Hypertext Markup Language, e moldados pela linguagem Cascading Style Sheets – CSS. Este módulo permite que o sistema seja alimentado pelos prontuários odontológicos, que são constituídos por todos os documentos probantes e diagnósticos dos pacientes (ficha clínica de anamnese, plano de tratamento, odontograma, consentimento esclarecido, contrato de prestação de serviço, receituário, atestados, declarações, encaminhamentos, fotografias e exames de imagem). O segundo módulo refere-se à comparação de imagens, abrangendo as funções de análise de duas imagens escolhidas pelo utilizador do sistema ou análise de uma imagem específica com todas as imagens cadastradas previamente. Para dinamicidade e armazenamento dos dados, utilizou-se as linguagens Hypertext Preprocessor - PHP, Structured Query Language - SQL e Javascript, responsáveis pela parte lógica do sistema, conexão com o banco de dados montado e a interação dos elementos em tela, respectivamente.
Na análise das imagens radiográficas cadastradas utilizou-se a função denominada compare. Esta função é responsável por inicializar as funções da classe image.compare.class.php. Esta classe é composta por cinco funções menores responsáveis pela comparação de imagens tomadas de duas a duas. Primeiro é realizada a verificação da extensão dos arquivos selecionados. Na versão atual, o sistema pode somente analisar as radiografias nos formatos Joint Photographic Group (.jpg) e Portable Network Graphics (.png). Caso as imagens apresentem estes formatos específicos, são extraídas informações como tamanho e quantidade de pixels que compõem a largura e altura das imagens. As funções posteriores redimensionam as imagens para miniaturas compostas por 64 pixels e retiram a média de cores desta figura. Por último, analisa-se pixel a pixel das figuras, baseando-se na média retirada. Para resultados mais precisos o processo é repetido aplicando-se tons de cinza em ambas imagens.
Por fim, o sistema foi integrado a uma inteligência artificial baseada em redes neurais artificiais para o alcance do aprendizado computacional onde as rotinas em que as imagens são reconhecidas podem ser confirmadas ou reprovadas pelo profissional que manipula o sistema. Essa verificação do resultado do processamento das comparações é de extrema importância para a ferramenta conseguir ser resiliente com as novas imagens carregadas e melhorar a cada instancia o acerto das comparações. Para isso realizou-se o upload de 300 imagens de domínio público a fim de se verificar a capacidade do sistema em armazenar, processar, comparar e reconhecer as imagens solicitadas.
Resultados
O sistema desenvolvido é composto por três atores distintos: cirurgiões dentistas, empresas de radiografia e odontolegistas. Os dois primeiros atores possuem função ativa no sistema, onde ambos podem cadastrar uma nova imagem radiográfica, bem como suas informações básicas e prontuários correlatos. Durante esse cadastro pode-se escolher um paciente com documentação prévia no sistema ou cadastrar os primeiros exames de um paciente. Em ambos os casos serão associadas informações que possibilitam a identificação dos pacientes e seus dados básicos como nome, idade e gênero. O terceiro ator do sistema são os Odontolegistas que possuírão acesso às funções de comparação e consulta à base de dados. A Figura 01 apresenta a interface gráfica do sistema que representa as três funcionalidades básicas acima descritas.
Figura 01 – Interface gráfica inicial do sistema desenvolvido









Fonte: Elaborada pelos autores
Dessa forma, em situações onde um indivíduo não pode ser reconhecido visualmente devido ao seu estágio avançado de decomposição, esqueletização ou carbonização, estes profissionais poderão realizar a comparação de uma imagem radiográfica realizada em tempo atual (post-mortem) com as demais radiografias previamente cadastradas no banco.
No processo de identificação humana, utilizando este sistema como ferramenta, é preciso que o utilizador (odontolegista/perito) selecione o exame de imagem atual (post-mortem) no campo “escolher arquivo”, para que o software seja capaz de processar as informações e então indicar ao profissional qual radiografia presente no prontuário do indivíduo cadastrado na base de dados mais se assemelha à radiografia selecionada. Vale ressaltar que o objetivo da ferramenta de IA neste caso é o de aprimorar, auxiliar as atividades humanas no processo de identificação bem como abreviar um processo que por si só é moroso, e não de substituir o trabalho dos profissionais designados a esta função. Isto posto, ao se deparar com uma tragédia onde o trabalho do odontolegista é custoso, complexo e dependente de registros odontológicos previamente realizados, em que muitas vezes os familiares das vítimas são os responsáveis por buscar e apresentar tais exames, o sistema desenvolvido poderia filtrar e direcionar o profissional aos possíveis candidatos a identificação, desde de que seu banco de dados tenha sido alimentado. A Figura 02 mostra a interface do sistema apresentado um exame radiográfico que faz parte do prontuário odontológico previamente cadastrado de um paciente.
Figura 02 – Exame de imagem contido em prontuário cadastrado no sistema













Fonte: Elaborada pelos autores
Já na Figura 03, o utilizador do sistema seleciona a imagem atual (post-mortem) de um indivíduo candidato a identificação, solicitando que o software indique dentre todos os registros do banco de dados aquele que apresenta maior semelhança. É possível observar o processamento, comparação e identificação da imagem, e neste exemplo especifico o sistema aponta como primeiro resultado a imagem radiográfica com maior percentual de similaridade que neste caso foi de 71.92%. Logo abaixo são mostrados os dados cadastrados sobre a imagem proveniente do sistema, além de informações pessoais do paciente, procedimento realizado e documentos associados à imagem.
Figura 03 – Comparação de Imagens Radiográficas















Fonte: Elaborada pelos autores

A veracidade da comparação realizada acima pode ser comprovada por meio de análise criteriosa pelo profissional, através dos documentos presentes no prontuário odontológico. Para Neville et al. (2009), independentemente do método de escolha para a identificação humana os resultados da comparação ante-motem e post-mortem convergem para uma das quatro situações:
Identificação positiva: Quando existe singularidade suficiente entre os dados/materiais post-mortem e os previamente registrados sem nenhuma diferença significativa;
Identificação presumível: Quando existem semelhanças entre os itens comparáveis, mas informações de ambas as fontes (ante-motem e post-mortem) são insuficientes para estabelecimento de identificação positiva;
Evidência insuficiente para identificação: Quando não existe evidência suficiente que permita comparação e conclusão baseada em princípios científicos;
Exclusão das evidencias de identificação: Quando existem inconsistências que impedem o estabelecimento de qualquer identificação.
A Figura 02 (exame de imagem ante-mortem) apresenta uma radiografia periapical com o dente primeiro molar decíduo inferior direito (elemento 84) com imagem sugestiva de lesão cariosa profunda e lesão de furca associada, tendo como plano de tratamento sugerido a endodontia deste elemento. Ao analisar o odontograma (apresentado abaixo na Figura 04), um dos documentos indispensáveis do prontuário, percebe-se que é possível confirmar que foi feito um tratamento endodôntico neste mesmo dente, além do plano de tratamento e datas de consultas iniciais. Verificando a radiografia obtida post-mortem (Figura 03), percebe-se que o elemento 84 apresenta imagem sugestiva de material radiopaco presente nos canais radiculares e assoalho da câmara pulpar, além de imagem de baixa radiopacidade em região oclusal deste elemento compatíveis com tratamentos endodôntico e restaurador realizados respectivamente.
O sistema permite ainda, a comparação direta de duas imagens radiográficas. Neste caso, as imagens seguem a mesma rotina de comparação, entretanto, aqui elas são comparadas diretamente sem nenhuma varredura no banco de dados. A Figura 05 mostra a comparação de duas imagens distintas.







Figura 04 – Odontograma e plano de tratamento contido em prontuário cadastrado no sistema

Fonte: Elaborada pelos autores

Figura 05 – Comparação de duas Imagens Radiográficas
Fonte: Elaborada pelos autores
Ao analisar o comportamento do sistema frente à testes com elevada carga de dados (como inserção de diversas imagens ao mesmo tempo, alteração da resolução das imagens, dentre outros), notou-se que o mesmo se comportou dentro do esperado, mantendo o tempo médio de comparações e upload de documentos. Os resultados obtidos foram satisfatórios. O sistema apresentou nos testes realizados, variação entre 70 e 85% de semelhança nas comparações feitas entre imagens pertencentes ao mesmo paciente.
Pode-se observar que a escolha de um sistema WEB foi um acerto técnico do projeto, visto que sua concepção demanda sistemas que podem ser acessados de qualquer lugar e a qualquer momento. Notou-se também a importância acadêmica deste projeto. Ao alimentar o sistema com informações de pacientes em tratamento, monta-se uma base de dados rica em conhecimentos e que pode ser compartilhada para fins de estudo. Este fato possibilita ter, de forma coesa e organizada, informações de diversos cidadãos, além de possibilitar e fomentar diversas linhas de pesquisa em um panorama odontológico.




Considerações Finais
A odontologia legal alcança um papel indubitavelmente relevante no processo de identificação humana, sendo incontestável a atuação do odontolegista como protagonista deste processo, uma vez que sua atuação é responsável por fornecer esclarecimentos à justiça de maneira eficaz para uma identificação positiva. A inteligência artificial tem um potencial muito grande neste cenário, uma vez que a avaliação odontológica forense tem como uma de suas bases a análise de imagens de diferentes modalidades para suplementar e auxiliar situações especificas. Os exames de imagem fornecem detalhes dos elementos dentários e estruturas anatomo-morfológicas e são registros objetivos do indivíduo, que não podem ser substituídos por registros escritos. A inclusão de um sistema como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Referências
Bajari, P., Chernozhukov, V., Hortaçsu, A., & Suzuki, J. (2019, May). The impact of big data on firm performance: An empirical investigation. In AEA Papers and Proceedings (Vol. 109, pp. 33-37), doi: 10.1257/pandp.20191000.
Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319(13), 1317-1318, doi:10.1001/jama.2017.18391.
Bianch, Betuel De Vico (2019). A importância da atuação do odontolegista na identificação pessoal de corpos carbonizados e a determinação do gênero. REVISTA UNINGÁ, [S.l.], v. 56, n. S3, p. 119-129, ISSN 2318-0579. Disponível em: <http://revista.uninga.br/index.php/uninga/article/view/246>. Acesso em: 02 set. 2019.
BRAGA, A. V. et al. Inteligência Artificial na Medicina. (2018). Anais do Congresso Internacional de Pesquisa, Ensino e Extensão – CIPEEX, 2, 937-941. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
BRASIL - Conselho Federal de Odontologia – Resolução CFO-179 de 19 de dezembro de 1991 alterado pelo Regulamento nº 01, de 05/06/1998. (1998). Código de Ética Odontológico – Rio de Janeiro, CFO 1998. Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Conselho Federal de Odontologia – Resolução CFO-183/1992 - Código de Processo Ético · Resolução CFO-63/05 – Consolidação das Normas para Procedimentos no Conselhos de Odontologia. (1992). Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Lei nº 13.105, de 16 de março de 2015. Altera o Código de Processo Civil. (2015). Disponível em < http://www.rb.org.br/detalhe_artigo.asp?id=838&idioma=Portugues > Acesso em Ago. 2019.
Carvalho, S. P. M., da Silva, R. H. A., Lopes-Júnior, C., & Peres, A. S. (2009). A utilização de imagens na identificação humana em odontologia legal. Radiologia Brasileira, 42(2), 125-130. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
CARVALHO, R. B. et al. (2012). Informatização na área da saúde/ odontologia: prontuário único e eletrônico do paciente. Revista Brasileira de Pesquisa em Saúde, Vitória, v. 3, n. 14, p.58-67. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
Castilho, J. M. L.; Lopreto, C. A. R. (2015). A Evolução dos Aparelhos de Raios-X. Três Lagoas. Disponível em: <http://books.scielo.org/id/q5/pdf/navarro-9788523209247-04.pdf>. Acesso em: Ago. 2019.
Costantini, S., De Gasperis, G., & Olivieri, R. (2019). Digital forensics and investigations meet artificial intelligence. Annals of Mathematics and Artificial Intelligence, 1-37. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
de Almeida Bordigon, A. C., Silva, T. S., Dani, V. S., Fantinato, M., & Pereira, R. C. B. (2018, November). Processamento de Linguagem Natural na Identificação e Modelagem de Processos de Negócio: Uma Revisão Sistemática da Literatura. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação (pp. 198-191). SBC. Disponível em: < https://sol.sbc.org.br/index.php/sbsi/article/view/5087 >. Acesso em: 02 set. 2019.
De Almeida, S. M., Carvalho, S. P. M., & Radicchi, R. (2017). Aspectos legais da documentação odontológica: uma revisão sobre validade legal, privacidade e aceitação no meio jurídico. RBOL-Revista Brasileira de Odontologia Legal, 4(2), doi: http://dx.doi.org/10.21117/rbol.v4i2.96
Denny, C., Jacob, A. S., Ahmed, J., Natarajan, S., & Binnal, A. (2018). Frontal sinus as an aid in gender identification in forensic dentistry: A retrospective study using cone beam computed tomography. World Journal of Dentistry, 9(1), 34-37, doi: 10.5005/jp-journals-10015-1503
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6. ed. Editora Atlas SA. Disponível em: < http://hdl.handle.net/123456789/707>. Acesso em: 02 set. 2019.
de Souza Gonçalves, A., Marcelino, J. C., do PRADO, M. M., & da SILVA, R. F. (2014). Identificação humana utilizando radiografia pa de seios maxilares: relato de caso. RBOL-Revista Brasileira de Odontologia Legal, 1(1), doi: http://dx.doi.org/10.21117/rbol.v1i1.5
Gruber, J., & Kameyama, M. M. (2001). O papel da Radiologia em Odontologia Legal. Pesquisa Odontológica Brasileira, 15(3), 263-268. Disponível em: < http://www.scielo.br/pdf/%0D/pob/v15n3/a14v15n3.pdf>. Acesso em: 02 set. 2019.
Jackson, P. C. (2019). Introduction to artificial intelligence. Courier Dover Publications.
Johnson, K. W., Soto, J. T., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., ... & Dudley, J. T. (2018). Artificial intelligence in cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679, doi: 10.1016/j.jacc.2018.03.521
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436, doi: https://doi.org/10.1038/nature14539
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375, doi: https://doi.org/10.1007/s11036-017-0932-8
Luckow, D. H., & de Melo, A. A. (2010). Programação Java para a WEB. Novatec Editora.
Miller, D. D., & Brown, E. W. (2018). Artificial intelligence in medical practice: the question to the answer?. The American journal of medicine, 131(2), 129-133, doi: https://doi.org/10.1016/j.amjmed.2017.10.035.
Nadal, L., Poletto, A. C., & Fosquiera, E. C. (2018). Identificação humana pela arcada dentária através do prontuário odontológico. REVISTA UNINGÁ REVIEW, 24(1). Disponível em: <http://revista.uninga.br/index.php/uningareviews/article/view/1670>. Acesso em: 02 set. 2019.
Neville et al. Patologia Oral & Maxilofacial. 3ª Rio de Janeiro, Elsevier, 2009
Pan, H., Tao, J., Qian, M., Zhou, W., Qian, Y., Xie, H., ... & You, M. (2019). Concordance assessment of Watson for Oncology in breast cancer chemotherapy: first China experience. Translational Cancer Research, 8(2), 389-401, doi: 10.21037/tcr.2019.01.34.
Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., ... & Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1(1), 18, doi: https://doi.org/10.1038/s41746-018-0029-1.
SABBATINI, R. M. E. Aplicações da inteligência artificial na radiologia. PIXEON. 2018. Disponível em <https://www.pixeon.com/blog/aplicacoes-da-inteligencia-artificial-na-radiologia/> Acesso em Ago. 2019.
Silveira, D. T., & Córdova, F. P. (2009). Unidade 2–A pesquisa científica. Métodos de pesquisa, 1. Disponível em: <http://www.cesadufs.com.br/ORBI/public/uploadCatalago/09520520042012Pratica_de_Pesquisa_I_Aula_2.pdf>. Acesso em: 02 set. 2019.
Simon, G. E. (2019). Big data from health records in mental health care: hardly clairvoyant but already useful. JAMA psychiatry, 76(4), 349-350, doi:10.1001/jamapsychiatry.2018.4510
Stewart, J., Sprivulis, P., & Dwivedi, G. (2018). Artificial intelligence and machine learning in emergency medicine. Emergency Medicine Australasia, 30(6), 870-874, doi: https://doi.org/10.1111/1742-6723.13145.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44, doi: https://doi.org/10.1038/s41591-018-0300-7
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yu, K. H., & Kohane, I. S. (2019). Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf, 28(3), 238-241, doi: http://dx.doi.org/10.1136/bmjqs-2018-008551
ZILIO, Fernanda et al. (2013). Meios de identificação odontolegal. Anais da VII Mostra de Iniciação Científica e Extensão Comunitária: VI Mostra de Pesquisa e Pós-Graduação IMED, Porto Alegre. Disponível em: <https://imed.edu.br/Comunicacao/Eventos/Hotsite/x-mostra-de-iniciacao-cientifica/anais-artigos>. Acesso em: 02 set

---

Arquivo de entrada: BJPE- OdontoLegal -ArtigoFInal.docx (4626 termos)
Arquivo encontrado: https://www.slideshare.net/JoseAlanBarbosaSilva/customer-service-logistics-como-estratgia-organizacional-um-estudo-de-caso-em-uma-multinacional (5903 termos)

Termos comuns: 77
Similaridade: 0,73%

6
15

Inteligência Artificial como Ferramenta para Identificação Humana em Odontologia Legal
ARTIFICIAL INTELLIGENCE AS A TOOL FOR HUMAN IDENTIFICATION IN FORENSIC DENTISTRY






Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engeneering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
Palavras-chave:
Odontologia Legal; Antropologia Forense; Inteligência Artificial.
Keywords:
Forensic Dentistry; Forensic Anthropology; Artificial Intelligence.

Copyright © 2018, Nome do Autor Completo et al. Este é um artigo open access distribuído sob a Creative Commons Attribution License, que permite uso irrestrito, distribuição e reprodução, sempre quando providenciado a devida citação do original. Os autores declaram que o mesmo não infringe qualquer direito autoral ou outro direito de propriedade de terceiros.


RESUMO
A identificação forense busca encontrar coincidências entre dados obtidos ante-mortem e post-mortem, com o objetivo de individualizar uma pessoa ou objeto, constituindo uma parte essencial de estudo e pesquisa da odontologia legal e medicina legal. Os exames imaginológicos têm sido amplamente utilizados nesse processo de reconhecimento, possibilitando a identificação do indivíduo através da verificação da unicidade de estruturas morfológicas, características anatômicas e tratamentos dentários previamente realizados. Para tanto, exames de imagem preliminares precisam ter sido realizados e estar presentes em prontuários completos, organizados e armazenados pelo máximo de tempo possível. Considerando a inexistência de legislação específica acerca da obrigatoriedade da guarda de prontuários odontológicos bem como do seu período de arquivamento, o processo de identificação forense torna-se dificultado e cada vez mais dependente. Inserindo-se nesta problemática, este artigo apresenta uma solução com inteligência artificial capaz de armazenar prontuários odontológicos, comparar e reconhecer imagens radiográficas além manter a legitimidade dos dados. O sistema desenvolvido possui uma interface gráfica que atua de forma online e permite ao usuário o cadastro da documentação odontológica. Este se mostrou capaz de determinar o nível de semelhança entre dois exames de imagem indicados pelo usuário além de buscar no banco de dados a imagem radiográfica que mais se assemelha à imagem investigada, sinalizando a identidade do candidato ao reconhecimento.


ABSTRACT
8
Forensic identification seeks to find coincidences between ante-mortem and post-mortem data, with the aim of individualizing a person or object, constituting an essential part of the study and research of legal dentistry and forensic medicine. Imaging exams have been widely used in this recognition process, enabling the identification of the individual through the verification of the uniqueness of morphological structures, anatomical characteristics and dental treatments previously performed. Therefore, preliminary imaging exams must be performed and present in complete dental records, organized and stored for as long as possible. Given the lack of specific legislation regarding the obligation to keep dental records and their filing period, the forensic identification process is becoming more difficult and increasingly dependent. Thus, this paper presents as a solution an artificial intelligence system capable of storing dental records, comparing and recognizing radiographic images besides maintaining the legitimacy of the data. The developed system has a graphical interface that acts online and allows the user to register the dental documentation. It was able to determine the level of similarity between two imaging exams indicated by the user and search the database for the radiographic image that most closely resembles the investigated image, signaling the possible identity of the candidate for recognition.



Introdução
Os prontuários odontológicos compreendem aos documentos padronizados, ordenados e concisos que reúnem as informações dos pacientes que se submeteram a algum tipo de procedimento odontológico. Além da sua importância para a organização da relação do cirurgião-dentista-paciente, esses prontuários são ferramentas que possuem finalidade jurídica, pericial e de identificação na odontologia legal (DE ALMEIDA et al., 2017).
A Odontologia Legal é um conceito ramificado da Medicina Legal, que caracteriza a perícia médica na região da cabeça e pescoço, levando em consideração nos testes, ossadas, fragmentos, peças dentarias isoladas, dentre outras estruturas anatômicas. Este conjunto de procedimentos técnico-científicos é responsável por cerca de 70% das identificações humanas em desastres em massa, comprovando por tanto sua eficácia e justificando sua aplicação nestes casos (ZILIO et al., 2013; DENNY et al., 2018).
De acordo com Bianch et al. (2019) a contribuição do odontolegista no processo de identificação humana se faz necessária quando não é possível a identificação pessoal/visual do indivíduo e/ou quando um corpo é encontrado em processo de esqueletização, carbonização, estágios avançados de decomposição, bem como estados que dificultam ou impeçam totalmente a identificação mais usual, que é a datiloscopia (impressão digital). Deste modo, verifica-se a inquestionável importância desta área na identificação de corpos em desastres ambientais, automobilísticos e criminais, uma vez que os dentes são elementos singulares que possuem extraordinária resistência, capazes de suportar temperaturas de aproximadamente 600°C e permanecerem intactos por muito tempo depois da decomposição ou carbonização do indivíduo.
Corroborando, Nadal et al. (2018) afirmam que a importância da odontologia legal pode ser evidenciada por meio de vários relatos científicos e até mesmo pela mídia, como exemplo, os dois maiores acidentes aéreos brasileiros, onde o primeiro envolveu um avião da GOL Linhas Aéreas S.A em setembro de 2003, causando a morte de 154 pessoas, e o segundo, com um avião da empresa TAM Linhas Aéreas (atual LATAM Airlines Brasil) em 2007, provocando a morte de 199 pessoas. Em ambos os casos foi necessário a aplicação de diferentes técnicas de identificação forense no processo de individualização das vítimas, incluindo a identificação por meio da arcada dentaria.
As identificações realizadas baseiam-se principalmente na comparação entre os exames radiológicos ante-mortem e post-mortem. Em um contexto histórico a utilização da radiologia nas ciências forenses foi aplicada inicialmente apenas um ano após a descoberta dos Raios X por Wilhelm Conrad Roentgen (GRUBER; KAMEYAMA, 2001). A partir deste marco foram realizadas diversas melhorias, principalmente com o surgimento da radiologia computadorizada e o avanço da informática, resultando no refinamento da técnica e viabilizando maior acuidade nas identificações, além do aumento da eficiência (visto que o tempo de processamento de imagem é menor) e possibilidade de ajustar fatores da imagem (suavização, ampliação, realce, subtração, superposição, etc.) (CASTILHO; LOPRETO, 2015).
Em contrapartida, o grande problema enfrentado pelos profissionais desta área relaciona-se ao tempo de arquivamento do prontuário, visto que inexiste legislação especifica neste aspecto, e as diversas orientações trazem entendimentos diferentes. O Art. 4º do Código de Ética Odontológica (BRASIL, 1998) determina que é dever fundamental dos profissionais a elaboração de fichas clínicas dos pacientes, além de conservá-las em arquivo próprio, não estabelecendo explicitamente o tempo de guarda dos documentos. Já o Código de Processo Ético Odontológico (BRASIL, 1992), na porção a que se refere sobre infrações éticas estabelece um prazo de 5 (cinco) anos para prescrição de tais infrações. Porém, ao analisar o Código de Processo Civil (BRASIL, 2015) percebe-se que as ações pessoais prescrevem, ordinariamente, em 20 (vinte) anos, as reais em 10 (dez), entre presentes, e entre ausentes em 15 (quinze), contados da data em que poderiam ter sido propostas. Por fim, ao analisar o parecer CFO nº. 91/2009 do Conselho Federal de Odontologia (BRASIL, 2009), é estabelecido o prazo mínimo de 10 (dez) anos, a partir do último registro, para a preservação dos prontuários dos pacientes em suporte de papel, que não foram arquivados eletronicamente em meio óptico, microfilmado ou digitalizado.
Fica evidente que a odontologia legal tem muito a contribuir no processo de identificação humana, contudo ainda há necessidade de maior incentivo na formação de profissionais especializados na área, como também em pesquisas forenses, principalmente quanto ao desenvolvimento de ferramentas tecnológicas que auxiliem neste processo. Dessa forma, em plena e rápida expansão no mundo todo, a inteligência Artificial (IA) é uma tecnologia com potenciais e funcionalidades inimagináveis que podem impactar profundamente todos os setores da sociedade. Entende-se por inteligência artificial o ramo da ciência da computação que estuda os sistemas cujo funcionamento assemelha-se ao pensamento humano, com capacidade de aprendizagem e o armazenamento de conhecimento (BRAGA et al., 2018).
Sabbatini (2018) afirma que não seria exagero dizer que, na área da saúde a IA deve trazer uma verdadeira revolução nos processos de diagnóstico e tratamento, gerando imensuráveis benefícios aos profissionais e pacientes. O mesmo vale para as aplicações da inteligência artificial nos processos de reconhecimento humano.
Inserindo-se neste contexto, projetar e desenvolver um sistema que sirva como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Inteligência Artificial
O termo Inteligência Artificial (IA) surgiu para definir um novo ramo da computação cujo o objetivo está em fazer com que os sistemas computacionais possam processar as informações e tomar decisões forma inteligente similar ao pensamento humano, a fim de se obter a capacidade de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente a respeito de um problema específico (LU et al., 2018; JACKSON, 2019).
Outro conceito que surgiu com após a difusão dos sistemas computacionais de alta performance foi o termo denominado de Big Data (BEAM; KOHANE, 2018; BAJARI et al., 2019) que se refere aos grandes conjuntos de dados provenientes dos diversos mecanismos de comunicação da atualidade que vão desde informações geradas por smartphones até dados climáticos ou de demandas populacionais. Dessa forma, devido a magnitude e complexidade dos dados envolvidos, o conceito de Big Data referencia novos métodos de processamento de dados de maneira a realizar predições e reconhecimento de padrões em imagens e sistemas (SIMON, 2019).
Após a difusão dos sistemas computacionais de alta performance as ferramentas de IA passaram a trabalhar em três eixos complementares. O primeiro eixo compreende as técnicas de aprendizado de máquina, do inglês Machine learning (WITTEN, 2016), estas permitem que os sistemas computacionais aprendam com os dados processados com a finalidade de se identificar rotinas e tomar decisões com o mínimo de intervenção humana, se tornando mais resilientes e dinâmicas após a leitura de novas informações.
O Segundo eixo se configura pela Aprendizagem profunda (Deep Learning) (LECUN et al., 2015; RAJKOMAR et al., 2018) na qual a IA se faz com a programação das chamadas Redes Neurais Artificiais (RNA). As RNAs se baseiam em uma programação que elabora um modelo matemático baseado na estrutura neural dos organismos inteligentes que desenvolvem o conhecimento por meio da experiencia vivenciada. Esta ferramenta é composta por unidades de funcionamento que são conectadas a canais de comunicação associados a um peso pré-determinado. Cada unidade da rede realiza operações sobre seus dados locais que são provenientes das conexões de entrada, assim, o comportamento inteligente de uma RNA vem das interações entre as unidades de processamento geral da rede.
Por fim, o terceiro eixo traz o Processamento de Linguagem Natural (PLN) (DE ALMEIDA, 2018), que pode ser visto como a capacidade que um sistema computacional possui em entender a linguagem humana como ela é falada. As técnicas que compõe o PLN se objetivam em analisar, reconhecer e/ou produzir textos em linguagens humanas.
Nas últimas décadas, as ferramentas de armazenamento, processamento e apresentação de dados foram sendo modernizadas, permitindo o avanço do uso da Inteligência artificial para inúmeras áreas, inclusive na saúde. Como exemplo, pode-se citar a IA chamada de Watson for Oncology, desenvolvida pela International Business Machines Corporation (IBM), e que foi treinado para resolver problemas no domínio da saúde (PAN et al., 2019).
Sistemas similares ao Watson são tendências tecnológicas cada vez mais vistas na atualidade, pois agregam facilidades aos serviços que ao serem executados apenas por seres humanos podem ser morosos e dificultados pela disponibilidade continua de profissionais da área de análise. Neste sentido, o uso das técnicas de inteligência artificial vinculados ao eficiente processamento de dados podem levar ao ser humano uma visão de trabalho diferenciada a fim de minimizar possíveis erros, bem como o tempo de prestação de serviços.
Metodologia
A natureza da pesquisa pode ser classificada como aplicada ou prática, pois, segundo Gil (2008) essa categoria de pesquisa busca gerar conhecimentos para aplicação prática dirigida à solução de problemas específicos, que no caso deste trabalho consiste em mapear e categorizar os conhecimentos relacionados a Antropologia Forense e em seguida desenvolver um plano metodológico capaz de fundamentar a implementação de uma ferramenta baseada em inteligência artificial voltada para a Odontologia Legal.
Já os procedimentos metodológicos, seguem os princípios de uma abordagem qualitativa, com um método científico indutivo e um objeto de estudo exploratório. Relativamente aos procedimentos técnicos de pesquisa, recorreu-se a pesquisa bibliográfica para o levantamento das informações mais atuais da área (SILVEIRA; CÓRDOVA, 2009). O método de pesquisa inicial foi desenvolvido a partir de procedimentos recomendados para elaboração de uma revisão integrativa da literatura, a qual tem como finalidade reunir e resumir o conhecimento científico já produzido sobre o tema investigado, ou seja, permite buscar, avaliar e sintetizar as evidências disponíveis para contribuir com o desenvolvimento do aluno envolvido no processo de iniciação científica em relação ao conhecimento na temática. A síntese do conhecimento, dos estudos incluídos na revisão, reduz incertezas sobre recomendações práticas, permite generalizações precisas sobre o fenômeno a partir das informações disponíveis limitadas e facilita a tomada de decisões com relação às intervenções que poderiam resultar no cuidado mais efetivo e de melhor custo/benefício dos sistemas envolvidos na pesquisa (MENDES et al., 2008).
De acordo com Botelho et al. (2011), a revisão integrativa pode ser dividida em seis etapas:
• Identificação do tema para a elaboração da revisão integrativa;
• Estabelecimento de critérios para inclusão e exclusão de estudos;
• Categorização dos estudos e definição das informações a serem extraídas;
• Avaliação dos estudos incluídos na revisão integrativa;
• Interpretação dos resultados;
• Apresentação da revisão e síntese do conhecimento.
Foi realizado o levantamento bibliográfico a partir de fontes secundárias nas bases ResearchGate, Scielo, Cochrane, LILACS, PUBMED e MEDLINE, de artigos publicados entre os anos 2001 a 2019 que contenham a combinação das palavras-chave “Odontologia Legal”; “Antropologia Forense”; “Inteligência Artificial”; “Redes Neurais Artificiais”; “Parâmetros da Identificação Humana”; “Métodos de Otimização”; “Parâmetros de Ajuste”. Foram pesquisados anais de congressos, resumos, livros, normas, resoluções, manuais técnicos e leis referentes ao trabalho de identificação post-mortem de pacientes, utilizando informações ante-mortem. Ao término da busca dos elementos importantes para compor a base de análise deste trabalho, os estudos foram submetidos a leitura parcial dos resumos, em seguida a síntese do conhecimento, a categorização dos estudos e, por último, a utilização dos resultados para a confecção do sistema.
Em seguida, foram realizadas as análises frente ao conhecimento adquirido com o processo da revisão integrativa apresentada acima, para a inferência dos parâmetros de entrada da inteligência artificial. Dessa forma, foram implementados os principais conceitos relacionados à programação WEB (LUCKOW; DE MELO, 2010) para montagem de um sistema composto por dois módulos distintos e interconectados. O primeiro módulo diz respeito ao recebimento de informações por meio de formulários montados com a linguagem HTML, do inglês Hypertext Markup Language, e moldados pela linguagem Cascading Style Sheets – CSS. Este módulo permite que o sistema seja alimentado pelos prontuários odontológicos, que são constituídos por todos os documentos probantes e diagnósticos dos pacientes (ficha clínica de anamnese, plano de tratamento, odontograma, consentimento esclarecido, contrato de prestação de serviço, receituário, atestados, declarações, encaminhamentos, fotografias e exames de imagem). O segundo módulo refere-se à comparação de imagens, abrangendo as funções de análise de duas imagens escolhidas pelo utilizador do sistema ou análise de uma imagem específica com todas as imagens cadastradas previamente. Para dinamicidade e armazenamento dos dados, utilizou-se as linguagens Hypertext Preprocessor - PHP, Structured Query Language - SQL e Javascript, responsáveis pela parte lógica do sistema, conexão com o banco de dados montado e a interação dos elementos em tela, respectivamente.
Na análise das imagens radiográficas cadastradas utilizou-se a função denominada compare. Esta função é responsável por inicializar as funções da classe image.compare.class.php. Esta classe é composta por cinco funções menores responsáveis pela comparação de imagens tomadas de duas a duas. Primeiro é realizada a verificação da extensão dos arquivos selecionados. Na versão atual, o sistema pode somente analisar as radiografias nos formatos Joint Photographic Group (.jpg) e Portable Network Graphics (.png). Caso as imagens apresentem estes formatos específicos, são extraídas informações como tamanho e quantidade de pixels que compõem a largura e altura das imagens. As funções posteriores redimensionam as imagens para miniaturas compostas por 64 pixels e retiram a média de cores desta figura. Por último, analisa-se pixel a pixel das figuras, baseando-se na média retirada. Para resultados mais precisos o processo é repetido aplicando-se tons de cinza em ambas imagens.
Por fim, o sistema foi integrado a uma inteligência artificial baseada em redes neurais artificiais para o alcance do aprendizado computacional onde as rotinas em que as imagens são reconhecidas podem ser confirmadas ou reprovadas pelo profissional que manipula o sistema. Essa verificação do resultado do processamento das comparações é de extrema importância para a ferramenta conseguir ser resiliente com as novas imagens carregadas e melhorar a cada instancia o acerto das comparações. Para isso realizou-se o upload de 300 imagens de domínio público a fim de se verificar a capacidade do sistema em armazenar, processar, comparar e reconhecer as imagens solicitadas.
Resultados
O sistema desenvolvido é composto por três atores distintos: cirurgiões dentistas, empresas de radiografia e odontolegistas. Os dois primeiros atores possuem função ativa no sistema, onde ambos podem cadastrar uma nova imagem radiográfica, bem como suas informações básicas e prontuários correlatos. Durante esse cadastro pode-se escolher um paciente com documentação prévia no sistema ou cadastrar os primeiros exames de um paciente. Em ambos os casos serão associadas informações que possibilitam a identificação dos pacientes e seus dados básicos como nome, idade e gênero. O terceiro ator do sistema são os Odontolegistas que possuírão acesso às funções de comparação e consulta à base de dados. A Figura 01 apresenta a interface gráfica do sistema que representa as três funcionalidades básicas acima descritas.
Figura 01 – Interface gráfica inicial do sistema desenvolvido









Fonte: Elaborada pelos autores
Dessa forma, em situações onde um indivíduo não pode ser reconhecido visualmente devido ao seu estágio avançado de decomposição, esqueletização ou carbonização, estes profissionais poderão realizar a comparação de uma imagem radiográfica realizada em tempo atual (post-mortem) com as demais radiografias previamente cadastradas no banco.
No processo de identificação humana, utilizando este sistema como ferramenta, é preciso que o utilizador (odontolegista/perito) selecione o exame de imagem atual (post-mortem) no campo “escolher arquivo”, para que o software seja capaz de processar as informações e então indicar ao profissional qual radiografia presente no prontuário do indivíduo cadastrado na base de dados mais se assemelha à radiografia selecionada. Vale ressaltar que o objetivo da ferramenta de IA neste caso é o de aprimorar, auxiliar as atividades humanas no processo de identificação bem como abreviar um processo que por si só é moroso, e não de substituir o trabalho dos profissionais designados a esta função. Isto posto, ao se deparar com uma tragédia onde o trabalho do odontolegista é custoso, complexo e dependente de registros odontológicos previamente realizados, em que muitas vezes os familiares das vítimas são os responsáveis por buscar e apresentar tais exames, o sistema desenvolvido poderia filtrar e direcionar o profissional aos possíveis candidatos a identificação, desde de que seu banco de dados tenha sido alimentado. A Figura 02 mostra a interface do sistema apresentado um exame radiográfico que faz parte do prontuário odontológico previamente cadastrado de um paciente.
Figura 02 – Exame de imagem contido em prontuário cadastrado no sistema













Fonte: Elaborada pelos autores
Já na Figura 03, o utilizador do sistema seleciona a imagem atual (post-mortem) de um indivíduo candidato a identificação, solicitando que o software indique dentre todos os registros do banco de dados aquele que apresenta maior semelhança. É possível observar o processamento, comparação e identificação da imagem, e neste exemplo especifico o sistema aponta como primeiro resultado a imagem radiográfica com maior percentual de similaridade que neste caso foi de 71.92%. Logo abaixo são mostrados os dados cadastrados sobre a imagem proveniente do sistema, além de informações pessoais do paciente, procedimento realizado e documentos associados à imagem.
Figura 03 – Comparação de Imagens Radiográficas















Fonte: Elaborada pelos autores

A veracidade da comparação realizada acima pode ser comprovada por meio de análise criteriosa pelo profissional, através dos documentos presentes no prontuário odontológico. Para Neville et al. (2009), independentemente do método de escolha para a identificação humana os resultados da comparação ante-motem e post-mortem convergem para uma das quatro situações:
Identificação positiva: Quando existe singularidade suficiente entre os dados/materiais post-mortem e os previamente registrados sem nenhuma diferença significativa;
Identificação presumível: Quando existem semelhanças entre os itens comparáveis, mas informações de ambas as fontes (ante-motem e post-mortem) são insuficientes para estabelecimento de identificação positiva;
Evidência insuficiente para identificação: Quando não existe evidência suficiente que permita comparação e conclusão baseada em princípios científicos;
Exclusão das evidencias de identificação: Quando existem inconsistências que impedem o estabelecimento de qualquer identificação.
A Figura 02 (exame de imagem ante-mortem) apresenta uma radiografia periapical com o dente primeiro molar decíduo inferior direito (elemento 84) com imagem sugestiva de lesão cariosa profunda e lesão de furca associada, tendo como plano de tratamento sugerido a endodontia deste elemento. Ao analisar o odontograma (apresentado abaixo na Figura 04), um dos documentos indispensáveis do prontuário, percebe-se que é possível confirmar que foi feito um tratamento endodôntico neste mesmo dente, além do plano de tratamento e datas de consultas iniciais. Verificando a radiografia obtida post-mortem (Figura 03), percebe-se que o elemento 84 apresenta imagem sugestiva de material radiopaco presente nos canais radiculares e assoalho da câmara pulpar, além de imagem de baixa radiopacidade em região oclusal deste elemento compatíveis com tratamentos endodôntico e restaurador realizados respectivamente.
O sistema permite ainda, a comparação direta de duas imagens radiográficas. Neste caso, as imagens seguem a mesma rotina de comparação, entretanto, aqui elas são comparadas diretamente sem nenhuma varredura no banco de dados. A Figura 05 mostra a comparação de duas imagens distintas.







Figura 04 – Odontograma e plano de tratamento contido em prontuário cadastrado no sistema

Fonte: Elaborada pelos autores

Figura 05 – Comparação de duas Imagens Radiográficas
Fonte: Elaborada pelos autores
Ao analisar o comportamento do sistema frente à testes com elevada carga de dados (como inserção de diversas imagens ao mesmo tempo, alteração da resolução das imagens, dentre outros), notou-se que o mesmo se comportou dentro do esperado, mantendo o tempo médio de comparações e upload de documentos. Os resultados obtidos foram satisfatórios. O sistema apresentou nos testes realizados, variação entre 70 e 85% de semelhança nas comparações feitas entre imagens pertencentes ao mesmo paciente.
Pode-se observar que a escolha de um sistema WEB foi um acerto técnico do projeto, visto que sua concepção demanda sistemas que podem ser acessados de qualquer lugar e a qualquer momento. Notou-se também a importância acadêmica deste projeto. Ao alimentar o sistema com informações de pacientes em tratamento, monta-se uma base de dados rica em conhecimentos e que pode ser compartilhada para fins de estudo. Este fato possibilita ter, de forma coesa e organizada, informações de diversos cidadãos, além de possibilitar e fomentar diversas linhas de pesquisa em um panorama odontológico.




Considerações Finais
A odontologia legal alcança um papel indubitavelmente relevante no processo de identificação humana, sendo incontestável a atuação do odontolegista como protagonista deste processo, uma vez que sua atuação é responsável por fornecer esclarecimentos à justiça de maneira eficaz para uma identificação positiva. A inteligência artificial tem um potencial muito grande neste cenário, uma vez que a avaliação odontológica forense tem como uma de suas bases a análise de imagens de diferentes modalidades para suplementar e auxiliar situações especificas. Os exames de imagem fornecem detalhes dos elementos dentários e estruturas anatomo-morfológicas e são registros objetivos do indivíduo, que não podem ser substituídos por registros escritos. A inclusão de um sistema como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Referências
Bajari, P., Chernozhukov, V., Hortaçsu, A., & Suzuki, J. (2019, May). The impact of big data on firm performance: An empirical investigation. In AEA Papers and Proceedings (Vol. 109, pp. 33-37), doi: 10.1257/pandp.20191000.
Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319(13), 1317-1318, doi:10.1001/jama.2017.18391.
Bianch, Betuel De Vico (2019). A importância da atuação do odontolegista na identificação pessoal de corpos carbonizados e a determinação do gênero. REVISTA UNINGÁ, [S.l.], v. 56, n. S3, p. 119-129, ISSN 2318-0579. Disponível em: <http://revista.uninga.br/index.php/uninga/article/view/246>. Acesso em: 02 set. 2019.
BRAGA, A. V. et al. Inteligência Artificial na Medicina. (2018). Anais do Congresso Internacional de Pesquisa, Ensino e Extensão – CIPEEX, 2, 937-941. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
BRASIL - Conselho Federal de Odontologia – Resolução CFO-179 de 19 de dezembro de 1991 alterado pelo Regulamento nº 01, de 05/06/1998. (1998). Código de Ética Odontológico – Rio de Janeiro, CFO 1998. Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Conselho Federal de Odontologia – Resolução CFO-183/1992 - Código de Processo Ético · Resolução CFO-63/05 – Consolidação das Normas para Procedimentos no Conselhos de Odontologia. (1992). Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Lei nº 13.105, de 16 de março de 2015. Altera o Código de Processo Civil. (2015). Disponível em < http://www.rb.org.br/detalhe_artigo.asp?id=838&idioma=Portugues > Acesso em Ago. 2019.
Carvalho, S. P. M., da Silva, R. H. A., Lopes-Júnior, C., & Peres, A. S. (2009). A utilização de imagens na identificação humana em odontologia legal. Radiologia Brasileira, 42(2), 125-130. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
CARVALHO, R. B. et al. (2012). Informatização na área da saúde/ odontologia: prontuário único e eletrônico do paciente. Revista Brasileira de Pesquisa em Saúde, Vitória, v. 3, n. 14, p.58-67. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
Castilho, J. M. L.; Lopreto, C. A. R. (2015). A Evolução dos Aparelhos de Raios-X. Três Lagoas. Disponível em: <http://books.scielo.org/id/q5/pdf/navarro-9788523209247-04.pdf>. Acesso em: Ago. 2019.
Costantini, S., De Gasperis, G., & Olivieri, R. (2019). Digital forensics and investigations meet artificial intelligence. Annals of Mathematics and Artificial Intelligence, 1-37. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
de Almeida Bordigon, A. C., Silva, T. S., Dani, V. S., Fantinato, M., & Pereira, R. C. B. (2018, November). Processamento de Linguagem Natural na Identificação e Modelagem de Processos de Negócio: Uma Revisão Sistemática da Literatura. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação (pp. 198-191). SBC. Disponível em: < https://sol.sbc.org.br/index.php/sbsi/article/view/5087 >. Acesso em: 02 set. 2019.
De Almeida, S. M., Carvalho, S. P. M., & Radicchi, R. (2017). Aspectos legais da documentação odontológica: uma revisão sobre validade legal, privacidade e aceitação no meio jurídico. RBOL-Revista Brasileira de Odontologia Legal, 4(2), doi: http://dx.doi.org/10.21117/rbol.v4i2.96
Denny, C., Jacob, A. S., Ahmed, J., Natarajan, S., & Binnal, A. (2018). Frontal sinus as an aid in gender identification in forensic dentistry: A retrospective study using cone beam computed tomography. World Journal of Dentistry, 9(1), 34-37, doi: 10.5005/jp-journals-10015-1503
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6. ed. Editora Atlas SA. Disponível em: < http://hdl.handle.net/123456789/707>. Acesso em: 02 set. 2019.
de Souza Gonçalves, A., Marcelino, J. C., do PRADO, M. M., & da SILVA, R. F. (2014). Identificação humana utilizando radiografia pa de seios maxilares: relato de caso. RBOL-Revista Brasileira de Odontologia Legal, 1(1), doi: http://dx.doi.org/10.21117/rbol.v1i1.5
Gruber, J., & Kameyama, M. M. (2001). O papel da Radiologia em Odontologia Legal. Pesquisa Odontológica Brasileira, 15(3), 263-268. Disponível em: < http://www.scielo.br/pdf/%0D/pob/v15n3/a14v15n3.pdf>. Acesso em: 02 set. 2019.
Jackson, P. C. (2019). Introduction to artificial intelligence. Courier Dover Publications.
Johnson, K. W., Soto, J. T., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., ... & Dudley, J. T. (2018). Artificial intelligence in cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679, doi: 10.1016/j.jacc.2018.03.521
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436, doi: https://doi.org/10.1038/nature14539
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375, doi: https://doi.org/10.1007/s11036-017-0932-8
Luckow, D. H., & de Melo, A. A. (2010). Programação Java para a WEB. Novatec Editora.
Miller, D. D., & Brown, E. W. (2018). Artificial intelligence in medical practice: the question to the answer?. The American journal of medicine, 131(2), 129-133, doi: https://doi.org/10.1016/j.amjmed.2017.10.035.
Nadal, L., Poletto, A. C., & Fosquiera, E. C. (2018). Identificação humana pela arcada dentária através do prontuário odontológico. REVISTA UNINGÁ REVIEW, 24(1). Disponível em: <http://revista.uninga.br/index.php/uningareviews/article/view/1670>. Acesso em: 02 set. 2019.
Neville et al. Patologia Oral & Maxilofacial. 3ª Rio de Janeiro, Elsevier, 2009
Pan, H., Tao, J., Qian, M., Zhou, W., Qian, Y., Xie, H., ... & You, M. (2019). Concordance assessment of Watson for Oncology in breast cancer chemotherapy: first China experience. Translational Cancer Research, 8(2), 389-401, doi: 10.21037/tcr.2019.01.34.
Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., ... & Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1(1), 18, doi: https://doi.org/10.1038/s41746-018-0029-1.
SABBATINI, R. M. E. Aplicações da inteligência artificial na radiologia. PIXEON. 2018. Disponível em <https://www.pixeon.com/blog/aplicacoes-da-inteligencia-artificial-na-radiologia/> Acesso em Ago. 2019.
Silveira, D. T., & Córdova, F. P. (2009). Unidade 2–A pesquisa científica. Métodos de pesquisa, 1. Disponível em: <http://www.cesadufs.com.br/ORBI/public/uploadCatalago/09520520042012Pratica_de_Pesquisa_I_Aula_2.pdf>. Acesso em: 02 set. 2019.
Simon, G. E. (2019). Big data from health records in mental health care: hardly clairvoyant but already useful. JAMA psychiatry, 76(4), 349-350, doi:10.1001/jamapsychiatry.2018.4510
Stewart, J., Sprivulis, P., & Dwivedi, G. (2018). Artificial intelligence and machine learning in emergency medicine. Emergency Medicine Australasia, 30(6), 870-874, doi: https://doi.org/10.1111/1742-6723.13145.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44, doi: https://doi.org/10.1038/s41591-018-0300-7
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yu, K. H., & Kohane, I. S. (2019). Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf, 28(3), 238-241, doi: http://dx.doi.org/10.1136/bmjqs-2018-008551
ZILIO, Fernanda et al. (2013). Meios de identificação odontolegal. Anais da VII Mostra de Iniciação Científica e Extensão Comunitária: VI Mostra de Pesquisa e Pós-Graduação IMED, Porto Alegre. Disponível em: <https://imed.edu.br/Comunicacao/Eventos/Hotsite/x-mostra-de-iniciacao-cientifica/anais-artigos>. Acesso em: 02 set

---

Arquivo de entrada: BJPE- OdontoLegal -ArtigoFInal.docx (4626 termos)
Arquivo encontrado: https://ojs.unesp.br/index.php/revista_proex/article/download/1563/1384 (3194 termos)

Termos comuns: 83
Similaridade: 1,07%

6
15

Inteligência Artificial como Ferramenta para Identificação Humana em Odontologia Legal
ARTIFICIAL INTELLIGENCE AS A TOOL FOR HUMAN IDENTIFICATION IN FORENSIC DENTISTRY






Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engeneering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
Palavras-chave:
Odontologia Legal; Antropologia Forense; Inteligência Artificial.
Keywords:
Forensic Dentistry; Forensic Anthropology; Artificial Intelligence.

Copyright © 2018, Nome do Autor Completo et al. Este é um artigo open access distribuído sob a Creative Commons Attribution License, que permite uso irrestrito, distribuição e reprodução, sempre quando providenciado a devida citação do original. Os autores declaram que o mesmo não infringe qualquer direito autoral ou outro direito de propriedade de terceiros.


RESUMO
A identificação forense busca encontrar coincidências entre dados obtidos ante-mortem e post-mortem, com o objetivo de individualizar uma pessoa ou objeto, constituindo uma parte essencial de estudo e pesquisa da odontologia legal e medicina legal. Os exames imaginológicos têm sido amplamente utilizados nesse processo de reconhecimento, possibilitando a identificação do indivíduo através da verificação da unicidade de estruturas morfológicas, características anatômicas e tratamentos dentários previamente realizados. Para tanto, exames de imagem preliminares precisam ter sido realizados e estar presentes em prontuários completos, organizados e armazenados pelo máximo de tempo possível. Considerando a inexistência de legislação específica acerca da obrigatoriedade da guarda de prontuários odontológicos bem como do seu período de arquivamento, o processo de identificação forense torna-se dificultado e cada vez mais dependente. Inserindo-se nesta problemática, este artigo apresenta uma solução com inteligência artificial capaz de armazenar prontuários odontológicos, comparar e reconhecer imagens radiográficas além manter a legitimidade dos dados. O sistema desenvolvido possui uma interface gráfica que atua de forma online e permite ao usuário o cadastro da documentação odontológica. Este se mostrou capaz de determinar o nível de semelhança entre dois exames de imagem indicados pelo usuário além de buscar no banco de dados a imagem radiográfica que mais se assemelha à imagem investigada, sinalizando a identidade do candidato ao reconhecimento.


ABSTRACT
8
Forensic identification seeks to find coincidences between ante-mortem and post-mortem data, with the aim of individualizing a person or object, constituting an essential part of the study and research of legal dentistry and forensic medicine. Imaging exams have been widely used in this recognition process, enabling the identification of the individual through the verification of the uniqueness of morphological structures, anatomical characteristics and dental treatments previously performed. Therefore, preliminary imaging exams must be performed and present in complete dental records, organized and stored for as long as possible. Given the lack of specific legislation regarding the obligation to keep dental records and their filing period, the forensic identification process is becoming more difficult and increasingly dependent. Thus, this paper presents as a solution an artificial intelligence system capable of storing dental records, comparing and recognizing radiographic images besides maintaining the legitimacy of the data. The developed system has a graphical interface that acts online and allows the user to register the dental documentation. It was able to determine the level of similarity between two imaging exams indicated by the user and search the database for the radiographic image that most closely resembles the investigated image, signaling the possible identity of the candidate for recognition.



Introdução
Os prontuários odontológicos compreendem aos documentos padronizados, ordenados e concisos que reúnem as informações dos pacientes que se submeteram a algum tipo de procedimento odontológico. Além da sua importância para a organização da relação do cirurgião-dentista-paciente, esses prontuários são ferramentas que possuem finalidade jurídica, pericial e de identificação na odontologia legal (DE ALMEIDA et al., 2017).
A Odontologia Legal é um conceito ramificado da Medicina Legal, que caracteriza a perícia médica na região da cabeça e pescoço, levando em consideração nos testes, ossadas, fragmentos, peças dentarias isoladas, dentre outras estruturas anatômicas. Este conjunto de procedimentos técnico-científicos é responsável por cerca de 70% das identificações humanas em desastres em massa, comprovando por tanto sua eficácia e justificando sua aplicação nestes casos (ZILIO et al., 2013; DENNY et al., 2018).
De acordo com Bianch et al. (2019) a contribuição do odontolegista no processo de identificação humana se faz necessária quando não é possível a identificação pessoal/visual do indivíduo e/ou quando um corpo é encontrado em processo de esqueletização, carbonização, estágios avançados de decomposição, bem como estados que dificultam ou impeçam totalmente a identificação mais usual, que é a datiloscopia (impressão digital). Deste modo, verifica-se a inquestionável importância desta área na identificação de corpos em desastres ambientais, automobilísticos e criminais, uma vez que os dentes são elementos singulares que possuem extraordinária resistência, capazes de suportar temperaturas de aproximadamente 600°C e permanecerem intactos por muito tempo depois da decomposição ou carbonização do indivíduo.
Corroborando, Nadal et al. (2018) afirmam que a importância da odontologia legal pode ser evidenciada por meio de vários relatos científicos e até mesmo pela mídia, como exemplo, os dois maiores acidentes aéreos brasileiros, onde o primeiro envolveu um avião da GOL Linhas Aéreas S.A em setembro de 2003, causando a morte de 154 pessoas, e o segundo, com um avião da empresa TAM Linhas Aéreas (atual LATAM Airlines Brasil) em 2007, provocando a morte de 199 pessoas. Em ambos os casos foi necessário a aplicação de diferentes técnicas de identificação forense no processo de individualização das vítimas, incluindo a identificação por meio da arcada dentaria.
As identificações realizadas baseiam-se principalmente na comparação entre os exames radiológicos ante-mortem e post-mortem. Em um contexto histórico a utilização da radiologia nas ciências forenses foi aplicada inicialmente apenas um ano após a descoberta dos Raios X por Wilhelm Conrad Roentgen (GRUBER; KAMEYAMA, 2001). A partir deste marco foram realizadas diversas melhorias, principalmente com o surgimento da radiologia computadorizada e o avanço da informática, resultando no refinamento da técnica e viabilizando maior acuidade nas identificações, além do aumento da eficiência (visto que o tempo de processamento de imagem é menor) e possibilidade de ajustar fatores da imagem (suavização, ampliação, realce, subtração, superposição, etc.) (CASTILHO; LOPRETO, 2015).
Em contrapartida, o grande problema enfrentado pelos profissionais desta área relaciona-se ao tempo de arquivamento do prontuário, visto que inexiste legislação especifica neste aspecto, e as diversas orientações trazem entendimentos diferentes. O Art. 4º do Código de Ética Odontológica (BRASIL, 1998) determina que é dever fundamental dos profissionais a elaboração de fichas clínicas dos pacientes, além de conservá-las em arquivo próprio, não estabelecendo explicitamente o tempo de guarda dos documentos. Já o Código de Processo Ético Odontológico (BRASIL, 1992), na porção a que se refere sobre infrações éticas estabelece um prazo de 5 (cinco) anos para prescrição de tais infrações. Porém, ao analisar o Código de Processo Civil (BRASIL, 2015) percebe-se que as ações pessoais prescrevem, ordinariamente, em 20 (vinte) anos, as reais em 10 (dez), entre presentes, e entre ausentes em 15 (quinze), contados da data em que poderiam ter sido propostas. Por fim, ao analisar o parecer CFO nº. 91/2009 do Conselho Federal de Odontologia (BRASIL, 2009), é estabelecido o prazo mínimo de 10 (dez) anos, a partir do último registro, para a preservação dos prontuários dos pacientes em suporte de papel, que não foram arquivados eletronicamente em meio óptico, microfilmado ou digitalizado.
Fica evidente que a odontologia legal tem muito a contribuir no processo de identificação humana, contudo ainda há necessidade de maior incentivo na formação de profissionais especializados na área, como também em pesquisas forenses, principalmente quanto ao desenvolvimento de ferramentas tecnológicas que auxiliem neste processo. Dessa forma, em plena e rápida expansão no mundo todo, a inteligência Artificial (IA) é uma tecnologia com potenciais e funcionalidades inimagináveis que podem impactar profundamente todos os setores da sociedade. Entende-se por inteligência artificial o ramo da ciência da computação que estuda os sistemas cujo funcionamento assemelha-se ao pensamento humano, com capacidade de aprendizagem e o armazenamento de conhecimento (BRAGA et al., 2018).
Sabbatini (2018) afirma que não seria exagero dizer que, na área da saúde a IA deve trazer uma verdadeira revolução nos processos de diagnóstico e tratamento, gerando imensuráveis benefícios aos profissionais e pacientes. O mesmo vale para as aplicações da inteligência artificial nos processos de reconhecimento humano.
Inserindo-se neste contexto, projetar e desenvolver um sistema que sirva como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Inteligência Artificial
O termo Inteligência Artificial (IA) surgiu para definir um novo ramo da computação cujo o objetivo está em fazer com que os sistemas computacionais possam processar as informações e tomar decisões forma inteligente similar ao pensamento humano, a fim de se obter a capacidade de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente a respeito de um problema específico (LU et al., 2018; JACKSON, 2019).
Outro conceito que surgiu com após a difusão dos sistemas computacionais de alta performance foi o termo denominado de Big Data (BEAM; KOHANE, 2018; BAJARI et al., 2019) que se refere aos grandes conjuntos de dados provenientes dos diversos mecanismos de comunicação da atualidade que vão desde informações geradas por smartphones até dados climáticos ou de demandas populacionais. Dessa forma, devido a magnitude e complexidade dos dados envolvidos, o conceito de Big Data referencia novos métodos de processamento de dados de maneira a realizar predições e reconhecimento de padrões em imagens e sistemas (SIMON, 2019).
Após a difusão dos sistemas computacionais de alta performance as ferramentas de IA passaram a trabalhar em três eixos complementares. O primeiro eixo compreende as técnicas de aprendizado de máquina, do inglês Machine learning (WITTEN, 2016), estas permitem que os sistemas computacionais aprendam com os dados processados com a finalidade de se identificar rotinas e tomar decisões com o mínimo de intervenção humana, se tornando mais resilientes e dinâmicas após a leitura de novas informações.
O Segundo eixo se configura pela Aprendizagem profunda (Deep Learning) (LECUN et al., 2015; RAJKOMAR et al., 2018) na qual a IA se faz com a programação das chamadas Redes Neurais Artificiais (RNA). As RNAs se baseiam em uma programação que elabora um modelo matemático baseado na estrutura neural dos organismos inteligentes que desenvolvem o conhecimento por meio da experiencia vivenciada. Esta ferramenta é composta por unidades de funcionamento que são conectadas a canais de comunicação associados a um peso pré-determinado. Cada unidade da rede realiza operações sobre seus dados locais que são provenientes das conexões de entrada, assim, o comportamento inteligente de uma RNA vem das interações entre as unidades de processamento geral da rede.
Por fim, o terceiro eixo traz o Processamento de Linguagem Natural (PLN) (DE ALMEIDA, 2018), que pode ser visto como a capacidade que um sistema computacional possui em entender a linguagem humana como ela é falada. As técnicas que compõe o PLN se objetivam em analisar, reconhecer e/ou produzir textos em linguagens humanas.
Nas últimas décadas, as ferramentas de armazenamento, processamento e apresentação de dados foram sendo modernizadas, permitindo o avanço do uso da Inteligência artificial para inúmeras áreas, inclusive na saúde. Como exemplo, pode-se citar a IA chamada de Watson for Oncology, desenvolvida pela International Business Machines Corporation (IBM), e que foi treinado para resolver problemas no domínio da saúde (PAN et al., 2019).
Sistemas similares ao Watson são tendências tecnológicas cada vez mais vistas na atualidade, pois agregam facilidades aos serviços que ao serem executados apenas por seres humanos podem ser morosos e dificultados pela disponibilidade continua de profissionais da área de análise. Neste sentido, o uso das técnicas de inteligência artificial vinculados ao eficiente processamento de dados podem levar ao ser humano uma visão de trabalho diferenciada a fim de minimizar possíveis erros, bem como o tempo de prestação de serviços.
Metodologia
A natureza da pesquisa pode ser classificada como aplicada ou prática, pois, segundo Gil (2008) essa categoria de pesquisa busca gerar conhecimentos para aplicação prática dirigida à solução de problemas específicos, que no caso deste trabalho consiste em mapear e categorizar os conhecimentos relacionados a Antropologia Forense e em seguida desenvolver um plano metodológico capaz de fundamentar a implementação de uma ferramenta baseada em inteligência artificial voltada para a Odontologia Legal.
Já os procedimentos metodológicos, seguem os princípios de uma abordagem qualitativa, com um método científico indutivo e um objeto de estudo exploratório. Relativamente aos procedimentos técnicos de pesquisa, recorreu-se a pesquisa bibliográfica para o levantamento das informações mais atuais da área (SILVEIRA; CÓRDOVA, 2009). O método de pesquisa inicial foi desenvolvido a partir de procedimentos recomendados para elaboração de uma revisão integrativa da literatura, a qual tem como finalidade reunir e resumir o conhecimento científico já produzido sobre o tema investigado, ou seja, permite buscar, avaliar e sintetizar as evidências disponíveis para contribuir com o desenvolvimento do aluno envolvido no processo de iniciação científica em relação ao conhecimento na temática. A síntese do conhecimento, dos estudos incluídos na revisão, reduz incertezas sobre recomendações práticas, permite generalizações precisas sobre o fenômeno a partir das informações disponíveis limitadas e facilita a tomada de decisões com relação às intervenções que poderiam resultar no cuidado mais efetivo e de melhor custo/benefício dos sistemas envolvidos na pesquisa (MENDES et al., 2008).
De acordo com Botelho et al. (2011), a revisão integrativa pode ser dividida em seis etapas:
• Identificação do tema para a elaboração da revisão integrativa;
• Estabelecimento de critérios para inclusão e exclusão de estudos;
• Categorização dos estudos e definição das informações a serem extraídas;
• Avaliação dos estudos incluídos na revisão integrativa;
• Interpretação dos resultados;
• Apresentação da revisão e síntese do conhecimento.
Foi realizado o levantamento bibliográfico a partir de fontes secundárias nas bases ResearchGate, Scielo, Cochrane, LILACS, PUBMED e MEDLINE, de artigos publicados entre os anos 2001 a 2019 que contenham a combinação das palavras-chave “Odontologia Legal”; “Antropologia Forense”; “Inteligência Artificial”; “Redes Neurais Artificiais”; “Parâmetros da Identificação Humana”; “Métodos de Otimização”; “Parâmetros de Ajuste”. Foram pesquisados anais de congressos, resumos, livros, normas, resoluções, manuais técnicos e leis referentes ao trabalho de identificação post-mortem de pacientes, utilizando informações ante-mortem. Ao término da busca dos elementos importantes para compor a base de análise deste trabalho, os estudos foram submetidos a leitura parcial dos resumos, em seguida a síntese do conhecimento, a categorização dos estudos e, por último, a utilização dos resultados para a confecção do sistema.
Em seguida, foram realizadas as análises frente ao conhecimento adquirido com o processo da revisão integrativa apresentada acima, para a inferência dos parâmetros de entrada da inteligência artificial. Dessa forma, foram implementados os principais conceitos relacionados à programação WEB (LUCKOW; DE MELO, 2010) para montagem de um sistema composto por dois módulos distintos e interconectados. O primeiro módulo diz respeito ao recebimento de informações por meio de formulários montados com a linguagem HTML, do inglês Hypertext Markup Language, e moldados pela linguagem Cascading Style Sheets – CSS. Este módulo permite que o sistema seja alimentado pelos prontuários odontológicos, que são constituídos por todos os documentos probantes e diagnósticos dos pacientes (ficha clínica de anamnese, plano de tratamento, odontograma, consentimento esclarecido, contrato de prestação de serviço, receituário, atestados, declarações, encaminhamentos, fotografias e exames de imagem). O segundo módulo refere-se à comparação de imagens, abrangendo as funções de análise de duas imagens escolhidas pelo utilizador do sistema ou análise de uma imagem específica com todas as imagens cadastradas previamente. Para dinamicidade e armazenamento dos dados, utilizou-se as linguagens Hypertext Preprocessor - PHP, Structured Query Language - SQL e Javascript, responsáveis pela parte lógica do sistema, conexão com o banco de dados montado e a interação dos elementos em tela, respectivamente.
Na análise das imagens radiográficas cadastradas utilizou-se a função denominada compare. Esta função é responsável por inicializar as funções da classe image.compare.class.php. Esta classe é composta por cinco funções menores responsáveis pela comparação de imagens tomadas de duas a duas. Primeiro é realizada a verificação da extensão dos arquivos selecionados. Na versão atual, o sistema pode somente analisar as radiografias nos formatos Joint Photographic Group (.jpg) e Portable Network Graphics (.png). Caso as imagens apresentem estes formatos específicos, são extraídas informações como tamanho e quantidade de pixels que compõem a largura e altura das imagens. As funções posteriores redimensionam as imagens para miniaturas compostas por 64 pixels e retiram a média de cores desta figura. Por último, analisa-se pixel a pixel das figuras, baseando-se na média retirada. Para resultados mais precisos o processo é repetido aplicando-se tons de cinza em ambas imagens.
Por fim, o sistema foi integrado a uma inteligência artificial baseada em redes neurais artificiais para o alcance do aprendizado computacional onde as rotinas em que as imagens são reconhecidas podem ser confirmadas ou reprovadas pelo profissional que manipula o sistema. Essa verificação do resultado do processamento das comparações é de extrema importância para a ferramenta conseguir ser resiliente com as novas imagens carregadas e melhorar a cada instancia o acerto das comparações. Para isso realizou-se o upload de 300 imagens de domínio público a fim de se verificar a capacidade do sistema em armazenar, processar, comparar e reconhecer as imagens solicitadas.
Resultados
O sistema desenvolvido é composto por três atores distintos: cirurgiões dentistas, empresas de radiografia e odontolegistas. Os dois primeiros atores possuem função ativa no sistema, onde ambos podem cadastrar uma nova imagem radiográfica, bem como suas informações básicas e prontuários correlatos. Durante esse cadastro pode-se escolher um paciente com documentação prévia no sistema ou cadastrar os primeiros exames de um paciente. Em ambos os casos serão associadas informações que possibilitam a identificação dos pacientes e seus dados básicos como nome, idade e gênero. O terceiro ator do sistema são os Odontolegistas que possuírão acesso às funções de comparação e consulta à base de dados. A Figura 01 apresenta a interface gráfica do sistema que representa as três funcionalidades básicas acima descritas.
Figura 01 – Interface gráfica inicial do sistema desenvolvido









Fonte: Elaborada pelos autores
Dessa forma, em situações onde um indivíduo não pode ser reconhecido visualmente devido ao seu estágio avançado de decomposição, esqueletização ou carbonização, estes profissionais poderão realizar a comparação de uma imagem radiográfica realizada em tempo atual (post-mortem) com as demais radiografias previamente cadastradas no banco.
No processo de identificação humana, utilizando este sistema como ferramenta, é preciso que o utilizador (odontolegista/perito) selecione o exame de imagem atual (post-mortem) no campo “escolher arquivo”, para que o software seja capaz de processar as informações e então indicar ao profissional qual radiografia presente no prontuário do indivíduo cadastrado na base de dados mais se assemelha à radiografia selecionada. Vale ressaltar que o objetivo da ferramenta de IA neste caso é o de aprimorar, auxiliar as atividades humanas no processo de identificação bem como abreviar um processo que por si só é moroso, e não de substituir o trabalho dos profissionais designados a esta função. Isto posto, ao se deparar com uma tragédia onde o trabalho do odontolegista é custoso, complexo e dependente de registros odontológicos previamente realizados, em que muitas vezes os familiares das vítimas são os responsáveis por buscar e apresentar tais exames, o sistema desenvolvido poderia filtrar e direcionar o profissional aos possíveis candidatos a identificação, desde de que seu banco de dados tenha sido alimentado. A Figura 02 mostra a interface do sistema apresentado um exame radiográfico que faz parte do prontuário odontológico previamente cadastrado de um paciente.
Figura 02 – Exame de imagem contido em prontuário cadastrado no sistema













Fonte: Elaborada pelos autores
Já na Figura 03, o utilizador do sistema seleciona a imagem atual (post-mortem) de um indivíduo candidato a identificação, solicitando que o software indique dentre todos os registros do banco de dados aquele que apresenta maior semelhança. É possível observar o processamento, comparação e identificação da imagem, e neste exemplo especifico o sistema aponta como primeiro resultado a imagem radiográfica com maior percentual de similaridade que neste caso foi de 71.92%. Logo abaixo são mostrados os dados cadastrados sobre a imagem proveniente do sistema, além de informações pessoais do paciente, procedimento realizado e documentos associados à imagem.
Figura 03 – Comparação de Imagens Radiográficas















Fonte: Elaborada pelos autores

A veracidade da comparação realizada acima pode ser comprovada por meio de análise criteriosa pelo profissional, através dos documentos presentes no prontuário odontológico. Para Neville et al. (2009), independentemente do método de escolha para a identificação humana os resultados da comparação ante-motem e post-mortem convergem para uma das quatro situações:
Identificação positiva: Quando existe singularidade suficiente entre os dados/materiais post-mortem e os previamente registrados sem nenhuma diferença significativa;
Identificação presumível: Quando existem semelhanças entre os itens comparáveis, mas informações de ambas as fontes (ante-motem e post-mortem) são insuficientes para estabelecimento de identificação positiva;
Evidência insuficiente para identificação: Quando não existe evidência suficiente que permita comparação e conclusão baseada em princípios científicos;
Exclusão das evidencias de identificação: Quando existem inconsistências que impedem o estabelecimento de qualquer identificação.
A Figura 02 (exame de imagem ante-mortem) apresenta uma radiografia periapical com o dente primeiro molar decíduo inferior direito (elemento 84) com imagem sugestiva de lesão cariosa profunda e lesão de furca associada, tendo como plano de tratamento sugerido a endodontia deste elemento. Ao analisar o odontograma (apresentado abaixo na Figura 04), um dos documentos indispensáveis do prontuário, percebe-se que é possível confirmar que foi feito um tratamento endodôntico neste mesmo dente, além do plano de tratamento e datas de consultas iniciais. Verificando a radiografia obtida post-mortem (Figura 03), percebe-se que o elemento 84 apresenta imagem sugestiva de material radiopaco presente nos canais radiculares e assoalho da câmara pulpar, além de imagem de baixa radiopacidade em região oclusal deste elemento compatíveis com tratamentos endodôntico e restaurador realizados respectivamente.
O sistema permite ainda, a comparação direta de duas imagens radiográficas. Neste caso, as imagens seguem a mesma rotina de comparação, entretanto, aqui elas são comparadas diretamente sem nenhuma varredura no banco de dados. A Figura 05 mostra a comparação de duas imagens distintas.







Figura 04 – Odontograma e plano de tratamento contido em prontuário cadastrado no sistema

Fonte: Elaborada pelos autores

Figura 05 – Comparação de duas Imagens Radiográficas
Fonte: Elaborada pelos autores
Ao analisar o comportamento do sistema frente à testes com elevada carga de dados (como inserção de diversas imagens ao mesmo tempo, alteração da resolução das imagens, dentre outros), notou-se que o mesmo se comportou dentro do esperado, mantendo o tempo médio de comparações e upload de documentos. Os resultados obtidos foram satisfatórios. O sistema apresentou nos testes realizados, variação entre 70 e 85% de semelhança nas comparações feitas entre imagens pertencentes ao mesmo paciente.
Pode-se observar que a escolha de um sistema WEB foi um acerto técnico do projeto, visto que sua concepção demanda sistemas que podem ser acessados de qualquer lugar e a qualquer momento. Notou-se também a importância acadêmica deste projeto. Ao alimentar o sistema com informações de pacientes em tratamento, monta-se uma base de dados rica em conhecimentos e que pode ser compartilhada para fins de estudo. Este fato possibilita ter, de forma coesa e organizada, informações de diversos cidadãos, além de possibilitar e fomentar diversas linhas de pesquisa em um panorama odontológico.




Considerações Finais
A odontologia legal alcança um papel indubitavelmente relevante no processo de identificação humana, sendo incontestável a atuação do odontolegista como protagonista deste processo, uma vez que sua atuação é responsável por fornecer esclarecimentos à justiça de maneira eficaz para uma identificação positiva. A inteligência artificial tem um potencial muito grande neste cenário, uma vez que a avaliação odontológica forense tem como uma de suas bases a análise de imagens de diferentes modalidades para suplementar e auxiliar situações especificas. Os exames de imagem fornecem detalhes dos elementos dentários e estruturas anatomo-morfológicas e são registros objetivos do indivíduo, que não podem ser substituídos por registros escritos. A inclusão de um sistema como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Referências
Bajari, P., Chernozhukov, V., Hortaçsu, A., & Suzuki, J. (2019, May). The impact of big data on firm performance: An empirical investigation. In AEA Papers and Proceedings (Vol. 109, pp. 33-37), doi: 10.1257/pandp.20191000.
Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319(13), 1317-1318, doi:10.1001/jama.2017.18391.
Bianch, Betuel De Vico (2019). A importância da atuação do odontolegista na identificação pessoal de corpos carbonizados e a determinação do gênero. REVISTA UNINGÁ, [S.l.], v. 56, n. S3, p. 119-129, ISSN 2318-0579. Disponível em: <http://revista.uninga.br/index.php/uninga/article/view/246>. Acesso em: 02 set. 2019.
BRAGA, A. V. et al. Inteligência Artificial na Medicina. (2018). Anais do Congresso Internacional de Pesquisa, Ensino e Extensão – CIPEEX, 2, 937-941. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
BRASIL - Conselho Federal de Odontologia – Resolução CFO-179 de 19 de dezembro de 1991 alterado pelo Regulamento nº 01, de 05/06/1998. (1998). Código de Ética Odontológico – Rio de Janeiro, CFO 1998. Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Conselho Federal de Odontologia – Resolução CFO-183/1992 - Código de Processo Ético · Resolução CFO-63/05 – Consolidação das Normas para Procedimentos no Conselhos de Odontologia. (1992). Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Lei nº 13.105, de 16 de março de 2015. Altera o Código de Processo Civil. (2015). Disponível em < http://www.rb.org.br/detalhe_artigo.asp?id=838&idioma=Portugues > Acesso em Ago. 2019.
Carvalho, S. P. M., da Silva, R. H. A., Lopes-Júnior, C., & Peres, A. S. (2009). A utilização de imagens na identificação humana em odontologia legal. Radiologia Brasileira, 42(2), 125-130. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
CARVALHO, R. B. et al. (2012). Informatização na área da saúde/ odontologia: prontuário único e eletrônico do paciente. Revista Brasileira de Pesquisa em Saúde, Vitória, v. 3, n. 14, p.58-67. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
Castilho, J. M. L.; Lopreto, C. A. R. (2015). A Evolução dos Aparelhos de Raios-X. Três Lagoas. Disponível em: <http://books.scielo.org/id/q5/pdf/navarro-9788523209247-04.pdf>. Acesso em: Ago. 2019.
Costantini, S., De Gasperis, G., & Olivieri, R. (2019). Digital forensics and investigations meet artificial intelligence. Annals of Mathematics and Artificial Intelligence, 1-37. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
de Almeida Bordigon, A. C., Silva, T. S., Dani, V. S., Fantinato, M., & Pereira, R. C. B. (2018, November). Processamento de Linguagem Natural na Identificação e Modelagem de Processos de Negócio: Uma Revisão Sistemática da Literatura. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação (pp. 198-191). SBC. Disponível em: < https://sol.sbc.org.br/index.php/sbsi/article/view/5087 >. Acesso em: 02 set. 2019.
De Almeida, S. M., Carvalho, S. P. M., & Radicchi, R. (2017). Aspectos legais da documentação odontológica: uma revisão sobre validade legal, privacidade e aceitação no meio jurídico. RBOL-Revista Brasileira de Odontologia Legal, 4(2), doi: http://dx.doi.org/10.21117/rbol.v4i2.96
Denny, C., Jacob, A. S., Ahmed, J., Natarajan, S., & Binnal, A. (2018). Frontal sinus as an aid in gender identification in forensic dentistry: A retrospective study using cone beam computed tomography. World Journal of Dentistry, 9(1), 34-37, doi: 10.5005/jp-journals-10015-1503
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6. ed. Editora Atlas SA. Disponível em: < http://hdl.handle.net/123456789/707>. Acesso em: 02 set. 2019.
de Souza Gonçalves, A., Marcelino, J. C., do PRADO, M. M., & da SILVA, R. F. (2014). Identificação humana utilizando radiografia pa de seios maxilares: relato de caso. RBOL-Revista Brasileira de Odontologia Legal, 1(1), doi: http://dx.doi.org/10.21117/rbol.v1i1.5
Gruber, J., & Kameyama, M. M. (2001). O papel da Radiologia em Odontologia Legal. Pesquisa Odontológica Brasileira, 15(3), 263-268. Disponível em: < http://www.scielo.br/pdf/%0D/pob/v15n3/a14v15n3.pdf>. Acesso em: 02 set. 2019.
Jackson, P. C. (2019). Introduction to artificial intelligence. Courier Dover Publications.
Johnson, K. W., Soto, J. T., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., ... & Dudley, J. T. (2018). Artificial intelligence in cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679, doi: 10.1016/j.jacc.2018.03.521
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436, doi: https://doi.org/10.1038/nature14539
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375, doi: https://doi.org/10.1007/s11036-017-0932-8
Luckow, D. H., & de Melo, A. A. (2010). Programação Java para a WEB. Novatec Editora.
Miller, D. D., & Brown, E. W. (2018). Artificial intelligence in medical practice: the question to the answer?. The American journal of medicine, 131(2), 129-133, doi: https://doi.org/10.1016/j.amjmed.2017.10.035.
Nadal, L., Poletto, A. C., & Fosquiera, E. C. (2018). Identificação humana pela arcada dentária através do prontuário odontológico. REVISTA UNINGÁ REVIEW, 24(1). Disponível em: <http://revista.uninga.br/index.php/uningareviews/article/view/1670>. Acesso em: 02 set. 2019.
Neville et al. Patologia Oral & Maxilofacial. 3ª Rio de Janeiro, Elsevier, 2009
Pan, H., Tao, J., Qian, M., Zhou, W., Qian, Y., Xie, H., ... & You, M. (2019). Concordance assessment of Watson for Oncology in breast cancer chemotherapy: first China experience. Translational Cancer Research, 8(2), 389-401, doi: 10.21037/tcr.2019.01.34.
Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., ... & Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1(1), 18, doi: https://doi.org/10.1038/s41746-018-0029-1.
SABBATINI, R. M. E. Aplicações da inteligência artificial na radiologia. PIXEON. 2018. Disponível em <https://www.pixeon.com/blog/aplicacoes-da-inteligencia-artificial-na-radiologia/> Acesso em Ago. 2019.
Silveira, D. T., & Córdova, F. P. (2009). Unidade 2–A pesquisa científica. Métodos de pesquisa, 1. Disponível em: <http://www.cesadufs.com.br/ORBI/public/uploadCatalago/09520520042012Pratica_de_Pesquisa_I_Aula_2.pdf>. Acesso em: 02 set. 2019.
Simon, G. E. (2019). Big data from health records in mental health care: hardly clairvoyant but already useful. JAMA psychiatry, 76(4), 349-350, doi:10.1001/jamapsychiatry.2018.4510
Stewart, J., Sprivulis, P., & Dwivedi, G. (2018). Artificial intelligence and machine learning in emergency medicine. Emergency Medicine Australasia, 30(6), 870-874, doi: https://doi.org/10.1111/1742-6723.13145.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44, doi: https://doi.org/10.1038/s41591-018-0300-7
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yu, K. H., & Kohane, I. S. (2019). Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf, 28(3), 238-241, doi: http://dx.doi.org/10.1136/bmjqs-2018-008551
ZILIO, Fernanda et al. (2013). Meios de identificação odontolegal. Anais da VII Mostra de Iniciação Científica e Extensão Comunitária: VI Mostra de Pesquisa e Pós-Graduação IMED, Porto Alegre. Disponível em: <https://imed.edu.br/Comunicacao/Eventos/Hotsite/x-mostra-de-iniciacao-cientifica/anais-artigos>. Acesso em: 02 set

---

Arquivo de entrada: BJPE- OdontoLegal -ArtigoFInal.docx (4626 termos)
Arquivo encontrado: http://www.forp.usp.br/restauradora/etica/etica_op.htm (280 termos)

Termos comuns: 25
Similaridade: 0,51%

6
15

Inteligência Artificial como Ferramenta para Identificação Humana em Odontologia Legal
ARTIFICIAL INTELLIGENCE AS A TOOL FOR HUMAN IDENTIFICATION IN FORENSIC DENTISTRY






Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engeneering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
Palavras-chave:
Odontologia Legal; Antropologia Forense; Inteligência Artificial.
Keywords:
Forensic Dentistry; Forensic Anthropology; Artificial Intelligence.

Copyright © 2018, Nome do Autor Completo et al. Este é um artigo open access distribuído sob a Creative Commons Attribution License, que permite uso irrestrito, distribuição e reprodução, sempre quando providenciado a devida citação do original. Os autores declaram que o mesmo não infringe qualquer direito autoral ou outro direito de propriedade de terceiros.


RESUMO
A identificação forense busca encontrar coincidências entre dados obtidos ante-mortem e post-mortem, com o objetivo de individualizar uma pessoa ou objeto, constituindo uma parte essencial de estudo e pesquisa da odontologia legal e medicina legal. Os exames imaginológicos têm sido amplamente utilizados nesse processo de reconhecimento, possibilitando a identificação do indivíduo através da verificação da unicidade de estruturas morfológicas, características anatômicas e tratamentos dentários previamente realizados. Para tanto, exames de imagem preliminares precisam ter sido realizados e estar presentes em prontuários completos, organizados e armazenados pelo máximo de tempo possível. Considerando a inexistência de legislação específica acerca da obrigatoriedade da guarda de prontuários odontológicos bem como do seu período de arquivamento, o processo de identificação forense torna-se dificultado e cada vez mais dependente. Inserindo-se nesta problemática, este artigo apresenta uma solução com inteligência artificial capaz de armazenar prontuários odontológicos, comparar e reconhecer imagens radiográficas além manter a legitimidade dos dados. O sistema desenvolvido possui uma interface gráfica que atua de forma online e permite ao usuário o cadastro da documentação odontológica. Este se mostrou capaz de determinar o nível de semelhança entre dois exames de imagem indicados pelo usuário além de buscar no banco de dados a imagem radiográfica que mais se assemelha à imagem investigada, sinalizando a identidade do candidato ao reconhecimento.


ABSTRACT
8
Forensic identification seeks to find coincidences between ante-mortem and post-mortem data, with the aim of individualizing a person or object, constituting an essential part of the study and research of legal dentistry and forensic medicine. Imaging exams have been widely used in this recognition process, enabling the identification of the individual through the verification of the uniqueness of morphological structures, anatomical characteristics and dental treatments previously performed. Therefore, preliminary imaging exams must be performed and present in complete dental records, organized and stored for as long as possible. Given the lack of specific legislation regarding the obligation to keep dental records and their filing period, the forensic identification process is becoming more difficult and increasingly dependent. Thus, this paper presents as a solution an artificial intelligence system capable of storing dental records, comparing and recognizing radiographic images besides maintaining the legitimacy of the data. The developed system has a graphical interface that acts online and allows the user to register the dental documentation. It was able to determine the level of similarity between two imaging exams indicated by the user and search the database for the radiographic image that most closely resembles the investigated image, signaling the possible identity of the candidate for recognition.



Introdução
Os prontuários odontológicos compreendem aos documentos padronizados, ordenados e concisos que reúnem as informações dos pacientes que se submeteram a algum tipo de procedimento odontológico. Além da sua importância para a organização da relação do cirurgião-dentista-paciente, esses prontuários são ferramentas que possuem finalidade jurídica, pericial e de identificação na odontologia legal (DE ALMEIDA et al., 2017).
A Odontologia Legal é um conceito ramificado da Medicina Legal, que caracteriza a perícia médica na região da cabeça e pescoço, levando em consideração nos testes, ossadas, fragmentos, peças dentarias isoladas, dentre outras estruturas anatômicas. Este conjunto de procedimentos técnico-científicos é responsável por cerca de 70% das identificações humanas em desastres em massa, comprovando por tanto sua eficácia e justificando sua aplicação nestes casos (ZILIO et al., 2013; DENNY et al., 2018).
De acordo com Bianch et al. (2019) a contribuição do odontolegista no processo de identificação humana se faz necessária quando não é possível a identificação pessoal/visual do indivíduo e/ou quando um corpo é encontrado em processo de esqueletização, carbonização, estágios avançados de decomposição, bem como estados que dificultam ou impeçam totalmente a identificação mais usual, que é a datiloscopia (impressão digital). Deste modo, verifica-se a inquestionável importância desta área na identificação de corpos em desastres ambientais, automobilísticos e criminais, uma vez que os dentes são elementos singulares que possuem extraordinária resistência, capazes de suportar temperaturas de aproximadamente 600°C e permanecerem intactos por muito tempo depois da decomposição ou carbonização do indivíduo.
Corroborando, Nadal et al. (2018) afirmam que a importância da odontologia legal pode ser evidenciada por meio de vários relatos científicos e até mesmo pela mídia, como exemplo, os dois maiores acidentes aéreos brasileiros, onde o primeiro envolveu um avião da GOL Linhas Aéreas S.A em setembro de 2003, causando a morte de 154 pessoas, e o segundo, com um avião da empresa TAM Linhas Aéreas (atual LATAM Airlines Brasil) em 2007, provocando a morte de 199 pessoas. Em ambos os casos foi necessário a aplicação de diferentes técnicas de identificação forense no processo de individualização das vítimas, incluindo a identificação por meio da arcada dentaria.
As identificações realizadas baseiam-se principalmente na comparação entre os exames radiológicos ante-mortem e post-mortem. Em um contexto histórico a utilização da radiologia nas ciências forenses foi aplicada inicialmente apenas um ano após a descoberta dos Raios X por Wilhelm Conrad Roentgen (GRUBER; KAMEYAMA, 2001). A partir deste marco foram realizadas diversas melhorias, principalmente com o surgimento da radiologia computadorizada e o avanço da informática, resultando no refinamento da técnica e viabilizando maior acuidade nas identificações, além do aumento da eficiência (visto que o tempo de processamento de imagem é menor) e possibilidade de ajustar fatores da imagem (suavização, ampliação, realce, subtração, superposição, etc.) (CASTILHO; LOPRETO, 2015).
Em contrapartida, o grande problema enfrentado pelos profissionais desta área relaciona-se ao tempo de arquivamento do prontuário, visto que inexiste legislação especifica neste aspecto, e as diversas orientações trazem entendimentos diferentes. O Art. 4º do Código de Ética Odontológica (BRASIL, 1998) determina que é dever fundamental dos profissionais a elaboração de fichas clínicas dos pacientes, além de conservá-las em arquivo próprio, não estabelecendo explicitamente o tempo de guarda dos documentos. Já o Código de Processo Ético Odontológico (BRASIL, 1992), na porção a que se refere sobre infrações éticas estabelece um prazo de 5 (cinco) anos para prescrição de tais infrações. Porém, ao analisar o Código de Processo Civil (BRASIL, 2015) percebe-se que as ações pessoais prescrevem, ordinariamente, em 20 (vinte) anos, as reais em 10 (dez), entre presentes, e entre ausentes em 15 (quinze), contados da data em que poderiam ter sido propostas. Por fim, ao analisar o parecer CFO nº. 91/2009 do Conselho Federal de Odontologia (BRASIL, 2009), é estabelecido o prazo mínimo de 10 (dez) anos, a partir do último registro, para a preservação dos prontuários dos pacientes em suporte de papel, que não foram arquivados eletronicamente em meio óptico, microfilmado ou digitalizado.
Fica evidente que a odontologia legal tem muito a contribuir no processo de identificação humana, contudo ainda há necessidade de maior incentivo na formação de profissionais especializados na área, como também em pesquisas forenses, principalmente quanto ao desenvolvimento de ferramentas tecnológicas que auxiliem neste processo. Dessa forma, em plena e rápida expansão no mundo todo, a inteligência Artificial (IA) é uma tecnologia com potenciais e funcionalidades inimagináveis que podem impactar profundamente todos os setores da sociedade. Entende-se por inteligência artificial o ramo da ciência da computação que estuda os sistemas cujo funcionamento assemelha-se ao pensamento humano, com capacidade de aprendizagem e o armazenamento de conhecimento (BRAGA et al., 2018).
Sabbatini (2018) afirma que não seria exagero dizer que, na área da saúde a IA deve trazer uma verdadeira revolução nos processos de diagnóstico e tratamento, gerando imensuráveis benefícios aos profissionais e pacientes. O mesmo vale para as aplicações da inteligência artificial nos processos de reconhecimento humano.
Inserindo-se neste contexto, projetar e desenvolver um sistema que sirva como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Inteligência Artificial
O termo Inteligência Artificial (IA) surgiu para definir um novo ramo da computação cujo o objetivo está em fazer com que os sistemas computacionais possam processar as informações e tomar decisões forma inteligente similar ao pensamento humano, a fim de se obter a capacidade de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente a respeito de um problema específico (LU et al., 2018; JACKSON, 2019).
Outro conceito que surgiu com após a difusão dos sistemas computacionais de alta performance foi o termo denominado de Big Data (BEAM; KOHANE, 2018; BAJARI et al., 2019) que se refere aos grandes conjuntos de dados provenientes dos diversos mecanismos de comunicação da atualidade que vão desde informações geradas por smartphones até dados climáticos ou de demandas populacionais. Dessa forma, devido a magnitude e complexidade dos dados envolvidos, o conceito de Big Data referencia novos métodos de processamento de dados de maneira a realizar predições e reconhecimento de padrões em imagens e sistemas (SIMON, 2019).
Após a difusão dos sistemas computacionais de alta performance as ferramentas de IA passaram a trabalhar em três eixos complementares. O primeiro eixo compreende as técnicas de aprendizado de máquina, do inglês Machine learning (WITTEN, 2016), estas permitem que os sistemas computacionais aprendam com os dados processados com a finalidade de se identificar rotinas e tomar decisões com o mínimo de intervenção humana, se tornando mais resilientes e dinâmicas após a leitura de novas informações.
O Segundo eixo se configura pela Aprendizagem profunda (Deep Learning) (LECUN et al., 2015; RAJKOMAR et al., 2018) na qual a IA se faz com a programação das chamadas Redes Neurais Artificiais (RNA). As RNAs se baseiam em uma programação que elabora um modelo matemático baseado na estrutura neural dos organismos inteligentes que desenvolvem o conhecimento por meio da experiencia vivenciada. Esta ferramenta é composta por unidades de funcionamento que são conectadas a canais de comunicação associados a um peso pré-determinado. Cada unidade da rede realiza operações sobre seus dados locais que são provenientes das conexões de entrada, assim, o comportamento inteligente de uma RNA vem das interações entre as unidades de processamento geral da rede.
Por fim, o terceiro eixo traz o Processamento de Linguagem Natural (PLN) (DE ALMEIDA, 2018), que pode ser visto como a capacidade que um sistema computacional possui em entender a linguagem humana como ela é falada. As técnicas que compõe o PLN se objetivam em analisar, reconhecer e/ou produzir textos em linguagens humanas.
Nas últimas décadas, as ferramentas de armazenamento, processamento e apresentação de dados foram sendo modernizadas, permitindo o avanço do uso da Inteligência artificial para inúmeras áreas, inclusive na saúde. Como exemplo, pode-se citar a IA chamada de Watson for Oncology, desenvolvida pela International Business Machines Corporation (IBM), e que foi treinado para resolver problemas no domínio da saúde (PAN et al., 2019).
Sistemas similares ao Watson são tendências tecnológicas cada vez mais vistas na atualidade, pois agregam facilidades aos serviços que ao serem executados apenas por seres humanos podem ser morosos e dificultados pela disponibilidade continua de profissionais da área de análise. Neste sentido, o uso das técnicas de inteligência artificial vinculados ao eficiente processamento de dados podem levar ao ser humano uma visão de trabalho diferenciada a fim de minimizar possíveis erros, bem como o tempo de prestação de serviços.
Metodologia
A natureza da pesquisa pode ser classificada como aplicada ou prática, pois, segundo Gil (2008) essa categoria de pesquisa busca gerar conhecimentos para aplicação prática dirigida à solução de problemas específicos, que no caso deste trabalho consiste em mapear e categorizar os conhecimentos relacionados a Antropologia Forense e em seguida desenvolver um plano metodológico capaz de fundamentar a implementação de uma ferramenta baseada em inteligência artificial voltada para a Odontologia Legal.
Já os procedimentos metodológicos, seguem os princípios de uma abordagem qualitativa, com um método científico indutivo e um objeto de estudo exploratório. Relativamente aos procedimentos técnicos de pesquisa, recorreu-se a pesquisa bibliográfica para o levantamento das informações mais atuais da área (SILVEIRA; CÓRDOVA, 2009). O método de pesquisa inicial foi desenvolvido a partir de procedimentos recomendados para elaboração de uma revisão integrativa da literatura, a qual tem como finalidade reunir e resumir o conhecimento científico já produzido sobre o tema investigado, ou seja, permite buscar, avaliar e sintetizar as evidências disponíveis para contribuir com o desenvolvimento do aluno envolvido no processo de iniciação científica em relação ao conhecimento na temática. A síntese do conhecimento, dos estudos incluídos na revisão, reduz incertezas sobre recomendações práticas, permite generalizações precisas sobre o fenômeno a partir das informações disponíveis limitadas e facilita a tomada de decisões com relação às intervenções que poderiam resultar no cuidado mais efetivo e de melhor custo/benefício dos sistemas envolvidos na pesquisa (MENDES et al., 2008).
De acordo com Botelho et al. (2011), a revisão integrativa pode ser dividida em seis etapas:
• Identificação do tema para a elaboração da revisão integrativa;
• Estabelecimento de critérios para inclusão e exclusão de estudos;
• Categorização dos estudos e definição das informações a serem extraídas;
• Avaliação dos estudos incluídos na revisão integrativa;
• Interpretação dos resultados;
• Apresentação da revisão e síntese do conhecimento.
Foi realizado o levantamento bibliográfico a partir de fontes secundárias nas bases ResearchGate, Scielo, Cochrane, LILACS, PUBMED e MEDLINE, de artigos publicados entre os anos 2001 a 2019 que contenham a combinação das palavras-chave “Odontologia Legal”; “Antropologia Forense”; “Inteligência Artificial”; “Redes Neurais Artificiais”; “Parâmetros da Identificação Humana”; “Métodos de Otimização”; “Parâmetros de Ajuste”. Foram pesquisados anais de congressos, resumos, livros, normas, resoluções, manuais técnicos e leis referentes ao trabalho de identificação post-mortem de pacientes, utilizando informações ante-mortem. Ao término da busca dos elementos importantes para compor a base de análise deste trabalho, os estudos foram submetidos a leitura parcial dos resumos, em seguida a síntese do conhecimento, a categorização dos estudos e, por último, a utilização dos resultados para a confecção do sistema.
Em seguida, foram realizadas as análises frente ao conhecimento adquirido com o processo da revisão integrativa apresentada acima, para a inferência dos parâmetros de entrada da inteligência artificial. Dessa forma, foram implementados os principais conceitos relacionados à programação WEB (LUCKOW; DE MELO, 2010) para montagem de um sistema composto por dois módulos distintos e interconectados. O primeiro módulo diz respeito ao recebimento de informações por meio de formulários montados com a linguagem HTML, do inglês Hypertext Markup Language, e moldados pela linguagem Cascading Style Sheets – CSS. Este módulo permite que o sistema seja alimentado pelos prontuários odontológicos, que são constituídos por todos os documentos probantes e diagnósticos dos pacientes (ficha clínica de anamnese, plano de tratamento, odontograma, consentimento esclarecido, contrato de prestação de serviço, receituário, atestados, declarações, encaminhamentos, fotografias e exames de imagem). O segundo módulo refere-se à comparação de imagens, abrangendo as funções de análise de duas imagens escolhidas pelo utilizador do sistema ou análise de uma imagem específica com todas as imagens cadastradas previamente. Para dinamicidade e armazenamento dos dados, utilizou-se as linguagens Hypertext Preprocessor - PHP, Structured Query Language - SQL e Javascript, responsáveis pela parte lógica do sistema, conexão com o banco de dados montado e a interação dos elementos em tela, respectivamente.
Na análise das imagens radiográficas cadastradas utilizou-se a função denominada compare. Esta função é responsável por inicializar as funções da classe image.compare.class.php. Esta classe é composta por cinco funções menores responsáveis pela comparação de imagens tomadas de duas a duas. Primeiro é realizada a verificação da extensão dos arquivos selecionados. Na versão atual, o sistema pode somente analisar as radiografias nos formatos Joint Photographic Group (.jpg) e Portable Network Graphics (.png). Caso as imagens apresentem estes formatos específicos, são extraídas informações como tamanho e quantidade de pixels que compõem a largura e altura das imagens. As funções posteriores redimensionam as imagens para miniaturas compostas por 64 pixels e retiram a média de cores desta figura. Por último, analisa-se pixel a pixel das figuras, baseando-se na média retirada. Para resultados mais precisos o processo é repetido aplicando-se tons de cinza em ambas imagens.
Por fim, o sistema foi integrado a uma inteligência artificial baseada em redes neurais artificiais para o alcance do aprendizado computacional onde as rotinas em que as imagens são reconhecidas podem ser confirmadas ou reprovadas pelo profissional que manipula o sistema. Essa verificação do resultado do processamento das comparações é de extrema importância para a ferramenta conseguir ser resiliente com as novas imagens carregadas e melhorar a cada instancia o acerto das comparações. Para isso realizou-se o upload de 300 imagens de domínio público a fim de se verificar a capacidade do sistema em armazenar, processar, comparar e reconhecer as imagens solicitadas.
Resultados
O sistema desenvolvido é composto por três atores distintos: cirurgiões dentistas, empresas de radiografia e odontolegistas. Os dois primeiros atores possuem função ativa no sistema, onde ambos podem cadastrar uma nova imagem radiográfica, bem como suas informações básicas e prontuários correlatos. Durante esse cadastro pode-se escolher um paciente com documentação prévia no sistema ou cadastrar os primeiros exames de um paciente. Em ambos os casos serão associadas informações que possibilitam a identificação dos pacientes e seus dados básicos como nome, idade e gênero. O terceiro ator do sistema são os Odontolegistas que possuírão acesso às funções de comparação e consulta à base de dados. A Figura 01 apresenta a interface gráfica do sistema que representa as três funcionalidades básicas acima descritas.
Figura 01 – Interface gráfica inicial do sistema desenvolvido









Fonte: Elaborada pelos autores
Dessa forma, em situações onde um indivíduo não pode ser reconhecido visualmente devido ao seu estágio avançado de decomposição, esqueletização ou carbonização, estes profissionais poderão realizar a comparação de uma imagem radiográfica realizada em tempo atual (post-mortem) com as demais radiografias previamente cadastradas no banco.
No processo de identificação humana, utilizando este sistema como ferramenta, é preciso que o utilizador (odontolegista/perito) selecione o exame de imagem atual (post-mortem) no campo “escolher arquivo”, para que o software seja capaz de processar as informações e então indicar ao profissional qual radiografia presente no prontuário do indivíduo cadastrado na base de dados mais se assemelha à radiografia selecionada. Vale ressaltar que o objetivo da ferramenta de IA neste caso é o de aprimorar, auxiliar as atividades humanas no processo de identificação bem como abreviar um processo que por si só é moroso, e não de substituir o trabalho dos profissionais designados a esta função. Isto posto, ao se deparar com uma tragédia onde o trabalho do odontolegista é custoso, complexo e dependente de registros odontológicos previamente realizados, em que muitas vezes os familiares das vítimas são os responsáveis por buscar e apresentar tais exames, o sistema desenvolvido poderia filtrar e direcionar o profissional aos possíveis candidatos a identificação, desde de que seu banco de dados tenha sido alimentado. A Figura 02 mostra a interface do sistema apresentado um exame radiográfico que faz parte do prontuário odontológico previamente cadastrado de um paciente.
Figura 02 – Exame de imagem contido em prontuário cadastrado no sistema













Fonte: Elaborada pelos autores
Já na Figura 03, o utilizador do sistema seleciona a imagem atual (post-mortem) de um indivíduo candidato a identificação, solicitando que o software indique dentre todos os registros do banco de dados aquele que apresenta maior semelhança. É possível observar o processamento, comparação e identificação da imagem, e neste exemplo especifico o sistema aponta como primeiro resultado a imagem radiográfica com maior percentual de similaridade que neste caso foi de 71.92%. Logo abaixo são mostrados os dados cadastrados sobre a imagem proveniente do sistema, além de informações pessoais do paciente, procedimento realizado e documentos associados à imagem.
Figura 03 – Comparação de Imagens Radiográficas















Fonte: Elaborada pelos autores

A veracidade da comparação realizada acima pode ser comprovada por meio de análise criteriosa pelo profissional, através dos documentos presentes no prontuário odontológico. Para Neville et al. (2009), independentemente do método de escolha para a identificação humana os resultados da comparação ante-motem e post-mortem convergem para uma das quatro situações:
Identificação positiva: Quando existe singularidade suficiente entre os dados/materiais post-mortem e os previamente registrados sem nenhuma diferença significativa;
Identificação presumível: Quando existem semelhanças entre os itens comparáveis, mas informações de ambas as fontes (ante-motem e post-mortem) são insuficientes para estabelecimento de identificação positiva;
Evidência insuficiente para identificação: Quando não existe evidência suficiente que permita comparação e conclusão baseada em princípios científicos;
Exclusão das evidencias de identificação: Quando existem inconsistências que impedem o estabelecimento de qualquer identificação.
A Figura 02 (exame de imagem ante-mortem) apresenta uma radiografia periapical com o dente primeiro molar decíduo inferior direito (elemento 84) com imagem sugestiva de lesão cariosa profunda e lesão de furca associada, tendo como plano de tratamento sugerido a endodontia deste elemento. Ao analisar o odontograma (apresentado abaixo na Figura 04), um dos documentos indispensáveis do prontuário, percebe-se que é possível confirmar que foi feito um tratamento endodôntico neste mesmo dente, além do plano de tratamento e datas de consultas iniciais. Verificando a radiografia obtida post-mortem (Figura 03), percebe-se que o elemento 84 apresenta imagem sugestiva de material radiopaco presente nos canais radiculares e assoalho da câmara pulpar, além de imagem de baixa radiopacidade em região oclusal deste elemento compatíveis com tratamentos endodôntico e restaurador realizados respectivamente.
O sistema permite ainda, a comparação direta de duas imagens radiográficas. Neste caso, as imagens seguem a mesma rotina de comparação, entretanto, aqui elas são comparadas diretamente sem nenhuma varredura no banco de dados. A Figura 05 mostra a comparação de duas imagens distintas.







Figura 04 – Odontograma e plano de tratamento contido em prontuário cadastrado no sistema

Fonte: Elaborada pelos autores

Figura 05 – Comparação de duas Imagens Radiográficas
Fonte: Elaborada pelos autores
Ao analisar o comportamento do sistema frente à testes com elevada carga de dados (como inserção de diversas imagens ao mesmo tempo, alteração da resolução das imagens, dentre outros), notou-se que o mesmo se comportou dentro do esperado, mantendo o tempo médio de comparações e upload de documentos. Os resultados obtidos foram satisfatórios. O sistema apresentou nos testes realizados, variação entre 70 e 85% de semelhança nas comparações feitas entre imagens pertencentes ao mesmo paciente.
Pode-se observar que a escolha de um sistema WEB foi um acerto técnico do projeto, visto que sua concepção demanda sistemas que podem ser acessados de qualquer lugar e a qualquer momento. Notou-se também a importância acadêmica deste projeto. Ao alimentar o sistema com informações de pacientes em tratamento, monta-se uma base de dados rica em conhecimentos e que pode ser compartilhada para fins de estudo. Este fato possibilita ter, de forma coesa e organizada, informações de diversos cidadãos, além de possibilitar e fomentar diversas linhas de pesquisa em um panorama odontológico.




Considerações Finais
A odontologia legal alcança um papel indubitavelmente relevante no processo de identificação humana, sendo incontestável a atuação do odontolegista como protagonista deste processo, uma vez que sua atuação é responsável por fornecer esclarecimentos à justiça de maneira eficaz para uma identificação positiva. A inteligência artificial tem um potencial muito grande neste cenário, uma vez que a avaliação odontológica forense tem como uma de suas bases a análise de imagens de diferentes modalidades para suplementar e auxiliar situações especificas. Os exames de imagem fornecem detalhes dos elementos dentários e estruturas anatomo-morfológicas e são registros objetivos do indivíduo, que não podem ser substituídos por registros escritos. A inclusão de um sistema como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Referências
Bajari, P., Chernozhukov, V., Hortaçsu, A., & Suzuki, J. (2019, May). The impact of big data on firm performance: An empirical investigation. In AEA Papers and Proceedings (Vol. 109, pp. 33-37), doi: 10.1257/pandp.20191000.
Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319(13), 1317-1318, doi:10.1001/jama.2017.18391.
Bianch, Betuel De Vico (2019). A importância da atuação do odontolegista na identificação pessoal de corpos carbonizados e a determinação do gênero. REVISTA UNINGÁ, [S.l.], v. 56, n. S3, p. 119-129, ISSN 2318-0579. Disponível em: <http://revista.uninga.br/index.php/uninga/article/view/246>. Acesso em: 02 set. 2019.
BRAGA, A. V. et al. Inteligência Artificial na Medicina. (2018). Anais do Congresso Internacional de Pesquisa, Ensino e Extensão – CIPEEX, 2, 937-941. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
BRASIL - Conselho Federal de Odontologia – Resolução CFO-179 de 19 de dezembro de 1991 alterado pelo Regulamento nº 01, de 05/06/1998. (1998). Código de Ética Odontológico – Rio de Janeiro, CFO 1998. Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Conselho Federal de Odontologia – Resolução CFO-183/1992 - Código de Processo Ético · Resolução CFO-63/05 – Consolidação das Normas para Procedimentos no Conselhos de Odontologia. (1992). Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Lei nº 13.105, de 16 de março de 2015. Altera o Código de Processo Civil. (2015). Disponível em < http://www.rb.org.br/detalhe_artigo.asp?id=838&idioma=Portugues > Acesso em Ago. 2019.
Carvalho, S. P. M., da Silva, R. H. A., Lopes-Júnior, C., & Peres, A. S. (2009). A utilização de imagens na identificação humana em odontologia legal. Radiologia Brasileira, 42(2), 125-130. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
CARVALHO, R. B. et al. (2012). Informatização na área da saúde/ odontologia: prontuário único e eletrônico do paciente. Revista Brasileira de Pesquisa em Saúde, Vitória, v. 3, n. 14, p.58-67. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
Castilho, J. M. L.; Lopreto, C. A. R. (2015). A Evolução dos Aparelhos de Raios-X. Três Lagoas. Disponível em: <http://books.scielo.org/id/q5/pdf/navarro-9788523209247-04.pdf>. Acesso em: Ago. 2019.
Costantini, S., De Gasperis, G., & Olivieri, R. (2019). Digital forensics and investigations meet artificial intelligence. Annals of Mathematics and Artificial Intelligence, 1-37. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
de Almeida Bordigon, A. C., Silva, T. S., Dani, V. S., Fantinato, M., & Pereira, R. C. B. (2018, November). Processamento de Linguagem Natural na Identificação e Modelagem de Processos de Negócio: Uma Revisão Sistemática da Literatura. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação (pp. 198-191). SBC. Disponível em: < https://sol.sbc.org.br/index.php/sbsi/article/view/5087 >. Acesso em: 02 set. 2019.
De Almeida, S. M., Carvalho, S. P. M., & Radicchi, R. (2017). Aspectos legais da documentação odontológica: uma revisão sobre validade legal, privacidade e aceitação no meio jurídico. RBOL-Revista Brasileira de Odontologia Legal, 4(2), doi: http://dx.doi.org/10.21117/rbol.v4i2.96
Denny, C., Jacob, A. S., Ahmed, J., Natarajan, S., & Binnal, A. (2018). Frontal sinus as an aid in gender identification in forensic dentistry: A retrospective study using cone beam computed tomography. World Journal of Dentistry, 9(1), 34-37, doi: 10.5005/jp-journals-10015-1503
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6. ed. Editora Atlas SA. Disponível em: < http://hdl.handle.net/123456789/707>. Acesso em: 02 set. 2019.
de Souza Gonçalves, A., Marcelino, J. C., do PRADO, M. M., & da SILVA, R. F. (2014). Identificação humana utilizando radiografia pa de seios maxilares: relato de caso. RBOL-Revista Brasileira de Odontologia Legal, 1(1), doi: http://dx.doi.org/10.21117/rbol.v1i1.5
Gruber, J., & Kameyama, M. M. (2001). O papel da Radiologia em Odontologia Legal. Pesquisa Odontológica Brasileira, 15(3), 263-268. Disponível em: < http://www.scielo.br/pdf/%0D/pob/v15n3/a14v15n3.pdf>. Acesso em: 02 set. 2019.
Jackson, P. C. (2019). Introduction to artificial intelligence. Courier Dover Publications.
Johnson, K. W., Soto, J. T., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., ... & Dudley, J. T. (2018). Artificial intelligence in cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679, doi: 10.1016/j.jacc.2018.03.521
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436, doi: https://doi.org/10.1038/nature14539
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375, doi: https://doi.org/10.1007/s11036-017-0932-8
Luckow, D. H., & de Melo, A. A. (2010). Programação Java para a WEB. Novatec Editora.
Miller, D. D., & Brown, E. W. (2018). Artificial intelligence in medical practice: the question to the answer?. The American journal of medicine, 131(2), 129-133, doi: https://doi.org/10.1016/j.amjmed.2017.10.035.
Nadal, L., Poletto, A. C., & Fosquiera, E. C. (2018). Identificação humana pela arcada dentária através do prontuário odontológico. REVISTA UNINGÁ REVIEW, 24(1). Disponível em: <http://revista.uninga.br/index.php/uningareviews/article/view/1670>. Acesso em: 02 set. 2019.
Neville et al. Patologia Oral & Maxilofacial. 3ª Rio de Janeiro, Elsevier, 2009
Pan, H., Tao, J., Qian, M., Zhou, W., Qian, Y., Xie, H., ... & You, M. (2019). Concordance assessment of Watson for Oncology in breast cancer chemotherapy: first China experience. Translational Cancer Research, 8(2), 389-401, doi: 10.21037/tcr.2019.01.34.
Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., ... & Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1(1), 18, doi: https://doi.org/10.1038/s41746-018-0029-1.
SABBATINI, R. M. E. Aplicações da inteligência artificial na radiologia. PIXEON. 2018. Disponível em <https://www.pixeon.com/blog/aplicacoes-da-inteligencia-artificial-na-radiologia/> Acesso em Ago. 2019.
Silveira, D. T., & Córdova, F. P. (2009). Unidade 2–A pesquisa científica. Métodos de pesquisa, 1. Disponível em: <http://www.cesadufs.com.br/ORBI/public/uploadCatalago/09520520042012Pratica_de_Pesquisa_I_Aula_2.pdf>. Acesso em: 02 set. 2019.
Simon, G. E. (2019). Big data from health records in mental health care: hardly clairvoyant but already useful. JAMA psychiatry, 76(4), 349-350, doi:10.1001/jamapsychiatry.2018.4510
Stewart, J., Sprivulis, P., & Dwivedi, G. (2018). Artificial intelligence and machine learning in emergency medicine. Emergency Medicine Australasia, 30(6), 870-874, doi: https://doi.org/10.1111/1742-6723.13145.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44, doi: https://doi.org/10.1038/s41591-018-0300-7
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yu, K. H., & Kohane, I. S. (2019). Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf, 28(3), 238-241, doi: http://dx.doi.org/10.1136/bmjqs-2018-008551
ZILIO, Fernanda et al. (2013). Meios de identificação odontolegal. Anais da VII Mostra de Iniciação Científica e Extensão Comunitária: VI Mostra de Pesquisa e Pós-Graduação IMED, Porto Alegre. Disponível em: <https://imed.edu.br/Comunicacao/Eventos/Hotsite/x-mostra-de-iniciacao-cientifica/anais-artigos>. Acesso em: 02 set

---

Arquivo de entrada: BJPE- OdontoLegal -ArtigoFInal.docx (4626 termos)
Arquivo encontrado: https://dx.doi.org/ (66 termos)

Termos comuns: 0
Similaridade: 0%

6
15

Inteligência Artificial como Ferramenta para Identificação Humana em Odontologia Legal
ARTIFICIAL INTELLIGENCE AS A TOOL FOR HUMAN IDENTIFICATION IN FORENSIC DENTISTRY






Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engeneering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
Palavras-chave:
Odontologia Legal; Antropologia Forense; Inteligência Artificial.
Keywords:
Forensic Dentistry; Forensic Anthropology; Artificial Intelligence.

Copyright © 2018, Nome do Autor Completo et al. Este é um artigo open access distribuído sob a Creative Commons Attribution License, que permite uso irrestrito, distribuição e reprodução, sempre quando providenciado a devida citação do original. Os autores declaram que o mesmo não infringe qualquer direito autoral ou outro direito de propriedade de terceiros.


RESUMO
A identificação forense busca encontrar coincidências entre dados obtidos ante-mortem e post-mortem, com o objetivo de individualizar uma pessoa ou objeto, constituindo uma parte essencial de estudo e pesquisa da odontologia legal e medicina legal. Os exames imaginológicos têm sido amplamente utilizados nesse processo de reconhecimento, possibilitando a identificação do indivíduo através da verificação da unicidade de estruturas morfológicas, características anatômicas e tratamentos dentários previamente realizados. Para tanto, exames de imagem preliminares precisam ter sido realizados e estar presentes em prontuários completos, organizados e armazenados pelo máximo de tempo possível. Considerando a inexistência de legislação específica acerca da obrigatoriedade da guarda de prontuários odontológicos bem como do seu período de arquivamento, o processo de identificação forense torna-se dificultado e cada vez mais dependente. Inserindo-se nesta problemática, este artigo apresenta uma solução com inteligência artificial capaz de armazenar prontuários odontológicos, comparar e reconhecer imagens radiográficas além manter a legitimidade dos dados. O sistema desenvolvido possui uma interface gráfica que atua de forma online e permite ao usuário o cadastro da documentação odontológica. Este se mostrou capaz de determinar o nível de semelhança entre dois exames de imagem indicados pelo usuário além de buscar no banco de dados a imagem radiográfica que mais se assemelha à imagem investigada, sinalizando a identidade do candidato ao reconhecimento.


ABSTRACT
8
Forensic identification seeks to find coincidences between ante-mortem and post-mortem data, with the aim of individualizing a person or object, constituting an essential part of the study and research of legal dentistry and forensic medicine. Imaging exams have been widely used in this recognition process, enabling the identification of the individual through the verification of the uniqueness of morphological structures, anatomical characteristics and dental treatments previously performed. Therefore, preliminary imaging exams must be performed and present in complete dental records, organized and stored for as long as possible. Given the lack of specific legislation regarding the obligation to keep dental records and their filing period, the forensic identification process is becoming more difficult and increasingly dependent. Thus, this paper presents as a solution an artificial intelligence system capable of storing dental records, comparing and recognizing radiographic images besides maintaining the legitimacy of the data. The developed system has a graphical interface that acts online and allows the user to register the dental documentation. It was able to determine the level of similarity between two imaging exams indicated by the user and search the database for the radiographic image that most closely resembles the investigated image, signaling the possible identity of the candidate for recognition.



Introdução
Os prontuários odontológicos compreendem aos documentos padronizados, ordenados e concisos que reúnem as informações dos pacientes que se submeteram a algum tipo de procedimento odontológico. Além da sua importância para a organização da relação do cirurgião-dentista-paciente, esses prontuários são ferramentas que possuem finalidade jurídica, pericial e de identificação na odontologia legal (DE ALMEIDA et al., 2017).
A Odontologia Legal é um conceito ramificado da Medicina Legal, que caracteriza a perícia médica na região da cabeça e pescoço, levando em consideração nos testes, ossadas, fragmentos, peças dentarias isoladas, dentre outras estruturas anatômicas. Este conjunto de procedimentos técnico-científicos é responsável por cerca de 70% das identificações humanas em desastres em massa, comprovando por tanto sua eficácia e justificando sua aplicação nestes casos (ZILIO et al., 2013; DENNY et al., 2018).
De acordo com Bianch et al. (2019) a contribuição do odontolegista no processo de identificação humana se faz necessária quando não é possível a identificação pessoal/visual do indivíduo e/ou quando um corpo é encontrado em processo de esqueletização, carbonização, estágios avançados de decomposição, bem como estados que dificultam ou impeçam totalmente a identificação mais usual, que é a datiloscopia (impressão digital). Deste modo, verifica-se a inquestionável importância desta área na identificação de corpos em desastres ambientais, automobilísticos e criminais, uma vez que os dentes são elementos singulares que possuem extraordinária resistência, capazes de suportar temperaturas de aproximadamente 600°C e permanecerem intactos por muito tempo depois da decomposição ou carbonização do indivíduo.
Corroborando, Nadal et al. (2018) afirmam que a importância da odontologia legal pode ser evidenciada por meio de vários relatos científicos e até mesmo pela mídia, como exemplo, os dois maiores acidentes aéreos brasileiros, onde o primeiro envolveu um avião da GOL Linhas Aéreas S.A em setembro de 2003, causando a morte de 154 pessoas, e o segundo, com um avião da empresa TAM Linhas Aéreas (atual LATAM Airlines Brasil) em 2007, provocando a morte de 199 pessoas. Em ambos os casos foi necessário a aplicação de diferentes técnicas de identificação forense no processo de individualização das vítimas, incluindo a identificação por meio da arcada dentaria.
As identificações realizadas baseiam-se principalmente na comparação entre os exames radiológicos ante-mortem e post-mortem. Em um contexto histórico a utilização da radiologia nas ciências forenses foi aplicada inicialmente apenas um ano após a descoberta dos Raios X por Wilhelm Conrad Roentgen (GRUBER; KAMEYAMA, 2001). A partir deste marco foram realizadas diversas melhorias, principalmente com o surgimento da radiologia computadorizada e o avanço da informática, resultando no refinamento da técnica e viabilizando maior acuidade nas identificações, além do aumento da eficiência (visto que o tempo de processamento de imagem é menor) e possibilidade de ajustar fatores da imagem (suavização, ampliação, realce, subtração, superposição, etc.) (CASTILHO; LOPRETO, 2015).
Em contrapartida, o grande problema enfrentado pelos profissionais desta área relaciona-se ao tempo de arquivamento do prontuário, visto que inexiste legislação especifica neste aspecto, e as diversas orientações trazem entendimentos diferentes. O Art. 4º do Código de Ética Odontológica (BRASIL, 1998) determina que é dever fundamental dos profissionais a elaboração de fichas clínicas dos pacientes, além de conservá-las em arquivo próprio, não estabelecendo explicitamente o tempo de guarda dos documentos. Já o Código de Processo Ético Odontológico (BRASIL, 1992), na porção a que se refere sobre infrações éticas estabelece um prazo de 5 (cinco) anos para prescrição de tais infrações. Porém, ao analisar o Código de Processo Civil (BRASIL, 2015) percebe-se que as ações pessoais prescrevem, ordinariamente, em 20 (vinte) anos, as reais em 10 (dez), entre presentes, e entre ausentes em 15 (quinze), contados da data em que poderiam ter sido propostas. Por fim, ao analisar o parecer CFO nº. 91/2009 do Conselho Federal de Odontologia (BRASIL, 2009), é estabelecido o prazo mínimo de 10 (dez) anos, a partir do último registro, para a preservação dos prontuários dos pacientes em suporte de papel, que não foram arquivados eletronicamente em meio óptico, microfilmado ou digitalizado.
Fica evidente que a odontologia legal tem muito a contribuir no processo de identificação humana, contudo ainda há necessidade de maior incentivo na formação de profissionais especializados na área, como também em pesquisas forenses, principalmente quanto ao desenvolvimento de ferramentas tecnológicas que auxiliem neste processo. Dessa forma, em plena e rápida expansão no mundo todo, a inteligência Artificial (IA) é uma tecnologia com potenciais e funcionalidades inimagináveis que podem impactar profundamente todos os setores da sociedade. Entende-se por inteligência artificial o ramo da ciência da computação que estuda os sistemas cujo funcionamento assemelha-se ao pensamento humano, com capacidade de aprendizagem e o armazenamento de conhecimento (BRAGA et al., 2018).
Sabbatini (2018) afirma que não seria exagero dizer que, na área da saúde a IA deve trazer uma verdadeira revolução nos processos de diagnóstico e tratamento, gerando imensuráveis benefícios aos profissionais e pacientes. O mesmo vale para as aplicações da inteligência artificial nos processos de reconhecimento humano.
Inserindo-se neste contexto, projetar e desenvolver um sistema que sirva como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Inteligência Artificial
O termo Inteligência Artificial (IA) surgiu para definir um novo ramo da computação cujo o objetivo está em fazer com que os sistemas computacionais possam processar as informações e tomar decisões forma inteligente similar ao pensamento humano, a fim de se obter a capacidade de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente a respeito de um problema específico (LU et al., 2018; JACKSON, 2019).
Outro conceito que surgiu com após a difusão dos sistemas computacionais de alta performance foi o termo denominado de Big Data (BEAM; KOHANE, 2018; BAJARI et al., 2019) que se refere aos grandes conjuntos de dados provenientes dos diversos mecanismos de comunicação da atualidade que vão desde informações geradas por smartphones até dados climáticos ou de demandas populacionais. Dessa forma, devido a magnitude e complexidade dos dados envolvidos, o conceito de Big Data referencia novos métodos de processamento de dados de maneira a realizar predições e reconhecimento de padrões em imagens e sistemas (SIMON, 2019).
Após a difusão dos sistemas computacionais de alta performance as ferramentas de IA passaram a trabalhar em três eixos complementares. O primeiro eixo compreende as técnicas de aprendizado de máquina, do inglês Machine learning (WITTEN, 2016), estas permitem que os sistemas computacionais aprendam com os dados processados com a finalidade de se identificar rotinas e tomar decisões com o mínimo de intervenção humana, se tornando mais resilientes e dinâmicas após a leitura de novas informações.
O Segundo eixo se configura pela Aprendizagem profunda (Deep Learning) (LECUN et al., 2015; RAJKOMAR et al., 2018) na qual a IA se faz com a programação das chamadas Redes Neurais Artificiais (RNA). As RNAs se baseiam em uma programação que elabora um modelo matemático baseado na estrutura neural dos organismos inteligentes que desenvolvem o conhecimento por meio da experiencia vivenciada. Esta ferramenta é composta por unidades de funcionamento que são conectadas a canais de comunicação associados a um peso pré-determinado. Cada unidade da rede realiza operações sobre seus dados locais que são provenientes das conexões de entrada, assim, o comportamento inteligente de uma RNA vem das interações entre as unidades de processamento geral da rede.
Por fim, o terceiro eixo traz o Processamento de Linguagem Natural (PLN) (DE ALMEIDA, 2018), que pode ser visto como a capacidade que um sistema computacional possui em entender a linguagem humana como ela é falada. As técnicas que compõe o PLN se objetivam em analisar, reconhecer e/ou produzir textos em linguagens humanas.
Nas últimas décadas, as ferramentas de armazenamento, processamento e apresentação de dados foram sendo modernizadas, permitindo o avanço do uso da Inteligência artificial para inúmeras áreas, inclusive na saúde. Como exemplo, pode-se citar a IA chamada de Watson for Oncology, desenvolvida pela International Business Machines Corporation (IBM), e que foi treinado para resolver problemas no domínio da saúde (PAN et al., 2019).
Sistemas similares ao Watson são tendências tecnológicas cada vez mais vistas na atualidade, pois agregam facilidades aos serviços que ao serem executados apenas por seres humanos podem ser morosos e dificultados pela disponibilidade continua de profissionais da área de análise. Neste sentido, o uso das técnicas de inteligência artificial vinculados ao eficiente processamento de dados podem levar ao ser humano uma visão de trabalho diferenciada a fim de minimizar possíveis erros, bem como o tempo de prestação de serviços.
Metodologia
A natureza da pesquisa pode ser classificada como aplicada ou prática, pois, segundo Gil (2008) essa categoria de pesquisa busca gerar conhecimentos para aplicação prática dirigida à solução de problemas específicos, que no caso deste trabalho consiste em mapear e categorizar os conhecimentos relacionados a Antropologia Forense e em seguida desenvolver um plano metodológico capaz de fundamentar a implementação de uma ferramenta baseada em inteligência artificial voltada para a Odontologia Legal.
Já os procedimentos metodológicos, seguem os princípios de uma abordagem qualitativa, com um método científico indutivo e um objeto de estudo exploratório. Relativamente aos procedimentos técnicos de pesquisa, recorreu-se a pesquisa bibliográfica para o levantamento das informações mais atuais da área (SILVEIRA; CÓRDOVA, 2009). O método de pesquisa inicial foi desenvolvido a partir de procedimentos recomendados para elaboração de uma revisão integrativa da literatura, a qual tem como finalidade reunir e resumir o conhecimento científico já produzido sobre o tema investigado, ou seja, permite buscar, avaliar e sintetizar as evidências disponíveis para contribuir com o desenvolvimento do aluno envolvido no processo de iniciação científica em relação ao conhecimento na temática. A síntese do conhecimento, dos estudos incluídos na revisão, reduz incertezas sobre recomendações práticas, permite generalizações precisas sobre o fenômeno a partir das informações disponíveis limitadas e facilita a tomada de decisões com relação às intervenções que poderiam resultar no cuidado mais efetivo e de melhor custo/benefício dos sistemas envolvidos na pesquisa (MENDES et al., 2008).
De acordo com Botelho et al. (2011), a revisão integrativa pode ser dividida em seis etapas:
• Identificação do tema para a elaboração da revisão integrativa;
• Estabelecimento de critérios para inclusão e exclusão de estudos;
• Categorização dos estudos e definição das informações a serem extraídas;
• Avaliação dos estudos incluídos na revisão integrativa;
• Interpretação dos resultados;
• Apresentação da revisão e síntese do conhecimento.
Foi realizado o levantamento bibliográfico a partir de fontes secundárias nas bases ResearchGate, Scielo, Cochrane, LILACS, PUBMED e MEDLINE, de artigos publicados entre os anos 2001 a 2019 que contenham a combinação das palavras-chave “Odontologia Legal”; “Antropologia Forense”; “Inteligência Artificial”; “Redes Neurais Artificiais”; “Parâmetros da Identificação Humana”; “Métodos de Otimização”; “Parâmetros de Ajuste”. Foram pesquisados anais de congressos, resumos, livros, normas, resoluções, manuais técnicos e leis referentes ao trabalho de identificação post-mortem de pacientes, utilizando informações ante-mortem. Ao término da busca dos elementos importantes para compor a base de análise deste trabalho, os estudos foram submetidos a leitura parcial dos resumos, em seguida a síntese do conhecimento, a categorização dos estudos e, por último, a utilização dos resultados para a confecção do sistema.
Em seguida, foram realizadas as análises frente ao conhecimento adquirido com o processo da revisão integrativa apresentada acima, para a inferência dos parâmetros de entrada da inteligência artificial. Dessa forma, foram implementados os principais conceitos relacionados à programação WEB (LUCKOW; DE MELO, 2010) para montagem de um sistema composto por dois módulos distintos e interconectados. O primeiro módulo diz respeito ao recebimento de informações por meio de formulários montados com a linguagem HTML, do inglês Hypertext Markup Language, e moldados pela linguagem Cascading Style Sheets – CSS. Este módulo permite que o sistema seja alimentado pelos prontuários odontológicos, que são constituídos por todos os documentos probantes e diagnósticos dos pacientes (ficha clínica de anamnese, plano de tratamento, odontograma, consentimento esclarecido, contrato de prestação de serviço, receituário, atestados, declarações, encaminhamentos, fotografias e exames de imagem). O segundo módulo refere-se à comparação de imagens, abrangendo as funções de análise de duas imagens escolhidas pelo utilizador do sistema ou análise de uma imagem específica com todas as imagens cadastradas previamente. Para dinamicidade e armazenamento dos dados, utilizou-se as linguagens Hypertext Preprocessor - PHP, Structured Query Language - SQL e Javascript, responsáveis pela parte lógica do sistema, conexão com o banco de dados montado e a interação dos elementos em tela, respectivamente.
Na análise das imagens radiográficas cadastradas utilizou-se a função denominada compare. Esta função é responsável por inicializar as funções da classe image.compare.class.php. Esta classe é composta por cinco funções menores responsáveis pela comparação de imagens tomadas de duas a duas. Primeiro é realizada a verificação da extensão dos arquivos selecionados. Na versão atual, o sistema pode somente analisar as radiografias nos formatos Joint Photographic Group (.jpg) e Portable Network Graphics (.png). Caso as imagens apresentem estes formatos específicos, são extraídas informações como tamanho e quantidade de pixels que compõem a largura e altura das imagens. As funções posteriores redimensionam as imagens para miniaturas compostas por 64 pixels e retiram a média de cores desta figura. Por último, analisa-se pixel a pixel das figuras, baseando-se na média retirada. Para resultados mais precisos o processo é repetido aplicando-se tons de cinza em ambas imagens.
Por fim, o sistema foi integrado a uma inteligência artificial baseada em redes neurais artificiais para o alcance do aprendizado computacional onde as rotinas em que as imagens são reconhecidas podem ser confirmadas ou reprovadas pelo profissional que manipula o sistema. Essa verificação do resultado do processamento das comparações é de extrema importância para a ferramenta conseguir ser resiliente com as novas imagens carregadas e melhorar a cada instancia o acerto das comparações. Para isso realizou-se o upload de 300 imagens de domínio público a fim de se verificar a capacidade do sistema em armazenar, processar, comparar e reconhecer as imagens solicitadas.
Resultados
O sistema desenvolvido é composto por três atores distintos: cirurgiões dentistas, empresas de radiografia e odontolegistas. Os dois primeiros atores possuem função ativa no sistema, onde ambos podem cadastrar uma nova imagem radiográfica, bem como suas informações básicas e prontuários correlatos. Durante esse cadastro pode-se escolher um paciente com documentação prévia no sistema ou cadastrar os primeiros exames de um paciente. Em ambos os casos serão associadas informações que possibilitam a identificação dos pacientes e seus dados básicos como nome, idade e gênero. O terceiro ator do sistema são os Odontolegistas que possuírão acesso às funções de comparação e consulta à base de dados. A Figura 01 apresenta a interface gráfica do sistema que representa as três funcionalidades básicas acima descritas.
Figura 01 – Interface gráfica inicial do sistema desenvolvido









Fonte: Elaborada pelos autores
Dessa forma, em situações onde um indivíduo não pode ser reconhecido visualmente devido ao seu estágio avançado de decomposição, esqueletização ou carbonização, estes profissionais poderão realizar a comparação de uma imagem radiográfica realizada em tempo atual (post-mortem) com as demais radiografias previamente cadastradas no banco.
No processo de identificação humana, utilizando este sistema como ferramenta, é preciso que o utilizador (odontolegista/perito) selecione o exame de imagem atual (post-mortem) no campo “escolher arquivo”, para que o software seja capaz de processar as informações e então indicar ao profissional qual radiografia presente no prontuário do indivíduo cadastrado na base de dados mais se assemelha à radiografia selecionada. Vale ressaltar que o objetivo da ferramenta de IA neste caso é o de aprimorar, auxiliar as atividades humanas no processo de identificação bem como abreviar um processo que por si só é moroso, e não de substituir o trabalho dos profissionais designados a esta função. Isto posto, ao se deparar com uma tragédia onde o trabalho do odontolegista é custoso, complexo e dependente de registros odontológicos previamente realizados, em que muitas vezes os familiares das vítimas são os responsáveis por buscar e apresentar tais exames, o sistema desenvolvido poderia filtrar e direcionar o profissional aos possíveis candidatos a identificação, desde de que seu banco de dados tenha sido alimentado. A Figura 02 mostra a interface do sistema apresentado um exame radiográfico que faz parte do prontuário odontológico previamente cadastrado de um paciente.
Figura 02 – Exame de imagem contido em prontuário cadastrado no sistema













Fonte: Elaborada pelos autores
Já na Figura 03, o utilizador do sistema seleciona a imagem atual (post-mortem) de um indivíduo candidato a identificação, solicitando que o software indique dentre todos os registros do banco de dados aquele que apresenta maior semelhança. É possível observar o processamento, comparação e identificação da imagem, e neste exemplo especifico o sistema aponta como primeiro resultado a imagem radiográfica com maior percentual de similaridade que neste caso foi de 71.92%. Logo abaixo são mostrados os dados cadastrados sobre a imagem proveniente do sistema, além de informações pessoais do paciente, procedimento realizado e documentos associados à imagem.
Figura 03 – Comparação de Imagens Radiográficas















Fonte: Elaborada pelos autores

A veracidade da comparação realizada acima pode ser comprovada por meio de análise criteriosa pelo profissional, através dos documentos presentes no prontuário odontológico. Para Neville et al. (2009), independentemente do método de escolha para a identificação humana os resultados da comparação ante-motem e post-mortem convergem para uma das quatro situações:
Identificação positiva: Quando existe singularidade suficiente entre os dados/materiais post-mortem e os previamente registrados sem nenhuma diferença significativa;
Identificação presumível: Quando existem semelhanças entre os itens comparáveis, mas informações de ambas as fontes (ante-motem e post-mortem) são insuficientes para estabelecimento de identificação positiva;
Evidência insuficiente para identificação: Quando não existe evidência suficiente que permita comparação e conclusão baseada em princípios científicos;
Exclusão das evidencias de identificação: Quando existem inconsistências que impedem o estabelecimento de qualquer identificação.
A Figura 02 (exame de imagem ante-mortem) apresenta uma radiografia periapical com o dente primeiro molar decíduo inferior direito (elemento 84) com imagem sugestiva de lesão cariosa profunda e lesão de furca associada, tendo como plano de tratamento sugerido a endodontia deste elemento. Ao analisar o odontograma (apresentado abaixo na Figura 04), um dos documentos indispensáveis do prontuário, percebe-se que é possível confirmar que foi feito um tratamento endodôntico neste mesmo dente, além do plano de tratamento e datas de consultas iniciais. Verificando a radiografia obtida post-mortem (Figura 03), percebe-se que o elemento 84 apresenta imagem sugestiva de material radiopaco presente nos canais radiculares e assoalho da câmara pulpar, além de imagem de baixa radiopacidade em região oclusal deste elemento compatíveis com tratamentos endodôntico e restaurador realizados respectivamente.
O sistema permite ainda, a comparação direta de duas imagens radiográficas. Neste caso, as imagens seguem a mesma rotina de comparação, entretanto, aqui elas são comparadas diretamente sem nenhuma varredura no banco de dados. A Figura 05 mostra a comparação de duas imagens distintas.







Figura 04 – Odontograma e plano de tratamento contido em prontuário cadastrado no sistema

Fonte: Elaborada pelos autores

Figura 05 – Comparação de duas Imagens Radiográficas
Fonte: Elaborada pelos autores
Ao analisar o comportamento do sistema frente à testes com elevada carga de dados (como inserção de diversas imagens ao mesmo tempo, alteração da resolução das imagens, dentre outros), notou-se que o mesmo se comportou dentro do esperado, mantendo o tempo médio de comparações e upload de documentos. Os resultados obtidos foram satisfatórios. O sistema apresentou nos testes realizados, variação entre 70 e 85% de semelhança nas comparações feitas entre imagens pertencentes ao mesmo paciente.
Pode-se observar que a escolha de um sistema WEB foi um acerto técnico do projeto, visto que sua concepção demanda sistemas que podem ser acessados de qualquer lugar e a qualquer momento. Notou-se também a importância acadêmica deste projeto. Ao alimentar o sistema com informações de pacientes em tratamento, monta-se uma base de dados rica em conhecimentos e que pode ser compartilhada para fins de estudo. Este fato possibilita ter, de forma coesa e organizada, informações de diversos cidadãos, além de possibilitar e fomentar diversas linhas de pesquisa em um panorama odontológico.




Considerações Finais
A odontologia legal alcança um papel indubitavelmente relevante no processo de identificação humana, sendo incontestável a atuação do odontolegista como protagonista deste processo, uma vez que sua atuação é responsável por fornecer esclarecimentos à justiça de maneira eficaz para uma identificação positiva. A inteligência artificial tem um potencial muito grande neste cenário, uma vez que a avaliação odontológica forense tem como uma de suas bases a análise de imagens de diferentes modalidades para suplementar e auxiliar situações especificas. Os exames de imagem fornecem detalhes dos elementos dentários e estruturas anatomo-morfológicas e são registros objetivos do indivíduo, que não podem ser substituídos por registros escritos. A inclusão de um sistema como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Referências
Bajari, P., Chernozhukov, V., Hortaçsu, A., & Suzuki, J. (2019, May). The impact of big data on firm performance: An empirical investigation. In AEA Papers and Proceedings (Vol. 109, pp. 33-37), doi: 10.1257/pandp.20191000.
Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319(13), 1317-1318, doi:10.1001/jama.2017.18391.
Bianch, Betuel De Vico (2019). A importância da atuação do odontolegista na identificação pessoal de corpos carbonizados e a determinação do gênero. REVISTA UNINGÁ, [S.l.], v. 56, n. S3, p. 119-129, ISSN 2318-0579. Disponível em: <http://revista.uninga.br/index.php/uninga/article/view/246>. Acesso em: 02 set. 2019.
BRAGA, A. V. et al. Inteligência Artificial na Medicina. (2018). Anais do Congresso Internacional de Pesquisa, Ensino e Extensão – CIPEEX, 2, 937-941. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
BRASIL - Conselho Federal de Odontologia – Resolução CFO-179 de 19 de dezembro de 1991 alterado pelo Regulamento nº 01, de 05/06/1998. (1998). Código de Ética Odontológico – Rio de Janeiro, CFO 1998. Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Conselho Federal de Odontologia – Resolução CFO-183/1992 - Código de Processo Ético · Resolução CFO-63/05 – Consolidação das Normas para Procedimentos no Conselhos de Odontologia. (1992). Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Lei nº 13.105, de 16 de março de 2015. Altera o Código de Processo Civil. (2015). Disponível em < http://www.rb.org.br/detalhe_artigo.asp?id=838&idioma=Portugues > Acesso em Ago. 2019.
Carvalho, S. P. M., da Silva, R. H. A., Lopes-Júnior, C., & Peres, A. S. (2009). A utilização de imagens na identificação humana em odontologia legal. Radiologia Brasileira, 42(2), 125-130. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
CARVALHO, R. B. et al. (2012). Informatização na área da saúde/ odontologia: prontuário único e eletrônico do paciente. Revista Brasileira de Pesquisa em Saúde, Vitória, v. 3, n. 14, p.58-67. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
Castilho, J. M. L.; Lopreto, C. A. R. (2015). A Evolução dos Aparelhos de Raios-X. Três Lagoas. Disponível em: <http://books.scielo.org/id/q5/pdf/navarro-9788523209247-04.pdf>. Acesso em: Ago. 2019.
Costantini, S., De Gasperis, G., & Olivieri, R. (2019). Digital forensics and investigations meet artificial intelligence. Annals of Mathematics and Artificial Intelligence, 1-37. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
de Almeida Bordigon, A. C., Silva, T. S., Dani, V. S., Fantinato, M., & Pereira, R. C. B. (2018, November). Processamento de Linguagem Natural na Identificação e Modelagem de Processos de Negócio: Uma Revisão Sistemática da Literatura. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação (pp. 198-191). SBC. Disponível em: < https://sol.sbc.org.br/index.php/sbsi/article/view/5087 >. Acesso em: 02 set. 2019.
De Almeida, S. M., Carvalho, S. P. M., & Radicchi, R. (2017). Aspectos legais da documentação odontológica: uma revisão sobre validade legal, privacidade e aceitação no meio jurídico. RBOL-Revista Brasileira de Odontologia Legal, 4(2), doi: http://dx.doi.org/10.21117/rbol.v4i2.96
Denny, C., Jacob, A. S., Ahmed, J., Natarajan, S., & Binnal, A. (2018). Frontal sinus as an aid in gender identification in forensic dentistry: A retrospective study using cone beam computed tomography. World Journal of Dentistry, 9(1), 34-37, doi: 10.5005/jp-journals-10015-1503
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6. ed. Editora Atlas SA. Disponível em: < http://hdl.handle.net/123456789/707>. Acesso em: 02 set. 2019.
de Souza Gonçalves, A., Marcelino, J. C., do PRADO, M. M., & da SILVA, R. F. (2014). Identificação humana utilizando radiografia pa de seios maxilares: relato de caso. RBOL-Revista Brasileira de Odontologia Legal, 1(1), doi: http://dx.doi.org/10.21117/rbol.v1i1.5
Gruber, J., & Kameyama, M. M. (2001). O papel da Radiologia em Odontologia Legal. Pesquisa Odontológica Brasileira, 15(3), 263-268. Disponível em: < http://www.scielo.br/pdf/%0D/pob/v15n3/a14v15n3.pdf>. Acesso em: 02 set. 2019.
Jackson, P. C. (2019). Introduction to artificial intelligence. Courier Dover Publications.
Johnson, K. W., Soto, J. T., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., ... & Dudley, J. T. (2018). Artificial intelligence in cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679, doi: 10.1016/j.jacc.2018.03.521
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436, doi: https://doi.org/10.1038/nature14539
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375, doi: https://doi.org/10.1007/s11036-017-0932-8
Luckow, D. H., & de Melo, A. A. (2010). Programação Java para a WEB. Novatec Editora.
Miller, D. D., & Brown, E. W. (2018). Artificial intelligence in medical practice: the question to the answer?. The American journal of medicine, 131(2), 129-133, doi: https://doi.org/10.1016/j.amjmed.2017.10.035.
Nadal, L., Poletto, A. C., & Fosquiera, E. C. (2018). Identificação humana pela arcada dentária através do prontuário odontológico. REVISTA UNINGÁ REVIEW, 24(1). Disponível em: <http://revista.uninga.br/index.php/uningareviews/article/view/1670>. Acesso em: 02 set. 2019.
Neville et al. Patologia Oral & Maxilofacial. 3ª Rio de Janeiro, Elsevier, 2009
Pan, H., Tao, J., Qian, M., Zhou, W., Qian, Y., Xie, H., ... & You, M. (2019). Concordance assessment of Watson for Oncology in breast cancer chemotherapy: first China experience. Translational Cancer Research, 8(2), 389-401, doi: 10.21037/tcr.2019.01.34.
Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., ... & Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1(1), 18, doi: https://doi.org/10.1038/s41746-018-0029-1.
SABBATINI, R. M. E. Aplicações da inteligência artificial na radiologia. PIXEON. 2018. Disponível em <https://www.pixeon.com/blog/aplicacoes-da-inteligencia-artificial-na-radiologia/> Acesso em Ago. 2019.
Silveira, D. T., & Córdova, F. P. (2009). Unidade 2–A pesquisa científica. Métodos de pesquisa, 1. Disponível em: <http://www.cesadufs.com.br/ORBI/public/uploadCatalago/09520520042012Pratica_de_Pesquisa_I_Aula_2.pdf>. Acesso em: 02 set. 2019.
Simon, G. E. (2019). Big data from health records in mental health care: hardly clairvoyant but already useful. JAMA psychiatry, 76(4), 349-350, doi:10.1001/jamapsychiatry.2018.4510
Stewart, J., Sprivulis, P., & Dwivedi, G. (2018). Artificial intelligence and machine learning in emergency medicine. Emergency Medicine Australasia, 30(6), 870-874, doi: https://doi.org/10.1111/1742-6723.13145.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44, doi: https://doi.org/10.1038/s41591-018-0300-7
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yu, K. H., & Kohane, I. S. (2019). Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf, 28(3), 238-241, doi: http://dx.doi.org/10.1136/bmjqs-2018-008551
ZILIO, Fernanda et al. (2013). Meios de identificação odontolegal. Anais da VII Mostra de Iniciação Científica e Extensão Comunitária: VI Mostra de Pesquisa e Pós-Graduação IMED, Porto Alegre. Disponível em: <https://imed.edu.br/Comunicacao/Eventos/Hotsite/x-mostra-de-iniciacao-cientifica/anais-artigos>. Acesso em: 02 set

---

Arquivo de entrada: BJPE- OdontoLegal -ArtigoFInal.docx (4626 termos)
Arquivo encontrado: https://rsd.unifei.edu.br/index.php/rsd/article/view/1024 (959 termos)

Termos comuns: 29
Similaridade: 0,52%

6
15

Inteligência Artificial como Ferramenta para Identificação Humana em Odontologia Legal
ARTIFICIAL INTELLIGENCE AS A TOOL FOR HUMAN IDENTIFICATION IN FORENSIC DENTISTRY






Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engeneering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
Palavras-chave:
Odontologia Legal; Antropologia Forense; Inteligência Artificial.
Keywords:
Forensic Dentistry; Forensic Anthropology; Artificial Intelligence.

Copyright © 2018, Nome do Autor Completo et al. Este é um artigo open access distribuído sob a Creative Commons Attribution License, que permite uso irrestrito, distribuição e reprodução, sempre quando providenciado a devida citação do original. Os autores declaram que o mesmo não infringe qualquer direito autoral ou outro direito de propriedade de terceiros.


RESUMO
A identificação forense busca encontrar coincidências entre dados obtidos ante-mortem e post-mortem, com o objetivo de individualizar uma pessoa ou objeto, constituindo uma parte essencial de estudo e pesquisa da odontologia legal e medicina legal. Os exames imaginológicos têm sido amplamente utilizados nesse processo de reconhecimento, possibilitando a identificação do indivíduo através da verificação da unicidade de estruturas morfológicas, características anatômicas e tratamentos dentários previamente realizados. Para tanto, exames de imagem preliminares precisam ter sido realizados e estar presentes em prontuários completos, organizados e armazenados pelo máximo de tempo possível. Considerando a inexistência de legislação específica acerca da obrigatoriedade da guarda de prontuários odontológicos bem como do seu período de arquivamento, o processo de identificação forense torna-se dificultado e cada vez mais dependente. Inserindo-se nesta problemática, este artigo apresenta uma solução com inteligência artificial capaz de armazenar prontuários odontológicos, comparar e reconhecer imagens radiográficas além manter a legitimidade dos dados. O sistema desenvolvido possui uma interface gráfica que atua de forma online e permite ao usuário o cadastro da documentação odontológica. Este se mostrou capaz de determinar o nível de semelhança entre dois exames de imagem indicados pelo usuário além de buscar no banco de dados a imagem radiográfica que mais se assemelha à imagem investigada, sinalizando a identidade do candidato ao reconhecimento.


ABSTRACT
8
Forensic identification seeks to find coincidences between ante-mortem and post-mortem data, with the aim of individualizing a person or object, constituting an essential part of the study and research of legal dentistry and forensic medicine. Imaging exams have been widely used in this recognition process, enabling the identification of the individual through the verification of the uniqueness of morphological structures, anatomical characteristics and dental treatments previously performed. Therefore, preliminary imaging exams must be performed and present in complete dental records, organized and stored for as long as possible. Given the lack of specific legislation regarding the obligation to keep dental records and their filing period, the forensic identification process is becoming more difficult and increasingly dependent. Thus, this paper presents as a solution an artificial intelligence system capable of storing dental records, comparing and recognizing radiographic images besides maintaining the legitimacy of the data. The developed system has a graphical interface that acts online and allows the user to register the dental documentation. It was able to determine the level of similarity between two imaging exams indicated by the user and search the database for the radiographic image that most closely resembles the investigated image, signaling the possible identity of the candidate for recognition.



Introdução
Os prontuários odontológicos compreendem aos documentos padronizados, ordenados e concisos que reúnem as informações dos pacientes que se submeteram a algum tipo de procedimento odontológico. Além da sua importância para a organização da relação do cirurgião-dentista-paciente, esses prontuários são ferramentas que possuem finalidade jurídica, pericial e de identificação na odontologia legal (DE ALMEIDA et al., 2017).
A Odontologia Legal é um conceito ramificado da Medicina Legal, que caracteriza a perícia médica na região da cabeça e pescoço, levando em consideração nos testes, ossadas, fragmentos, peças dentarias isoladas, dentre outras estruturas anatômicas. Este conjunto de procedimentos técnico-científicos é responsável por cerca de 70% das identificações humanas em desastres em massa, comprovando por tanto sua eficácia e justificando sua aplicação nestes casos (ZILIO et al., 2013; DENNY et al., 2018).
De acordo com Bianch et al. (2019) a contribuição do odontolegista no processo de identificação humana se faz necessária quando não é possível a identificação pessoal/visual do indivíduo e/ou quando um corpo é encontrado em processo de esqueletização, carbonização, estágios avançados de decomposição, bem como estados que dificultam ou impeçam totalmente a identificação mais usual, que é a datiloscopia (impressão digital). Deste modo, verifica-se a inquestionável importância desta área na identificação de corpos em desastres ambientais, automobilísticos e criminais, uma vez que os dentes são elementos singulares que possuem extraordinária resistência, capazes de suportar temperaturas de aproximadamente 600°C e permanecerem intactos por muito tempo depois da decomposição ou carbonização do indivíduo.
Corroborando, Nadal et al. (2018) afirmam que a importância da odontologia legal pode ser evidenciada por meio de vários relatos científicos e até mesmo pela mídia, como exemplo, os dois maiores acidentes aéreos brasileiros, onde o primeiro envolveu um avião da GOL Linhas Aéreas S.A em setembro de 2003, causando a morte de 154 pessoas, e o segundo, com um avião da empresa TAM Linhas Aéreas (atual LATAM Airlines Brasil) em 2007, provocando a morte de 199 pessoas. Em ambos os casos foi necessário a aplicação de diferentes técnicas de identificação forense no processo de individualização das vítimas, incluindo a identificação por meio da arcada dentaria.
As identificações realizadas baseiam-se principalmente na comparação entre os exames radiológicos ante-mortem e post-mortem. Em um contexto histórico a utilização da radiologia nas ciências forenses foi aplicada inicialmente apenas um ano após a descoberta dos Raios X por Wilhelm Conrad Roentgen (GRUBER; KAMEYAMA, 2001). A partir deste marco foram realizadas diversas melhorias, principalmente com o surgimento da radiologia computadorizada e o avanço da informática, resultando no refinamento da técnica e viabilizando maior acuidade nas identificações, além do aumento da eficiência (visto que o tempo de processamento de imagem é menor) e possibilidade de ajustar fatores da imagem (suavização, ampliação, realce, subtração, superposição, etc.) (CASTILHO; LOPRETO, 2015).
Em contrapartida, o grande problema enfrentado pelos profissionais desta área relaciona-se ao tempo de arquivamento do prontuário, visto que inexiste legislação especifica neste aspecto, e as diversas orientações trazem entendimentos diferentes. O Art. 4º do Código de Ética Odontológica (BRASIL, 1998) determina que é dever fundamental dos profissionais a elaboração de fichas clínicas dos pacientes, além de conservá-las em arquivo próprio, não estabelecendo explicitamente o tempo de guarda dos documentos. Já o Código de Processo Ético Odontológico (BRASIL, 1992), na porção a que se refere sobre infrações éticas estabelece um prazo de 5 (cinco) anos para prescrição de tais infrações. Porém, ao analisar o Código de Processo Civil (BRASIL, 2015) percebe-se que as ações pessoais prescrevem, ordinariamente, em 20 (vinte) anos, as reais em 10 (dez), entre presentes, e entre ausentes em 15 (quinze), contados da data em que poderiam ter sido propostas. Por fim, ao analisar o parecer CFO nº. 91/2009 do Conselho Federal de Odontologia (BRASIL, 2009), é estabelecido o prazo mínimo de 10 (dez) anos, a partir do último registro, para a preservação dos prontuários dos pacientes em suporte de papel, que não foram arquivados eletronicamente em meio óptico, microfilmado ou digitalizado.
Fica evidente que a odontologia legal tem muito a contribuir no processo de identificação humana, contudo ainda há necessidade de maior incentivo na formação de profissionais especializados na área, como também em pesquisas forenses, principalmente quanto ao desenvolvimento de ferramentas tecnológicas que auxiliem neste processo. Dessa forma, em plena e rápida expansão no mundo todo, a inteligência Artificial (IA) é uma tecnologia com potenciais e funcionalidades inimagináveis que podem impactar profundamente todos os setores da sociedade. Entende-se por inteligência artificial o ramo da ciência da computação que estuda os sistemas cujo funcionamento assemelha-se ao pensamento humano, com capacidade de aprendizagem e o armazenamento de conhecimento (BRAGA et al., 2018).
Sabbatini (2018) afirma que não seria exagero dizer que, na área da saúde a IA deve trazer uma verdadeira revolução nos processos de diagnóstico e tratamento, gerando imensuráveis benefícios aos profissionais e pacientes. O mesmo vale para as aplicações da inteligência artificial nos processos de reconhecimento humano.
Inserindo-se neste contexto, projetar e desenvolver um sistema que sirva como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Inteligência Artificial
O termo Inteligência Artificial (IA) surgiu para definir um novo ramo da computação cujo o objetivo está em fazer com que os sistemas computacionais possam processar as informações e tomar decisões forma inteligente similar ao pensamento humano, a fim de se obter a capacidade de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente a respeito de um problema específico (LU et al., 2018; JACKSON, 2019).
Outro conceito que surgiu com após a difusão dos sistemas computacionais de alta performance foi o termo denominado de Big Data (BEAM; KOHANE, 2018; BAJARI et al., 2019) que se refere aos grandes conjuntos de dados provenientes dos diversos mecanismos de comunicação da atualidade que vão desde informações geradas por smartphones até dados climáticos ou de demandas populacionais. Dessa forma, devido a magnitude e complexidade dos dados envolvidos, o conceito de Big Data referencia novos métodos de processamento de dados de maneira a realizar predições e reconhecimento de padrões em imagens e sistemas (SIMON, 2019).
Após a difusão dos sistemas computacionais de alta performance as ferramentas de IA passaram a trabalhar em três eixos complementares. O primeiro eixo compreende as técnicas de aprendizado de máquina, do inglês Machine learning (WITTEN, 2016), estas permitem que os sistemas computacionais aprendam com os dados processados com a finalidade de se identificar rotinas e tomar decisões com o mínimo de intervenção humana, se tornando mais resilientes e dinâmicas após a leitura de novas informações.
O Segundo eixo se configura pela Aprendizagem profunda (Deep Learning) (LECUN et al., 2015; RAJKOMAR et al., 2018) na qual a IA se faz com a programação das chamadas Redes Neurais Artificiais (RNA). As RNAs se baseiam em uma programação que elabora um modelo matemático baseado na estrutura neural dos organismos inteligentes que desenvolvem o conhecimento por meio da experiencia vivenciada. Esta ferramenta é composta por unidades de funcionamento que são conectadas a canais de comunicação associados a um peso pré-determinado. Cada unidade da rede realiza operações sobre seus dados locais que são provenientes das conexões de entrada, assim, o comportamento inteligente de uma RNA vem das interações entre as unidades de processamento geral da rede.
Por fim, o terceiro eixo traz o Processamento de Linguagem Natural (PLN) (DE ALMEIDA, 2018), que pode ser visto como a capacidade que um sistema computacional possui em entender a linguagem humana como ela é falada. As técnicas que compõe o PLN se objetivam em analisar, reconhecer e/ou produzir textos em linguagens humanas.
Nas últimas décadas, as ferramentas de armazenamento, processamento e apresentação de dados foram sendo modernizadas, permitindo o avanço do uso da Inteligência artificial para inúmeras áreas, inclusive na saúde. Como exemplo, pode-se citar a IA chamada de Watson for Oncology, desenvolvida pela International Business Machines Corporation (IBM), e que foi treinado para resolver problemas no domínio da saúde (PAN et al., 2019).
Sistemas similares ao Watson são tendências tecnológicas cada vez mais vistas na atualidade, pois agregam facilidades aos serviços que ao serem executados apenas por seres humanos podem ser morosos e dificultados pela disponibilidade continua de profissionais da área de análise. Neste sentido, o uso das técnicas de inteligência artificial vinculados ao eficiente processamento de dados podem levar ao ser humano uma visão de trabalho diferenciada a fim de minimizar possíveis erros, bem como o tempo de prestação de serviços.
Metodologia
A natureza da pesquisa pode ser classificada como aplicada ou prática, pois, segundo Gil (2008) essa categoria de pesquisa busca gerar conhecimentos para aplicação prática dirigida à solução de problemas específicos, que no caso deste trabalho consiste em mapear e categorizar os conhecimentos relacionados a Antropologia Forense e em seguida desenvolver um plano metodológico capaz de fundamentar a implementação de uma ferramenta baseada em inteligência artificial voltada para a Odontologia Legal.
Já os procedimentos metodológicos, seguem os princípios de uma abordagem qualitativa, com um método científico indutivo e um objeto de estudo exploratório. Relativamente aos procedimentos técnicos de pesquisa, recorreu-se a pesquisa bibliográfica para o levantamento das informações mais atuais da área (SILVEIRA; CÓRDOVA, 2009). O método de pesquisa inicial foi desenvolvido a partir de procedimentos recomendados para elaboração de uma revisão integrativa da literatura, a qual tem como finalidade reunir e resumir o conhecimento científico já produzido sobre o tema investigado, ou seja, permite buscar, avaliar e sintetizar as evidências disponíveis para contribuir com o desenvolvimento do aluno envolvido no processo de iniciação científica em relação ao conhecimento na temática. A síntese do conhecimento, dos estudos incluídos na revisão, reduz incertezas sobre recomendações práticas, permite generalizações precisas sobre o fenômeno a partir das informações disponíveis limitadas e facilita a tomada de decisões com relação às intervenções que poderiam resultar no cuidado mais efetivo e de melhor custo/benefício dos sistemas envolvidos na pesquisa (MENDES et al., 2008).
De acordo com Botelho et al. (2011), a revisão integrativa pode ser dividida em seis etapas:
• Identificação do tema para a elaboração da revisão integrativa;
• Estabelecimento de critérios para inclusão e exclusão de estudos;
• Categorização dos estudos e definição das informações a serem extraídas;
• Avaliação dos estudos incluídos na revisão integrativa;
• Interpretação dos resultados;
• Apresentação da revisão e síntese do conhecimento.
Foi realizado o levantamento bibliográfico a partir de fontes secundárias nas bases ResearchGate, Scielo, Cochrane, LILACS, PUBMED e MEDLINE, de artigos publicados entre os anos 2001 a 2019 que contenham a combinação das palavras-chave “Odontologia Legal”; “Antropologia Forense”; “Inteligência Artificial”; “Redes Neurais Artificiais”; “Parâmetros da Identificação Humana”; “Métodos de Otimização”; “Parâmetros de Ajuste”. Foram pesquisados anais de congressos, resumos, livros, normas, resoluções, manuais técnicos e leis referentes ao trabalho de identificação post-mortem de pacientes, utilizando informações ante-mortem. Ao término da busca dos elementos importantes para compor a base de análise deste trabalho, os estudos foram submetidos a leitura parcial dos resumos, em seguida a síntese do conhecimento, a categorização dos estudos e, por último, a utilização dos resultados para a confecção do sistema.
Em seguida, foram realizadas as análises frente ao conhecimento adquirido com o processo da revisão integrativa apresentada acima, para a inferência dos parâmetros de entrada da inteligência artificial. Dessa forma, foram implementados os principais conceitos relacionados à programação WEB (LUCKOW; DE MELO, 2010) para montagem de um sistema composto por dois módulos distintos e interconectados. O primeiro módulo diz respeito ao recebimento de informações por meio de formulários montados com a linguagem HTML, do inglês Hypertext Markup Language, e moldados pela linguagem Cascading Style Sheets – CSS. Este módulo permite que o sistema seja alimentado pelos prontuários odontológicos, que são constituídos por todos os documentos probantes e diagnósticos dos pacientes (ficha clínica de anamnese, plano de tratamento, odontograma, consentimento esclarecido, contrato de prestação de serviço, receituário, atestados, declarações, encaminhamentos, fotografias e exames de imagem). O segundo módulo refere-se à comparação de imagens, abrangendo as funções de análise de duas imagens escolhidas pelo utilizador do sistema ou análise de uma imagem específica com todas as imagens cadastradas previamente. Para dinamicidade e armazenamento dos dados, utilizou-se as linguagens Hypertext Preprocessor - PHP, Structured Query Language - SQL e Javascript, responsáveis pela parte lógica do sistema, conexão com o banco de dados montado e a interação dos elementos em tela, respectivamente.
Na análise das imagens radiográficas cadastradas utilizou-se a função denominada compare. Esta função é responsável por inicializar as funções da classe image.compare.class.php. Esta classe é composta por cinco funções menores responsáveis pela comparação de imagens tomadas de duas a duas. Primeiro é realizada a verificação da extensão dos arquivos selecionados. Na versão atual, o sistema pode somente analisar as radiografias nos formatos Joint Photographic Group (.jpg) e Portable Network Graphics (.png). Caso as imagens apresentem estes formatos específicos, são extraídas informações como tamanho e quantidade de pixels que compõem a largura e altura das imagens. As funções posteriores redimensionam as imagens para miniaturas compostas por 64 pixels e retiram a média de cores desta figura. Por último, analisa-se pixel a pixel das figuras, baseando-se na média retirada. Para resultados mais precisos o processo é repetido aplicando-se tons de cinza em ambas imagens.
Por fim, o sistema foi integrado a uma inteligência artificial baseada em redes neurais artificiais para o alcance do aprendizado computacional onde as rotinas em que as imagens são reconhecidas podem ser confirmadas ou reprovadas pelo profissional que manipula o sistema. Essa verificação do resultado do processamento das comparações é de extrema importância para a ferramenta conseguir ser resiliente com as novas imagens carregadas e melhorar a cada instancia o acerto das comparações. Para isso realizou-se o upload de 300 imagens de domínio público a fim de se verificar a capacidade do sistema em armazenar, processar, comparar e reconhecer as imagens solicitadas.
Resultados
O sistema desenvolvido é composto por três atores distintos: cirurgiões dentistas, empresas de radiografia e odontolegistas. Os dois primeiros atores possuem função ativa no sistema, onde ambos podem cadastrar uma nova imagem radiográfica, bem como suas informações básicas e prontuários correlatos. Durante esse cadastro pode-se escolher um paciente com documentação prévia no sistema ou cadastrar os primeiros exames de um paciente. Em ambos os casos serão associadas informações que possibilitam a identificação dos pacientes e seus dados básicos como nome, idade e gênero. O terceiro ator do sistema são os Odontolegistas que possuírão acesso às funções de comparação e consulta à base de dados. A Figura 01 apresenta a interface gráfica do sistema que representa as três funcionalidades básicas acima descritas.
Figura 01 – Interface gráfica inicial do sistema desenvolvido









Fonte: Elaborada pelos autores
Dessa forma, em situações onde um indivíduo não pode ser reconhecido visualmente devido ao seu estágio avançado de decomposição, esqueletização ou carbonização, estes profissionais poderão realizar a comparação de uma imagem radiográfica realizada em tempo atual (post-mortem) com as demais radiografias previamente cadastradas no banco.
No processo de identificação humana, utilizando este sistema como ferramenta, é preciso que o utilizador (odontolegista/perito) selecione o exame de imagem atual (post-mortem) no campo “escolher arquivo”, para que o software seja capaz de processar as informações e então indicar ao profissional qual radiografia presente no prontuário do indivíduo cadastrado na base de dados mais se assemelha à radiografia selecionada. Vale ressaltar que o objetivo da ferramenta de IA neste caso é o de aprimorar, auxiliar as atividades humanas no processo de identificação bem como abreviar um processo que por si só é moroso, e não de substituir o trabalho dos profissionais designados a esta função. Isto posto, ao se deparar com uma tragédia onde o trabalho do odontolegista é custoso, complexo e dependente de registros odontológicos previamente realizados, em que muitas vezes os familiares das vítimas são os responsáveis por buscar e apresentar tais exames, o sistema desenvolvido poderia filtrar e direcionar o profissional aos possíveis candidatos a identificação, desde de que seu banco de dados tenha sido alimentado. A Figura 02 mostra a interface do sistema apresentado um exame radiográfico que faz parte do prontuário odontológico previamente cadastrado de um paciente.
Figura 02 – Exame de imagem contido em prontuário cadastrado no sistema













Fonte: Elaborada pelos autores
Já na Figura 03, o utilizador do sistema seleciona a imagem atual (post-mortem) de um indivíduo candidato a identificação, solicitando que o software indique dentre todos os registros do banco de dados aquele que apresenta maior semelhança. É possível observar o processamento, comparação e identificação da imagem, e neste exemplo especifico o sistema aponta como primeiro resultado a imagem radiográfica com maior percentual de similaridade que neste caso foi de 71.92%. Logo abaixo são mostrados os dados cadastrados sobre a imagem proveniente do sistema, além de informações pessoais do paciente, procedimento realizado e documentos associados à imagem.
Figura 03 – Comparação de Imagens Radiográficas















Fonte: Elaborada pelos autores

A veracidade da comparação realizada acima pode ser comprovada por meio de análise criteriosa pelo profissional, através dos documentos presentes no prontuário odontológico. Para Neville et al. (2009), independentemente do método de escolha para a identificação humana os resultados da comparação ante-motem e post-mortem convergem para uma das quatro situações:
Identificação positiva: Quando existe singularidade suficiente entre os dados/materiais post-mortem e os previamente registrados sem nenhuma diferença significativa;
Identificação presumível: Quando existem semelhanças entre os itens comparáveis, mas informações de ambas as fontes (ante-motem e post-mortem) são insuficientes para estabelecimento de identificação positiva;
Evidência insuficiente para identificação: Quando não existe evidência suficiente que permita comparação e conclusão baseada em princípios científicos;
Exclusão das evidencias de identificação: Quando existem inconsistências que impedem o estabelecimento de qualquer identificação.
A Figura 02 (exame de imagem ante-mortem) apresenta uma radiografia periapical com o dente primeiro molar decíduo inferior direito (elemento 84) com imagem sugestiva de lesão cariosa profunda e lesão de furca associada, tendo como plano de tratamento sugerido a endodontia deste elemento. Ao analisar o odontograma (apresentado abaixo na Figura 04), um dos documentos indispensáveis do prontuário, percebe-se que é possível confirmar que foi feito um tratamento endodôntico neste mesmo dente, além do plano de tratamento e datas de consultas iniciais. Verificando a radiografia obtida post-mortem (Figura 03), percebe-se que o elemento 84 apresenta imagem sugestiva de material radiopaco presente nos canais radiculares e assoalho da câmara pulpar, além de imagem de baixa radiopacidade em região oclusal deste elemento compatíveis com tratamentos endodôntico e restaurador realizados respectivamente.
O sistema permite ainda, a comparação direta de duas imagens radiográficas. Neste caso, as imagens seguem a mesma rotina de comparação, entretanto, aqui elas são comparadas diretamente sem nenhuma varredura no banco de dados. A Figura 05 mostra a comparação de duas imagens distintas.







Figura 04 – Odontograma e plano de tratamento contido em prontuário cadastrado no sistema

Fonte: Elaborada pelos autores

Figura 05 – Comparação de duas Imagens Radiográficas
Fonte: Elaborada pelos autores
Ao analisar o comportamento do sistema frente à testes com elevada carga de dados (como inserção de diversas imagens ao mesmo tempo, alteração da resolução das imagens, dentre outros), notou-se que o mesmo se comportou dentro do esperado, mantendo o tempo médio de comparações e upload de documentos. Os resultados obtidos foram satisfatórios. O sistema apresentou nos testes realizados, variação entre 70 e 85% de semelhança nas comparações feitas entre imagens pertencentes ao mesmo paciente.
Pode-se observar que a escolha de um sistema WEB foi um acerto técnico do projeto, visto que sua concepção demanda sistemas que podem ser acessados de qualquer lugar e a qualquer momento. Notou-se também a importância acadêmica deste projeto. Ao alimentar o sistema com informações de pacientes em tratamento, monta-se uma base de dados rica em conhecimentos e que pode ser compartilhada para fins de estudo. Este fato possibilita ter, de forma coesa e organizada, informações de diversos cidadãos, além de possibilitar e fomentar diversas linhas de pesquisa em um panorama odontológico.




Considerações Finais
A odontologia legal alcança um papel indubitavelmente relevante no processo de identificação humana, sendo incontestável a atuação do odontolegista como protagonista deste processo, uma vez que sua atuação é responsável por fornecer esclarecimentos à justiça de maneira eficaz para uma identificação positiva. A inteligência artificial tem um potencial muito grande neste cenário, uma vez que a avaliação odontológica forense tem como uma de suas bases a análise de imagens de diferentes modalidades para suplementar e auxiliar situações especificas. Os exames de imagem fornecem detalhes dos elementos dentários e estruturas anatomo-morfológicas e são registros objetivos do indivíduo, que não podem ser substituídos por registros escritos. A inclusão de um sistema como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Referências
Bajari, P., Chernozhukov, V., Hortaçsu, A., & Suzuki, J. (2019, May). The impact of big data on firm performance: An empirical investigation. In AEA Papers and Proceedings (Vol. 109, pp. 33-37), doi: 10.1257/pandp.20191000.
Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319(13), 1317-1318, doi:10.1001/jama.2017.18391.
Bianch, Betuel De Vico (2019). A importância da atuação do odontolegista na identificação pessoal de corpos carbonizados e a determinação do gênero. REVISTA UNINGÁ, [S.l.], v. 56, n. S3, p. 119-129, ISSN 2318-0579. Disponível em: <http://revista.uninga.br/index.php/uninga/article/view/246>. Acesso em: 02 set. 2019.
BRAGA, A. V. et al. Inteligência Artificial na Medicina. (2018). Anais do Congresso Internacional de Pesquisa, Ensino e Extensão – CIPEEX, 2, 937-941. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
BRASIL - Conselho Federal de Odontologia – Resolução CFO-179 de 19 de dezembro de 1991 alterado pelo Regulamento nº 01, de 05/06/1998. (1998). Código de Ética Odontológico – Rio de Janeiro, CFO 1998. Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Conselho Federal de Odontologia – Resolução CFO-183/1992 - Código de Processo Ético · Resolução CFO-63/05 – Consolidação das Normas para Procedimentos no Conselhos de Odontologia. (1992). Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Lei nº 13.105, de 16 de março de 2015. Altera o Código de Processo Civil. (2015). Disponível em < http://www.rb.org.br/detalhe_artigo.asp?id=838&idioma=Portugues > Acesso em Ago. 2019.
Carvalho, S. P. M., da Silva, R. H. A., Lopes-Júnior, C., & Peres, A. S. (2009). A utilização de imagens na identificação humana em odontologia legal. Radiologia Brasileira, 42(2), 125-130. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
CARVALHO, R. B. et al. (2012). Informatização na área da saúde/ odontologia: prontuário único e eletrônico do paciente. Revista Brasileira de Pesquisa em Saúde, Vitória, v. 3, n. 14, p.58-67. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
Castilho, J. M. L.; Lopreto, C. A. R. (2015). A Evolução dos Aparelhos de Raios-X. Três Lagoas. Disponível em: <http://books.scielo.org/id/q5/pdf/navarro-9788523209247-04.pdf>. Acesso em: Ago. 2019.
Costantini, S., De Gasperis, G., & Olivieri, R. (2019). Digital forensics and investigations meet artificial intelligence. Annals of Mathematics and Artificial Intelligence, 1-37. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
de Almeida Bordigon, A. C., Silva, T. S., Dani, V. S., Fantinato, M., & Pereira, R. C. B. (2018, November). Processamento de Linguagem Natural na Identificação e Modelagem de Processos de Negócio: Uma Revisão Sistemática da Literatura. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação (pp. 198-191). SBC. Disponível em: < https://sol.sbc.org.br/index.php/sbsi/article/view/5087 >. Acesso em: 02 set. 2019.
De Almeida, S. M., Carvalho, S. P. M., & Radicchi, R. (2017). Aspectos legais da documentação odontológica: uma revisão sobre validade legal, privacidade e aceitação no meio jurídico. RBOL-Revista Brasileira de Odontologia Legal, 4(2), doi: http://dx.doi.org/10.21117/rbol.v4i2.96
Denny, C., Jacob, A. S., Ahmed, J., Natarajan, S., & Binnal, A. (2018). Frontal sinus as an aid in gender identification in forensic dentistry: A retrospective study using cone beam computed tomography. World Journal of Dentistry, 9(1), 34-37, doi: 10.5005/jp-journals-10015-1503
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6. ed. Editora Atlas SA. Disponível em: < http://hdl.handle.net/123456789/707>. Acesso em: 02 set. 2019.
de Souza Gonçalves, A., Marcelino, J. C., do PRADO, M. M., & da SILVA, R. F. (2014). Identificação humana utilizando radiografia pa de seios maxilares: relato de caso. RBOL-Revista Brasileira de Odontologia Legal, 1(1), doi: http://dx.doi.org/10.21117/rbol.v1i1.5
Gruber, J., & Kameyama, M. M. (2001). O papel da Radiologia em Odontologia Legal. Pesquisa Odontológica Brasileira, 15(3), 263-268. Disponível em: < http://www.scielo.br/pdf/%0D/pob/v15n3/a14v15n3.pdf>. Acesso em: 02 set. 2019.
Jackson, P. C. (2019). Introduction to artificial intelligence. Courier Dover Publications.
Johnson, K. W., Soto, J. T., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., ... & Dudley, J. T. (2018). Artificial intelligence in cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679, doi: 10.1016/j.jacc.2018.03.521
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436, doi: https://doi.org/10.1038/nature14539
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375, doi: https://doi.org/10.1007/s11036-017-0932-8
Luckow, D. H., & de Melo, A. A. (2010). Programação Java para a WEB. Novatec Editora.
Miller, D. D., & Brown, E. W. (2018). Artificial intelligence in medical practice: the question to the answer?. The American journal of medicine, 131(2), 129-133, doi: https://doi.org/10.1016/j.amjmed.2017.10.035.
Nadal, L., Poletto, A. C., & Fosquiera, E. C. (2018). Identificação humana pela arcada dentária através do prontuário odontológico. REVISTA UNINGÁ REVIEW, 24(1). Disponível em: <http://revista.uninga.br/index.php/uningareviews/article/view/1670>. Acesso em: 02 set. 2019.
Neville et al. Patologia Oral & Maxilofacial. 3ª Rio de Janeiro, Elsevier, 2009
Pan, H., Tao, J., Qian, M., Zhou, W., Qian, Y., Xie, H., ... & You, M. (2019). Concordance assessment of Watson for Oncology in breast cancer chemotherapy: first China experience. Translational Cancer Research, 8(2), 389-401, doi: 10.21037/tcr.2019.01.34.
Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., ... & Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1(1), 18, doi: https://doi.org/10.1038/s41746-018-0029-1.
SABBATINI, R. M. E. Aplicações da inteligência artificial na radiologia. PIXEON. 2018. Disponível em <https://www.pixeon.com/blog/aplicacoes-da-inteligencia-artificial-na-radiologia/> Acesso em Ago. 2019.
Silveira, D. T., & Córdova, F. P. (2009). Unidade 2–A pesquisa científica. Métodos de pesquisa, 1. Disponível em: <http://www.cesadufs.com.br/ORBI/public/uploadCatalago/09520520042012Pratica_de_Pesquisa_I_Aula_2.pdf>. Acesso em: 02 set. 2019.
Simon, G. E. (2019). Big data from health records in mental health care: hardly clairvoyant but already useful. JAMA psychiatry, 76(4), 349-350, doi:10.1001/jamapsychiatry.2018.4510
Stewart, J., Sprivulis, P., & Dwivedi, G. (2018). Artificial intelligence and machine learning in emergency medicine. Emergency Medicine Australasia, 30(6), 870-874, doi: https://doi.org/10.1111/1742-6723.13145.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44, doi: https://doi.org/10.1038/s41591-018-0300-7
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yu, K. H., & Kohane, I. S. (2019). Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf, 28(3), 238-241, doi: http://dx.doi.org/10.1136/bmjqs-2018-008551
ZILIO, Fernanda et al. (2013). Meios de identificação odontolegal. Anais da VII Mostra de Iniciação Científica e Extensão Comunitária: VI Mostra de Pesquisa e Pós-Graduação IMED, Porto Alegre. Disponível em: <https://imed.edu.br/Comunicacao/Eventos/Hotsite/x-mostra-de-iniciacao-cientifica/anais-artigos>. Acesso em: 02 set

---

Arquivo de entrada: BJPE- OdontoLegal -ArtigoFInal.docx (4626 termos)
Arquivo encontrado: http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2772 (664 termos)

Termos comuns: 20
Similaridade: 0,37%

6
15

Inteligência Artificial como Ferramenta para Identificação Humana em Odontologia Legal
ARTIFICIAL INTELLIGENCE AS A TOOL FOR HUMAN IDENTIFICATION IN FORENSIC DENTISTRY






Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engeneering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
Brazilian Journal of Production Engineering, São Mateus, Vol. X, N.º Y, p. aa-bb. (ano). Editora CEUNES/DETEC.
Disponível em: http://periodicos.ufes.br/BJPE
ARTIGO INFO.
Recebido em:
Aprovado em:
Disponibilizado em:
Palavras-chave:
Odontologia Legal; Antropologia Forense; Inteligência Artificial.
Keywords:
Forensic Dentistry; Forensic Anthropology; Artificial Intelligence.

Copyright © 2018, Nome do Autor Completo et al. Este é um artigo open access distribuído sob a Creative Commons Attribution License, que permite uso irrestrito, distribuição e reprodução, sempre quando providenciado a devida citação do original. Os autores declaram que o mesmo não infringe qualquer direito autoral ou outro direito de propriedade de terceiros.


RESUMO
A identificação forense busca encontrar coincidências entre dados obtidos ante-mortem e post-mortem, com o objetivo de individualizar uma pessoa ou objeto, constituindo uma parte essencial de estudo e pesquisa da odontologia legal e medicina legal. Os exames imaginológicos têm sido amplamente utilizados nesse processo de reconhecimento, possibilitando a identificação do indivíduo através da verificação da unicidade de estruturas morfológicas, características anatômicas e tratamentos dentários previamente realizados. Para tanto, exames de imagem preliminares precisam ter sido realizados e estar presentes em prontuários completos, organizados e armazenados pelo máximo de tempo possível. Considerando a inexistência de legislação específica acerca da obrigatoriedade da guarda de prontuários odontológicos bem como do seu período de arquivamento, o processo de identificação forense torna-se dificultado e cada vez mais dependente. Inserindo-se nesta problemática, este artigo apresenta uma solução com inteligência artificial capaz de armazenar prontuários odontológicos, comparar e reconhecer imagens radiográficas além manter a legitimidade dos dados. O sistema desenvolvido possui uma interface gráfica que atua de forma online e permite ao usuário o cadastro da documentação odontológica. Este se mostrou capaz de determinar o nível de semelhança entre dois exames de imagem indicados pelo usuário além de buscar no banco de dados a imagem radiográfica que mais se assemelha à imagem investigada, sinalizando a identidade do candidato ao reconhecimento.


ABSTRACT
8
Forensic identification seeks to find coincidences between ante-mortem and post-mortem data, with the aim of individualizing a person or object, constituting an essential part of the study and research of legal dentistry and forensic medicine. Imaging exams have been widely used in this recognition process, enabling the identification of the individual through the verification of the uniqueness of morphological structures, anatomical characteristics and dental treatments previously performed. Therefore, preliminary imaging exams must be performed and present in complete dental records, organized and stored for as long as possible. Given the lack of specific legislation regarding the obligation to keep dental records and their filing period, the forensic identification process is becoming more difficult and increasingly dependent. Thus, this paper presents as a solution an artificial intelligence system capable of storing dental records, comparing and recognizing radiographic images besides maintaining the legitimacy of the data. The developed system has a graphical interface that acts online and allows the user to register the dental documentation. It was able to determine the level of similarity between two imaging exams indicated by the user and search the database for the radiographic image that most closely resembles the investigated image, signaling the possible identity of the candidate for recognition.



Introdução
Os prontuários odontológicos compreendem aos documentos padronizados, ordenados e concisos que reúnem as informações dos pacientes que se submeteram a algum tipo de procedimento odontológico. Além da sua importância para a organização da relação do cirurgião-dentista-paciente, esses prontuários são ferramentas que possuem finalidade jurídica, pericial e de identificação na odontologia legal (DE ALMEIDA et al., 2017).
A Odontologia Legal é um conceito ramificado da Medicina Legal, que caracteriza a perícia médica na região da cabeça e pescoço, levando em consideração nos testes, ossadas, fragmentos, peças dentarias isoladas, dentre outras estruturas anatômicas. Este conjunto de procedimentos técnico-científicos é responsável por cerca de 70% das identificações humanas em desastres em massa, comprovando por tanto sua eficácia e justificando sua aplicação nestes casos (ZILIO et al., 2013; DENNY et al., 2018).
De acordo com Bianch et al. (2019) a contribuição do odontolegista no processo de identificação humana se faz necessária quando não é possível a identificação pessoal/visual do indivíduo e/ou quando um corpo é encontrado em processo de esqueletização, carbonização, estágios avançados de decomposição, bem como estados que dificultam ou impeçam totalmente a identificação mais usual, que é a datiloscopia (impressão digital). Deste modo, verifica-se a inquestionável importância desta área na identificação de corpos em desastres ambientais, automobilísticos e criminais, uma vez que os dentes são elementos singulares que possuem extraordinária resistência, capazes de suportar temperaturas de aproximadamente 600°C e permanecerem intactos por muito tempo depois da decomposição ou carbonização do indivíduo.
Corroborando, Nadal et al. (2018) afirmam que a importância da odontologia legal pode ser evidenciada por meio de vários relatos científicos e até mesmo pela mídia, como exemplo, os dois maiores acidentes aéreos brasileiros, onde o primeiro envolveu um avião da GOL Linhas Aéreas S.A em setembro de 2003, causando a morte de 154 pessoas, e o segundo, com um avião da empresa TAM Linhas Aéreas (atual LATAM Airlines Brasil) em 2007, provocando a morte de 199 pessoas. Em ambos os casos foi necessário a aplicação de diferentes técnicas de identificação forense no processo de individualização das vítimas, incluindo a identificação por meio da arcada dentaria.
As identificações realizadas baseiam-se principalmente na comparação entre os exames radiológicos ante-mortem e post-mortem. Em um contexto histórico a utilização da radiologia nas ciências forenses foi aplicada inicialmente apenas um ano após a descoberta dos Raios X por Wilhelm Conrad Roentgen (GRUBER; KAMEYAMA, 2001). A partir deste marco foram realizadas diversas melhorias, principalmente com o surgimento da radiologia computadorizada e o avanço da informática, resultando no refinamento da técnica e viabilizando maior acuidade nas identificações, além do aumento da eficiência (visto que o tempo de processamento de imagem é menor) e possibilidade de ajustar fatores da imagem (suavização, ampliação, realce, subtração, superposição, etc.) (CASTILHO; LOPRETO, 2015).
Em contrapartida, o grande problema enfrentado pelos profissionais desta área relaciona-se ao tempo de arquivamento do prontuário, visto que inexiste legislação especifica neste aspecto, e as diversas orientações trazem entendimentos diferentes. O Art. 4º do Código de Ética Odontológica (BRASIL, 1998) determina que é dever fundamental dos profissionais a elaboração de fichas clínicas dos pacientes, além de conservá-las em arquivo próprio, não estabelecendo explicitamente o tempo de guarda dos documentos. Já o Código de Processo Ético Odontológico (BRASIL, 1992), na porção a que se refere sobre infrações éticas estabelece um prazo de 5 (cinco) anos para prescrição de tais infrações. Porém, ao analisar o Código de Processo Civil (BRASIL, 2015) percebe-se que as ações pessoais prescrevem, ordinariamente, em 20 (vinte) anos, as reais em 10 (dez), entre presentes, e entre ausentes em 15 (quinze), contados da data em que poderiam ter sido propostas. Por fim, ao analisar o parecer CFO nº. 91/2009 do Conselho Federal de Odontologia (BRASIL, 2009), é estabelecido o prazo mínimo de 10 (dez) anos, a partir do último registro, para a preservação dos prontuários dos pacientes em suporte de papel, que não foram arquivados eletronicamente em meio óptico, microfilmado ou digitalizado.
Fica evidente que a odontologia legal tem muito a contribuir no processo de identificação humana, contudo ainda há necessidade de maior incentivo na formação de profissionais especializados na área, como também em pesquisas forenses, principalmente quanto ao desenvolvimento de ferramentas tecnológicas que auxiliem neste processo. Dessa forma, em plena e rápida expansão no mundo todo, a inteligência Artificial (IA) é uma tecnologia com potenciais e funcionalidades inimagináveis que podem impactar profundamente todos os setores da sociedade. Entende-se por inteligência artificial o ramo da ciência da computação que estuda os sistemas cujo funcionamento assemelha-se ao pensamento humano, com capacidade de aprendizagem e o armazenamento de conhecimento (BRAGA et al., 2018).
Sabbatini (2018) afirma que não seria exagero dizer que, na área da saúde a IA deve trazer uma verdadeira revolução nos processos de diagnóstico e tratamento, gerando imensuráveis benefícios aos profissionais e pacientes. O mesmo vale para as aplicações da inteligência artificial nos processos de reconhecimento humano.
Inserindo-se neste contexto, projetar e desenvolver um sistema que sirva como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Inteligência Artificial
O termo Inteligência Artificial (IA) surgiu para definir um novo ramo da computação cujo o objetivo está em fazer com que os sistemas computacionais possam processar as informações e tomar decisões forma inteligente similar ao pensamento humano, a fim de se obter a capacidade de aprender, raciocinar, perceber, deliberar e decidir de forma racional e inteligente a respeito de um problema específico (LU et al., 2018; JACKSON, 2019).
Outro conceito que surgiu com após a difusão dos sistemas computacionais de alta performance foi o termo denominado de Big Data (BEAM; KOHANE, 2018; BAJARI et al., 2019) que se refere aos grandes conjuntos de dados provenientes dos diversos mecanismos de comunicação da atualidade que vão desde informações geradas por smartphones até dados climáticos ou de demandas populacionais. Dessa forma, devido a magnitude e complexidade dos dados envolvidos, o conceito de Big Data referencia novos métodos de processamento de dados de maneira a realizar predições e reconhecimento de padrões em imagens e sistemas (SIMON, 2019).
Após a difusão dos sistemas computacionais de alta performance as ferramentas de IA passaram a trabalhar em três eixos complementares. O primeiro eixo compreende as técnicas de aprendizado de máquina, do inglês Machine learning (WITTEN, 2016), estas permitem que os sistemas computacionais aprendam com os dados processados com a finalidade de se identificar rotinas e tomar decisões com o mínimo de intervenção humana, se tornando mais resilientes e dinâmicas após a leitura de novas informações.
O Segundo eixo se configura pela Aprendizagem profunda (Deep Learning) (LECUN et al., 2015; RAJKOMAR et al., 2018) na qual a IA se faz com a programação das chamadas Redes Neurais Artificiais (RNA). As RNAs se baseiam em uma programação que elabora um modelo matemático baseado na estrutura neural dos organismos inteligentes que desenvolvem o conhecimento por meio da experiencia vivenciada. Esta ferramenta é composta por unidades de funcionamento que são conectadas a canais de comunicação associados a um peso pré-determinado. Cada unidade da rede realiza operações sobre seus dados locais que são provenientes das conexões de entrada, assim, o comportamento inteligente de uma RNA vem das interações entre as unidades de processamento geral da rede.
Por fim, o terceiro eixo traz o Processamento de Linguagem Natural (PLN) (DE ALMEIDA, 2018), que pode ser visto como a capacidade que um sistema computacional possui em entender a linguagem humana como ela é falada. As técnicas que compõe o PLN se objetivam em analisar, reconhecer e/ou produzir textos em linguagens humanas.
Nas últimas décadas, as ferramentas de armazenamento, processamento e apresentação de dados foram sendo modernizadas, permitindo o avanço do uso da Inteligência artificial para inúmeras áreas, inclusive na saúde. Como exemplo, pode-se citar a IA chamada de Watson for Oncology, desenvolvida pela International Business Machines Corporation (IBM), e que foi treinado para resolver problemas no domínio da saúde (PAN et al., 2019).
Sistemas similares ao Watson são tendências tecnológicas cada vez mais vistas na atualidade, pois agregam facilidades aos serviços que ao serem executados apenas por seres humanos podem ser morosos e dificultados pela disponibilidade continua de profissionais da área de análise. Neste sentido, o uso das técnicas de inteligência artificial vinculados ao eficiente processamento de dados podem levar ao ser humano uma visão de trabalho diferenciada a fim de minimizar possíveis erros, bem como o tempo de prestação de serviços.
Metodologia
A natureza da pesquisa pode ser classificada como aplicada ou prática, pois, segundo Gil (2008) essa categoria de pesquisa busca gerar conhecimentos para aplicação prática dirigida à solução de problemas específicos, que no caso deste trabalho consiste em mapear e categorizar os conhecimentos relacionados a Antropologia Forense e em seguida desenvolver um plano metodológico capaz de fundamentar a implementação de uma ferramenta baseada em inteligência artificial voltada para a Odontologia Legal.
Já os procedimentos metodológicos, seguem os princípios de uma abordagem qualitativa, com um método científico indutivo e um objeto de estudo exploratório. Relativamente aos procedimentos técnicos de pesquisa, recorreu-se a pesquisa bibliográfica para o levantamento das informações mais atuais da área (SILVEIRA; CÓRDOVA, 2009). O método de pesquisa inicial foi desenvolvido a partir de procedimentos recomendados para elaboração de uma revisão integrativa da literatura, a qual tem como finalidade reunir e resumir o conhecimento científico já produzido sobre o tema investigado, ou seja, permite buscar, avaliar e sintetizar as evidências disponíveis para contribuir com o desenvolvimento do aluno envolvido no processo de iniciação científica em relação ao conhecimento na temática. A síntese do conhecimento, dos estudos incluídos na revisão, reduz incertezas sobre recomendações práticas, permite generalizações precisas sobre o fenômeno a partir das informações disponíveis limitadas e facilita a tomada de decisões com relação às intervenções que poderiam resultar no cuidado mais efetivo e de melhor custo/benefício dos sistemas envolvidos na pesquisa (MENDES et al., 2008).
De acordo com Botelho et al. (2011), a revisão integrativa pode ser dividida em seis etapas:
• Identificação do tema para a elaboração da revisão integrativa;
• Estabelecimento de critérios para inclusão e exclusão de estudos;
• Categorização dos estudos e definição das informações a serem extraídas;
• Avaliação dos estudos incluídos na revisão integrativa;
• Interpretação dos resultados;
• Apresentação da revisão e síntese do conhecimento.
Foi realizado o levantamento bibliográfico a partir de fontes secundárias nas bases ResearchGate, Scielo, Cochrane, LILACS, PUBMED e MEDLINE, de artigos publicados entre os anos 2001 a 2019 que contenham a combinação das palavras-chave “Odontologia Legal”; “Antropologia Forense”; “Inteligência Artificial”; “Redes Neurais Artificiais”; “Parâmetros da Identificação Humana”; “Métodos de Otimização”; “Parâmetros de Ajuste”. Foram pesquisados anais de congressos, resumos, livros, normas, resoluções, manuais técnicos e leis referentes ao trabalho de identificação post-mortem de pacientes, utilizando informações ante-mortem. Ao término da busca dos elementos importantes para compor a base de análise deste trabalho, os estudos foram submetidos a leitura parcial dos resumos, em seguida a síntese do conhecimento, a categorização dos estudos e, por último, a utilização dos resultados para a confecção do sistema.
Em seguida, foram realizadas as análises frente ao conhecimento adquirido com o processo da revisão integrativa apresentada acima, para a inferência dos parâmetros de entrada da inteligência artificial. Dessa forma, foram implementados os principais conceitos relacionados à programação WEB (LUCKOW; DE MELO, 2010) para montagem de um sistema composto por dois módulos distintos e interconectados. O primeiro módulo diz respeito ao recebimento de informações por meio de formulários montados com a linguagem HTML, do inglês Hypertext Markup Language, e moldados pela linguagem Cascading Style Sheets – CSS. Este módulo permite que o sistema seja alimentado pelos prontuários odontológicos, que são constituídos por todos os documentos probantes e diagnósticos dos pacientes (ficha clínica de anamnese, plano de tratamento, odontograma, consentimento esclarecido, contrato de prestação de serviço, receituário, atestados, declarações, encaminhamentos, fotografias e exames de imagem). O segundo módulo refere-se à comparação de imagens, abrangendo as funções de análise de duas imagens escolhidas pelo utilizador do sistema ou análise de uma imagem específica com todas as imagens cadastradas previamente. Para dinamicidade e armazenamento dos dados, utilizou-se as linguagens Hypertext Preprocessor - PHP, Structured Query Language - SQL e Javascript, responsáveis pela parte lógica do sistema, conexão com o banco de dados montado e a interação dos elementos em tela, respectivamente.
Na análise das imagens radiográficas cadastradas utilizou-se a função denominada compare. Esta função é responsável por inicializar as funções da classe image.compare.class.php. Esta classe é composta por cinco funções menores responsáveis pela comparação de imagens tomadas de duas a duas. Primeiro é realizada a verificação da extensão dos arquivos selecionados. Na versão atual, o sistema pode somente analisar as radiografias nos formatos Joint Photographic Group (.jpg) e Portable Network Graphics (.png). Caso as imagens apresentem estes formatos específicos, são extraídas informações como tamanho e quantidade de pixels que compõem a largura e altura das imagens. As funções posteriores redimensionam as imagens para miniaturas compostas por 64 pixels e retiram a média de cores desta figura. Por último, analisa-se pixel a pixel das figuras, baseando-se na média retirada. Para resultados mais precisos o processo é repetido aplicando-se tons de cinza em ambas imagens.
Por fim, o sistema foi integrado a uma inteligência artificial baseada em redes neurais artificiais para o alcance do aprendizado computacional onde as rotinas em que as imagens são reconhecidas podem ser confirmadas ou reprovadas pelo profissional que manipula o sistema. Essa verificação do resultado do processamento das comparações é de extrema importância para a ferramenta conseguir ser resiliente com as novas imagens carregadas e melhorar a cada instancia o acerto das comparações. Para isso realizou-se o upload de 300 imagens de domínio público a fim de se verificar a capacidade do sistema em armazenar, processar, comparar e reconhecer as imagens solicitadas.
Resultados
O sistema desenvolvido é composto por três atores distintos: cirurgiões dentistas, empresas de radiografia e odontolegistas. Os dois primeiros atores possuem função ativa no sistema, onde ambos podem cadastrar uma nova imagem radiográfica, bem como suas informações básicas e prontuários correlatos. Durante esse cadastro pode-se escolher um paciente com documentação prévia no sistema ou cadastrar os primeiros exames de um paciente. Em ambos os casos serão associadas informações que possibilitam a identificação dos pacientes e seus dados básicos como nome, idade e gênero. O terceiro ator do sistema são os Odontolegistas que possuírão acesso às funções de comparação e consulta à base de dados. A Figura 01 apresenta a interface gráfica do sistema que representa as três funcionalidades básicas acima descritas.
Figura 01 – Interface gráfica inicial do sistema desenvolvido









Fonte: Elaborada pelos autores
Dessa forma, em situações onde um indivíduo não pode ser reconhecido visualmente devido ao seu estágio avançado de decomposição, esqueletização ou carbonização, estes profissionais poderão realizar a comparação de uma imagem radiográfica realizada em tempo atual (post-mortem) com as demais radiografias previamente cadastradas no banco.
No processo de identificação humana, utilizando este sistema como ferramenta, é preciso que o utilizador (odontolegista/perito) selecione o exame de imagem atual (post-mortem) no campo “escolher arquivo”, para que o software seja capaz de processar as informações e então indicar ao profissional qual radiografia presente no prontuário do indivíduo cadastrado na base de dados mais se assemelha à radiografia selecionada. Vale ressaltar que o objetivo da ferramenta de IA neste caso é o de aprimorar, auxiliar as atividades humanas no processo de identificação bem como abreviar um processo que por si só é moroso, e não de substituir o trabalho dos profissionais designados a esta função. Isto posto, ao se deparar com uma tragédia onde o trabalho do odontolegista é custoso, complexo e dependente de registros odontológicos previamente realizados, em que muitas vezes os familiares das vítimas são os responsáveis por buscar e apresentar tais exames, o sistema desenvolvido poderia filtrar e direcionar o profissional aos possíveis candidatos a identificação, desde de que seu banco de dados tenha sido alimentado. A Figura 02 mostra a interface do sistema apresentado um exame radiográfico que faz parte do prontuário odontológico previamente cadastrado de um paciente.
Figura 02 – Exame de imagem contido em prontuário cadastrado no sistema













Fonte: Elaborada pelos autores
Já na Figura 03, o utilizador do sistema seleciona a imagem atual (post-mortem) de um indivíduo candidato a identificação, solicitando que o software indique dentre todos os registros do banco de dados aquele que apresenta maior semelhança. É possível observar o processamento, comparação e identificação da imagem, e neste exemplo especifico o sistema aponta como primeiro resultado a imagem radiográfica com maior percentual de similaridade que neste caso foi de 71.92%. Logo abaixo são mostrados os dados cadastrados sobre a imagem proveniente do sistema, além de informações pessoais do paciente, procedimento realizado e documentos associados à imagem.
Figura 03 – Comparação de Imagens Radiográficas















Fonte: Elaborada pelos autores

A veracidade da comparação realizada acima pode ser comprovada por meio de análise criteriosa pelo profissional, através dos documentos presentes no prontuário odontológico. Para Neville et al. (2009), independentemente do método de escolha para a identificação humana os resultados da comparação ante-motem e post-mortem convergem para uma das quatro situações:
Identificação positiva: Quando existe singularidade suficiente entre os dados/materiais post-mortem e os previamente registrados sem nenhuma diferença significativa;
Identificação presumível: Quando existem semelhanças entre os itens comparáveis, mas informações de ambas as fontes (ante-motem e post-mortem) são insuficientes para estabelecimento de identificação positiva;
Evidência insuficiente para identificação: Quando não existe evidência suficiente que permita comparação e conclusão baseada em princípios científicos;
Exclusão das evidencias de identificação: Quando existem inconsistências que impedem o estabelecimento de qualquer identificação.
A Figura 02 (exame de imagem ante-mortem) apresenta uma radiografia periapical com o dente primeiro molar decíduo inferior direito (elemento 84) com imagem sugestiva de lesão cariosa profunda e lesão de furca associada, tendo como plano de tratamento sugerido a endodontia deste elemento. Ao analisar o odontograma (apresentado abaixo na Figura 04), um dos documentos indispensáveis do prontuário, percebe-se que é possível confirmar que foi feito um tratamento endodôntico neste mesmo dente, além do plano de tratamento e datas de consultas iniciais. Verificando a radiografia obtida post-mortem (Figura 03), percebe-se que o elemento 84 apresenta imagem sugestiva de material radiopaco presente nos canais radiculares e assoalho da câmara pulpar, além de imagem de baixa radiopacidade em região oclusal deste elemento compatíveis com tratamentos endodôntico e restaurador realizados respectivamente.
O sistema permite ainda, a comparação direta de duas imagens radiográficas. Neste caso, as imagens seguem a mesma rotina de comparação, entretanto, aqui elas são comparadas diretamente sem nenhuma varredura no banco de dados. A Figura 05 mostra a comparação de duas imagens distintas.







Figura 04 – Odontograma e plano de tratamento contido em prontuário cadastrado no sistema

Fonte: Elaborada pelos autores

Figura 05 – Comparação de duas Imagens Radiográficas
Fonte: Elaborada pelos autores
Ao analisar o comportamento do sistema frente à testes com elevada carga de dados (como inserção de diversas imagens ao mesmo tempo, alteração da resolução das imagens, dentre outros), notou-se que o mesmo se comportou dentro do esperado, mantendo o tempo médio de comparações e upload de documentos. Os resultados obtidos foram satisfatórios. O sistema apresentou nos testes realizados, variação entre 70 e 85% de semelhança nas comparações feitas entre imagens pertencentes ao mesmo paciente.
Pode-se observar que a escolha de um sistema WEB foi um acerto técnico do projeto, visto que sua concepção demanda sistemas que podem ser acessados de qualquer lugar e a qualquer momento. Notou-se também a importância acadêmica deste projeto. Ao alimentar o sistema com informações de pacientes em tratamento, monta-se uma base de dados rica em conhecimentos e que pode ser compartilhada para fins de estudo. Este fato possibilita ter, de forma coesa e organizada, informações de diversos cidadãos, além de possibilitar e fomentar diversas linhas de pesquisa em um panorama odontológico.




Considerações Finais
A odontologia legal alcança um papel indubitavelmente relevante no processo de identificação humana, sendo incontestável a atuação do odontolegista como protagonista deste processo, uma vez que sua atuação é responsável por fornecer esclarecimentos à justiça de maneira eficaz para uma identificação positiva. A inteligência artificial tem um potencial muito grande neste cenário, uma vez que a avaliação odontológica forense tem como uma de suas bases a análise de imagens de diferentes modalidades para suplementar e auxiliar situações especificas. Os exames de imagem fornecem detalhes dos elementos dentários e estruturas anatomo-morfológicas e são registros objetivos do indivíduo, que não podem ser substituídos por registros escritos. A inclusão de um sistema como uma ferramenta decisiva no mapeamento de semelhanças em imagens radiográficas na odontologia forense, representa uma grande oportunidade de sinergia entre as áreas da saúde e tecnologia, além de fomentar a inteligência artificial aplicada a saúde.
Referências
Bajari, P., Chernozhukov, V., Hortaçsu, A., & Suzuki, J. (2019, May). The impact of big data on firm performance: An empirical investigation. In AEA Papers and Proceedings (Vol. 109, pp. 33-37), doi: 10.1257/pandp.20191000.
Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319(13), 1317-1318, doi:10.1001/jama.2017.18391.
Bianch, Betuel De Vico (2019). A importância da atuação do odontolegista na identificação pessoal de corpos carbonizados e a determinação do gênero. REVISTA UNINGÁ, [S.l.], v. 56, n. S3, p. 119-129, ISSN 2318-0579. Disponível em: <http://revista.uninga.br/index.php/uninga/article/view/246>. Acesso em: 02 set. 2019.
BRAGA, A. V. et al. Inteligência Artificial na Medicina. (2018). Anais do Congresso Internacional de Pesquisa, Ensino e Extensão – CIPEEX, 2, 937-941. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
BRASIL - Conselho Federal de Odontologia – Resolução CFO-179 de 19 de dezembro de 1991 alterado pelo Regulamento nº 01, de 05/06/1998. (1998). Código de Ética Odontológico – Rio de Janeiro, CFO 1998. Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Conselho Federal de Odontologia – Resolução CFO-183/1992 - Código de Processo Ético · Resolução CFO-63/05 – Consolidação das Normas para Procedimentos no Conselhos de Odontologia. (1992). Disponível em < http://www.forp.usp.br/restauradora/etica/c_etica/c_etica.htm>. Acesso em Ago. 2019.
_______.Lei nº 13.105, de 16 de março de 2015. Altera o Código de Processo Civil. (2015). Disponível em < http://www.rb.org.br/detalhe_artigo.asp?id=838&idioma=Portugues > Acesso em Ago. 2019.
Carvalho, S. P. M., da Silva, R. H. A., Lopes-Júnior, C., & Peres, A. S. (2009). A utilização de imagens na identificação humana em odontologia legal. Radiologia Brasileira, 42(2), 125-130. Disponível em: < http://anais.unievangelica.edu.br/index.php/CIPEEX/article/view/2997>. Acesso em: 02 set. 2019.
CARVALHO, R. B. et al. (2012). Informatização na área da saúde/ odontologia: prontuário único e eletrônico do paciente. Revista Brasileira de Pesquisa em Saúde, Vitória, v. 3, n. 14, p.58-67. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
Castilho, J. M. L.; Lopreto, C. A. R. (2015). A Evolução dos Aparelhos de Raios-X. Três Lagoas. Disponível em: <http://books.scielo.org/id/q5/pdf/navarro-9788523209247-04.pdf>. Acesso em: Ago. 2019.
Costantini, S., De Gasperis, G., & Olivieri, R. (2019). Digital forensics and investigations meet artificial intelligence. Annals of Mathematics and Artificial Intelligence, 1-37. Disponível em: < http://periodicos.ufes.br/RBPS/article/viewFile/4605/3574 >. Acesso em: 02 set. 2019.
de Almeida Bordigon, A. C., Silva, T. S., Dani, V. S., Fantinato, M., & Pereira, R. C. B. (2018, November). Processamento de Linguagem Natural na Identificação e Modelagem de Processos de Negócio: Uma Revisão Sistemática da Literatura. In Anais do XIV Simpósio Brasileiro de Sistemas de Informação (pp. 198-191). SBC. Disponível em: < https://sol.sbc.org.br/index.php/sbsi/article/view/5087 >. Acesso em: 02 set. 2019.
De Almeida, S. M., Carvalho, S. P. M., & Radicchi, R. (2017). Aspectos legais da documentação odontológica: uma revisão sobre validade legal, privacidade e aceitação no meio jurídico. RBOL-Revista Brasileira de Odontologia Legal, 4(2), doi: http://dx.doi.org/10.21117/rbol.v4i2.96
Denny, C., Jacob, A. S., Ahmed, J., Natarajan, S., & Binnal, A. (2018). Frontal sinus as an aid in gender identification in forensic dentistry: A retrospective study using cone beam computed tomography. World Journal of Dentistry, 9(1), 34-37, doi: 10.5005/jp-journals-10015-1503
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6. ed. Editora Atlas SA. Disponível em: < http://hdl.handle.net/123456789/707>. Acesso em: 02 set. 2019.
de Souza Gonçalves, A., Marcelino, J. C., do PRADO, M. M., & da SILVA, R. F. (2014). Identificação humana utilizando radiografia pa de seios maxilares: relato de caso. RBOL-Revista Brasileira de Odontologia Legal, 1(1), doi: http://dx.doi.org/10.21117/rbol.v1i1.5
Gruber, J., & Kameyama, M. M. (2001). O papel da Radiologia em Odontologia Legal. Pesquisa Odontológica Brasileira, 15(3), 263-268. Disponível em: < http://www.scielo.br/pdf/%0D/pob/v15n3/a14v15n3.pdf>. Acesso em: 02 set. 2019.
Jackson, P. C. (2019). Introduction to artificial intelligence. Courier Dover Publications.
Johnson, K. W., Soto, J. T., Glicksberg, B. S., Shameer, K., Miotto, R., Ali, M., ... & Dudley, J. T. (2018). Artificial intelligence in cardiology. Journal of the American College of Cardiology, 71(23), 2668-2679, doi: 10.1016/j.jacc.2018.03.521
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436, doi: https://doi.org/10.1038/nature14539
Lu, H., Li, Y., Chen, M., Kim, H., & Serikawa, S. (2018). Brain intelligence: go beyond artificial intelligence. Mobile Networks and Applications, 23(2), 368-375, doi: https://doi.org/10.1007/s11036-017-0932-8
Luckow, D. H., & de Melo, A. A. (2010). Programação Java para a WEB. Novatec Editora.
Miller, D. D., & Brown, E. W. (2018). Artificial intelligence in medical practice: the question to the answer?. The American journal of medicine, 131(2), 129-133, doi: https://doi.org/10.1016/j.amjmed.2017.10.035.
Nadal, L., Poletto, A. C., & Fosquiera, E. C. (2018). Identificação humana pela arcada dentária através do prontuário odontológico. REVISTA UNINGÁ REVIEW, 24(1). Disponível em: <http://revista.uninga.br/index.php/uningareviews/article/view/1670>. Acesso em: 02 set. 2019.
Neville et al. Patologia Oral & Maxilofacial. 3ª Rio de Janeiro, Elsevier, 2009
Pan, H., Tao, J., Qian, M., Zhou, W., Qian, Y., Xie, H., ... & You, M. (2019). Concordance assessment of Watson for Oncology in breast cancer chemotherapy: first China experience. Translational Cancer Research, 8(2), 389-401, doi: 10.21037/tcr.2019.01.34.
Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., ... & Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1(1), 18, doi: https://doi.org/10.1038/s41746-018-0029-1.
SABBATINI, R. M. E. Aplicações da inteligência artificial na radiologia. PIXEON. 2018. Disponível em <https://www.pixeon.com/blog/aplicacoes-da-inteligencia-artificial-na-radiologia/> Acesso em Ago. 2019.
Silveira, D. T., & Córdova, F. P. (2009). Unidade 2–A pesquisa científica. Métodos de pesquisa, 1. Disponível em: <http://www.cesadufs.com.br/ORBI/public/uploadCatalago/09520520042012Pratica_de_Pesquisa_I_Aula_2.pdf>. Acesso em: 02 set. 2019.
Simon, G. E. (2019). Big data from health records in mental health care: hardly clairvoyant but already useful. JAMA psychiatry, 76(4), 349-350, doi:10.1001/jamapsychiatry.2018.4510
Stewart, J., Sprivulis, P., & Dwivedi, G. (2018). Artificial intelligence and machine learning in emergency medicine. Emergency Medicine Australasia, 30(6), 870-874, doi: https://doi.org/10.1111/1742-6723.13145.
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44, doi: https://doi.org/10.1038/s41591-018-0300-7
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yu, K. H., & Kohane, I. S. (2019). Framing the challenges of artificial intelligence in medicine. BMJ Qual Saf, 28(3), 238-241, doi: http://dx.doi.org/10.1136/bmjqs-2018-008551
ZILIO, Fernanda et al. (2013). Meios de identificação odontolegal. Anais da VII Mostra de Iniciação Científica e Extensão Comunitária: VI Mostra de Pesquisa e Pós-Graduação IMED, Porto Alegre. Disponível em: <https://imed.edu.br/Comunicacao/Eventos/Hotsite/x-mostra-de-iniciacao-cientifica/anais-artigos>. Acesso em: 02 set