Abordagem de aprendizado de máquina para estimativa da idade adulta usando características dentárias em radiografias panorâmicas

Por que seus dentes podem indicar sua idade

Ao longo da vida, nossos dentes registram discretamente nossa história pessoal de refeições, acidentes e consultas odontológicas. Este estudo pergunta quanto esse registro pode revelar sobre a idade de uma pessoa na fase adulta, usando técnicas computacionais modernas para ler padrões sutis em imagens radiográficas dentárias de rotina.

Dentes como contadores de história ao longo da vida

Em crianças e adolescentes, a idade pode ser estimada de forma relativamente precisa observando-se o crescimento e a formação dos dentes. Para adultos, contudo, esse crescimento está completo, então os especialistas recorrem a mudanças que se acumulam ao longo do tempo, como desgaste das superfícies, restaurações, coroas, implantes e dentes ausentes. Essas pistas são úteis em áreas como a forense, onde investigadores podem precisar restringir quem uma pessoa poderia ser, e na antropologia, onde cientistas estudam populações passadas. Abordagens tradicionais geralmente somam o número total de certos tratamentos ou condições dentárias e aplicam essas contagens em uma fórmula simples, mas isso pode descartar muitos detalhes sobre exatamente quais dentes são afetados e como.

Transformando um monte de detalhes em dados utilizáveis

Os pesquisadores trabalharam com 2.415 radiografias panorâmicas dentárias de adultos entre 20 e 89 anos. Em cada imagem, observadores treinados rotularam cada dente com uma de nove categorias fáceis de reconhecer, como saudável, ausente, obturado, com coroa ou implantado. Se um dente apresentava duas características ao mesmo tempo, como um tratamento de canal sob uma coroa, ambas foram registradas em conjunto. Em vez de condensar todas essas informações em alguns totais, a equipe criou um mapa digital estruturado para cada arcada que registrava o que ocorria em cada posição da mandíbula. Esse mapa serviu como entrada tanto para fórmulas estatísticas tradicionais quanto para uma série de modelos de aprendizado de máquina.

Ensinando computadores a ler padrões dentários

Para avaliar quão bem diferentes métodos conseguiam estimar a idade, a equipe comparou a regressão linear padrão com seis abordagens de aprendizado de máquina, incluindo florestas aleatórias e gradient boosting. Eles usaram uma estratégia de validação cuidadosa na qual os modelos foram repetidamente treinados e testados em diferentes subconjuntos dos dados, de modo que cada previsão foi feita sobre imagens que o modelo não havia visto antes. No grupo completo de homens e mulheres, a melhor fórmula tradicional errou em cerca de 12 anos em média, enquanto o melhor modelo de aprendizado de máquina reduziu esse erro para cerca de 11 anos e explicou um pouco mais da variação da idade.

O que os modelos aprenderam com nossos dentes

Os pesquisadores também abriram a “caixa preta” de seus melhores modelos para ver quais características dentárias foram mais importantes. Eles descobriram que ter muitos dentes saudáveis e preservados tendia a reduzir as idades previstas, enquanto um maior número de dentes ausentes e coroas empurrava as estimativas para cima. Os dentes posteriores geralmente carregavam mais informação sobre a idade do que os anteriores, provavelmente porque são usados com mais intensidade na mastigação e são mais frequentemente restaurados ou extraídos. Ainda assim, os modelos tenderam a superestimar a idade de adultos mais jovens e a subestimar a de adultos mais velhos, mostrando que a relação entre história dentária e idade permanece imperfeita.

Como isso poderia ser usado na prática

Por enquanto, essas estimativas de idade baseadas em computador não são precisas o suficiente para serem usadas isoladamente, especialmente quando o objetivo é determinar a idade exata de um indivíduo. Elas devem ser vistas como mais uma peça de evidência que pode apoiar outros métodos, como exame ósseo ou medidas odontológicas adicionais. O trabalho mostra que manter informações detalhadas, dente a dente, melhora o que se pode aprender a partir de uma radiografia simples, e que o aprendizado de máquina pode trazer ganhos modestos em relação às fórmulas antigas. Com conjuntos de dados maiores e mais variados, e ao combinar características de imagem com registros clínicos, versões futuras dessa abordagem podem se tornar auxiliares mais confiáveis na tomada de decisão forense e clínica.

Citação: Lee, D., Oh, S., Hwang, S. et al. Machine learning approach for adult age estimation using dental characteristics on panoramic radiographs. Sci Rep 16, 14401 (2026). https://doi.org/10.1038/s41598-026-45271-0

Palavras-chave: estimativa de idade dentária, radiografia panorâmica, aprendizado de máquina, odontologia forense, dentes adultos