Desenvolvimento de um algoritmo baseado em inteligência artificial para identificação de cadáveres por evidências dentárias

Abstract

Introdução: A medicina dentária forense (MDF) é crucial em perícias médico-legais, possibilitando a identificação médico-legal através de evidências dentárias com base na exclusão e comparação ante mortem (AM) e post mortem (PM) de registos dentários, inclusive ortopantomografias (OPG). Pela complexidade e demora deste processo, surgiu a necessidade de otimizar a eficiência da análise imagiológica. Redes neuronais convolucionais (CNN) são estruturas de inteligência artificial (AI) promissoras na MDF pela sua eficiência e detalhe na análise de imagens, constituindo uma ferramenta útil na identificação médico-legal. Objetivos: Este estudo teve como objetivo o desenvolvimento de um algoritmo de CNN para comparação de evidências dentárias AM e PM em OPG, para aplicação na identificação médico-legal de cadáveres desconhecidos recentes. Materiais e Métodos: O presente estudo incluiu uma amostra total de 1.235 OPG pertencentes a 1.050 pacientes do Serviço de Estomatologia da Unidade Local de Saúde (ULS) Santa Maria, com idades compreendidas entre os 16 e os 30 anos. Foram desenvolvidos dois algoritmos – um para classificação de idade e outro para identificação positiva – com base no modelo pré treinado VGG16, e o desempenho foi avaliado através de métricas preditivas e heatmaps. Resultados: Ambos os modelos desenvolvidos sofreram overfitting, porém, alcançaram uma acurácia final de 85%, o que traduz um elevado desempenho geral. O modelo de classificação de idade obteve melhores resultados na classificação de OPG de indivíduos entre os 16 e os 23 anos. O modelo de identificação positiva foi particularmente eficaz na identificação de casos onde duas OPG pertencem a indivíduos diferentes. Conclusões: O modelo de AI desenvolvido é útil na identificação médico-legal de cadáveres desconhecidos, com particular vantagem em contexto de identificação de vítimas de desastres em massa (DVI), através da comparação AM e PM de evidências dentárias em OPG de indivíduos com idades compreendidas entre os 16 e os 30 anos.

Introduction: Forensic dentistry (FD) plays a crucial role in forensic investigations, enabling legal identification through dental evidence based on the exclusion and comparison of ante mortem (AM) and post mortem (PM) dental records, including orthopantomograms (OPG). Due to the complexity and time-consuming nature of this process, there is a urge to optimize the efficiency of imaging analysis. Convolutional neural networks (CNN) are promising artificial intelligence (AI) structures in FD for their efficiency and detail in image analysis, making them a useful tool in forensic identification. Objectives: The purpose of this study was the development of a CNN algorithm to compare AM and PM dental evidence in OPG, with the aim of forensically identifying recently deceased unknown individuals. Materials and Methods: The present study included a total sample of 1,235 OPG from 1,050 patients from the Stomatology Service of the Local Health Unit of Santa Maria, aged between 16 and 30 years. Two algorithms were developed – one for age classification and another for positive identification – based on the pre-trained VGG16 model, and performance was evaluated through predictive metrics and heatmaps. Results: Both developed models experienced overfitting but achieved a final accuracy of 85%, reflecting high overall performance. The age classification model performed better in classifying OPG from individuals aged between 16 and 23 years. The positive identification model was particularly effective in identifying cases where two OPG belong to different individuals. Conclusions: The developed AI model is useful in the forensic identification of unknown deceased individuals, with particular advantage in mass disaster victim identification context, by comparing AM and PM dental evidence in OPGs of individuals aged between 16 and 30 years.