Portal InstitucionalUFPEL

A Terapia Endodôntica Regenerativa (TER) representa um dos avanços mais relevantes da Endodontia contemporânea, por possibilitar a manutenção do potencial de desenvolvimento radicular e a preservação do complexo dentina-polpa em dentes permanentes imaturos acometidos por necrose pulpar. Apesar da crescente incorporação dessa abordagem às diretrizes clínicas internacionais, sua indicação depende da integração de conhecimentos biológicos, radiográficos e clínicos, exigindo elevado nível de raciocínio diagnóstico e tomada de decisão. Esse cenário torna o processo de ensino-aprendizagem da TER particularmente desafiador durante a graduação em Odontologia.
Paralelamente, a rápida expansão das ferramentas de Inteligência Artificial (IA) no ensino e na prática clínica tem modificado a forma como estudantes acessam informações e formulam decisões clínicas. Embora essas tecnologias apresentem potencial para favorecer o aprendizado por meio de recomendações automatizadas, simulações e feedbacks personalizados, seu uso indiscriminado pode levar à redução da autonomia intelectual, ao desenvolvimento de dependência cognitiva e à incorporação de vieses diagnósticos, especialmente quando as recomendações geradas são aceitas sem análise crítica.
Apesar do crescente interesse pela aplicação da IA na educação em saúde, ainda são escassos estudos que investiguem, de forma longitudinal, como essas ferramentas influenciam o processo de tomada de decisão clínica de estudantes de Odontologia, particularmente em situações que exigem julgamento complexo, como a indicação da Terapia Endodôntica Regenerativa. Também permanece pouco compreendido se intervenções educacionais específicas são capazes de desenvolver uma postura crítica diante das recomendações produzidas por sistemas de IA.
Dessa forma, esta pesquisa justifica-se pela necessidade de produzir evidências científicas sobre a influência da IA na formação do raciocínio clínico em Endodontia, identificando tanto seus potenciais benefícios quanto suas limitações. Os resultados poderão subsidiar o desenvolvimento de estratégias pedagógicas voltadas ao uso ético, crítico e responsável dessas tecnologias, contribuindo para a formação de cirurgiões-dentistas mais preparados para integrar recursos de inteligência artificial à prática clínica sem comprometer sua capacidade de julgamento profissional. Além disso, o estudo poderá fornecer subsídios para futuras discussões sobre a incorporação segura da IA nos currículos de graduação em Odontologia, fortalecendo a qualidade da formação profissional e, indiretamente, a segurança e a qualidade da assistência prestada à população.

Esse estudo caracteriza-se como um estudo observacional longitudinal prospectivo desenhado para avaliar o impacto de recomendações automatizadas por IA na tomada de decisão de estudantes de curso de graduação em odontologia frente a casos simulados de Terapia Endodôntica Regenerativa (TER). O protocolo segue os itens centrais do SPIRIT-AI (Riveira et al., 2020). Inicialmente, os estudantes serão convidados a responder a um conjunto de questões relacionadas a casos clínicos de dentes permanentes imaturos com intuito de determinar o diagnóstico e a conduta terapêutica. Cada caso clínico será apresentado por meio de texto, imagens radiográficas e fotográficas. Ferramentas de inteligência artificial poderão ser utilizadas como auxiliares no processo de tomada de decisão antes de participarem de um curso teórico sobre endodontia regenerativa e inteligência artificial (IA). Cada caso clínico será apresentado por meio de texto, imagens radiográficas e fotográficas. Os estudantes terão a possibilidade de utilizar ferramentas de inteligência artificial para determinação do diagnóstico e tomada de decisão acerca da conduta terapêutica.Após a exposição ao conteúdo teórico, os estudantes serão novamente convidados a responder às mesmas questões, desta vez com orientações fornecidas por uma ferramenta de inteligência artificial, que incluirá propositalmente falsos positivos. Os casos simulados serão compostos por dados de prontuário, imagens clínicas e radiográficas, selecionados, discutidos e validados por um grupo de especialistas em Endodontia. O delineamento será composto por: (1) Pré-teste, antes de qualquer intervenção, os estudantes respondem a um questionário baseado nesses casos simulados; (2) Workshop, aula expositiva de 90 min sobre TER e fundamentos do uso de IA em diagnóstico odontológico; (3) Pós-teste, os mesmos casos são representados, agora acompanhados de recomendações geradas pela ferramenta de IA, essas recomendações incluirão falsos positivos e negativos deliberados. Comparando as respostas pré e pós-intervenção, avaliaremos: (1) Acurácia diagnóstica (manutenção, ganho ou perda de respostas corretas); (2) Grau de influência da IA (aceitação crítica ou automática das sugestões); (3) Autoconfiança dos participantes; (4) Qualidade do julgamento clínico frente a uma ferramenta enviesada. O estudo buscará observar se os participantes manterão suas respostas com base em seus próprios conhecimentos ou se serão influenciados pelas sugestões da IA. Essa abordagem permitirá analisar a acurácia diagnóstica, bem como a confiança e o julgamento crítico dos estudantes diante de uma ferramenta de apoio à decisão com viés.

Sugestões automatizadas fornecidas pela inteligência artificial (IA) na apresentação dos casos clínicos podem exercer influência significativa na escolha e tomada de decisões clínicas dos participantes. No entanto, presume-se que os avaliados recorram às recomendações de IA como um recurso auxiliar durante o processo diagnóstico, mantendo o raciocínio clínico baseado na aula de endodontia regenerativa como o principal guia para a tomada de decisões durante a resolução do questionário. Assim, as sugestões automatizadas presentes seriam analisadas de forma crítica e complementar e empregadas como um potencializador no processo de construção e análise diagnóstica.
Espera-se que a pesquisa amplie o conhecimento sobre a área de endodontia regenerativa e incentive os alunos a desenvolverem uma postura mais crítica em relação ao uso da inteligência artificial na prática clínica odontológica, incluindo a tomada de decisão para avaliar diagnósticos e recomendar tratamento dos casos.