DINOv2 versus Supervised Visual Representations for Tooth-Level Multi- Label Diagnosis Classification on Panoramic Radiographs: A Frozen-Feature Sample-Efficiency Study

Os dentistas dependem de radiografias panorâmicas, uma única imagem ampla que captura toda a mandíbula superior e inferior, para obter uma visão geral rápida da saúde bucal de um paciente. Essas imagens são a primeira linha de defesa para detectar problemas ocultos como cáries, infecções na raiz de um dente ou dentes que nunca conseguiram atravessar a gengiva. No entanto, ler essas imagens é difícil. Os detalhes são sutis, e até profissionais experientes podem perder pequenos sinais de doença ou discordar sobre o que estão vendo. Para ajudar, pesquisadores recorreram à inteligência artificial, ensinando computadores a detectar esses problemas automaticamente. O maior obstáculo neste campo não é construir o programa de computador, mas encontrar os dados para ensiná-lo. Para treinar um sistema para reconhecer uma doença específica, especialistas devem desenhar manualmente caixas ao redor de cada um dos dentes em milhares de imagens e rotular exatamente o que há de errado com ele. Esse processo é lento, caro e exige mão de obra humana altamente qualificada. Por causa disso, cientistas buscam constantemente maneiras de tornar os computadores mais inteligentes com menos ajuda humana, esperando encontrar um método que aprenda de forma eficaz mesmo quando existem pouquíssimos exemplos rotulados para estudar.

Uma equipe de pesquisadores estabeleceu o objetivo de testar uma abordagem específica para este problema usando uma grande coleção de radiografias dentárias. Eles queriam ver se um tipo moderno de inteligência artificial, que aprende olhando para milhões de imagens não rotuladas por conta própria, poderia superar métodos tradicionais antigos quando a quantidade de dados de treinamento rotulados fosse estritamente limitada. Eles se concentraram em uma tarefa onde o computador tinha que olhar para um dente específico em uma radiografia e decidir se ele possuía uma ou mais de quatro condições: uma cárie, uma cárie profunda, uma infecção na raiz ou um dente impactado que está preso. Os pesquisadores compararam três maneiras diferentes de preparar os "olhos" do computador antes de ele começar a aprender com as imagens dentárias. O primeiro método utilizou um sistema de ponta chamado DINOv2, que havia sido treinado em uma biblioteca massiva de imagens gerais sem rótulos humanos. O segundo método utilizou um sistema padrão treinado em uma famosa coleção de fotos cotidianas como gatos, carros e árv easily, onde humanos rotularam cada foto. O terceiro método foi um grupo de controle, utilizando um sistema que nunca tinha visto nenhuma imagem e estava apenas tentando adivinhar aleatoriamente.

O estudo começou testando esses sistemas com a quantidade total de dados disponíveis. Quando os pesquisadores deram aos computadores acesso a todos os exemplos rotulados que conseguiam encontrar, os resultados foram surpreendentemente próximos. O sistema moderno, autodidata, e o sistema tradicional, rotulado por humanos, tiveram um desempenho quase idêntico, ambos identificando as condições dentárias com um nível de precisão semelhante. O sistema que nunca tinha visto nenhuma imagem antes teve um desempenho significativamente pior, confirmando que o computador precisava de algum conhecimento prévio para realizar o trabalho. Essa descoberta inicial sugeriu que, para uma tarefa com abundância de dados, o método antigo e estabelecido era tão bom quanto o novo e mais complexo.

O verdadeiro teste veio quando os pesquisadores simularam um cenário onde especialistas humanos estavam muito ocupados e podiam rotular apenas um número ínfimo de exemplos. Eles restringiram os dados de treinamento para tão poucos quanto cinco exemplos positivos para cada condição, uma situação que ocorre frequentemente na pesquisa médica real, onde a coleta de dados é difícil. Neste ambiente restrito, os resultados mudaram drasticamente. O sistema moderno que aprendeu com imagens não rotuladas superou consistentemente o sistema tradicional em todos os testes realizados. Mesmo com apenas cinco exemplos para aprender, o sistema autodidata foi capaz de reconhecer os problemas dentários muito melhor do que o sistema treinado com fotos rotuladas por humanos. Essa vantagem manteve-se mesmo quando os pesquisadores aumentaram o número de exemplos para cem; o sistema autodidata continuou sendo o melhor executor. Para garantir que isso não ocorreu apenas porque o sistema moderno utilizava um tipo diferente de arquitetura de computador, os pesquisadores também testaram um terceiro sistema, mais avançado, que foi treinado da maneira tradicional, mas utilizava a mesma arquitetura moderna. Mesmo contra esse oponente mais justo, o sistema autodidata continuou vencendo, mostrando que sua capacidade de aprender com poucos exemplos era uma força genuína.

Os pesquisadores foram cuidadosos ao explicar o que suas descobertas provaram e o que não provaram. Eles mostraram que o sistema autodidata era melhor em utilizar dados escassos, mas não puderam afirmar com certeza que isso ocorreu porque ele aprendeu sem rótulos. Os sistemas diferiam em muitos aspectos, incluindo os tipos de imagens em que foram treinados e as receitas matemáticas específicas usadas para construí-los. Portanto, a vantagem provavelmente advém da combinação de todos esses fatores, e não de apenas um. Além disso, embora o sistema autodidata tenha sido mais eficiente, o estudo não afirmou que ele estivesse pronto para uso imediato em um consultório odontológico. As diferenças de desempenho, embora consistentes, não foram grandes o suficiente para serem declaradas um avanço clínico, e os sistemas não haviam sido testados em pacientes de diferentes hospitais ou com diferentes máquinas de raio-X. O estudo conclui que, para pesquisadores que trabalham com recursos limitados, começar com um sistema moderno e autodidata é uma estratégia poderosa. Isso oferece uma maneira de obter o máximo de um pequeno número de rótulos de especialistas, fornecendo uma base sólida para futuras ferramentas que poderiam, eventualmente, ajudar dentistas a diagnosticar problemas com maior precisão e rapidez.