AI in early oral cancer detection: a systematic review of technologies and clinical impact

Luigi de Almeida Albertoni; Letícia dos Santos Sales Martins; Cecília Helpes Rodrigues; Lara Castor Cunha; Henrique Souza Magalhães; Bruno Alves Ferreira; Lívia Garcia Resende; Quézia Soares de Paula; Maria Clara Fernandes Ribeiro Dantas; Gisele Maria Campos Fabri

doi:10.4322/bds.2026.e5017

Autores

Luigi de Almeida Albertoni Universidade Federal de Juiz de Fora, Faculdade de Odontologia, Departamento de Odontopediatria e Ortodontia. Juiz de Fora, MG, Brazil https://orcid.org/0009-0009-4006-490X
Letícia dos Santos Sales Martins Universidade Federal de Juiz de Fora, Faculdade de Odontologia, Departamento de Odontopediatria e Ortodontia. Juiz de Fora, MG, Brazil https://orcid.org/0009-0000-3896-3599
Cecília Helpes Rodrigues Universidade Federal de Juiz de Fora, Faculdade de Odontologia, Departamento de Odontopediatria e Ortodontia. Juiz de Fora, MG, Brazil https://orcid.org/0009-0009-0085-5408
Lara Castor Cunha Universidade Federal de Juiz de Fora, Faculdade de Odontologia, Departamento de Odontopediatria e Ortodontia. Juiz de Fora, MG, Brazil. https://orcid.org/0009-0007-2498-8972
Henrique Souza Magalhães Universidade Federal de Juiz de Fora, Faculdade de Odontologia, Departamento de Odontopediatria e Ortodontia. Juiz de Fora, MG, Brazil. https://orcid.org/0009-0000-9499-9529
Bruno Alves Ferreira Universidade Federal de Juiz de Fora, Faculdade de Odontologia, Departamento de Odontopediatria e Ortodontia. Juiz de Fora, MG, Brazil. https://orcid.org/0009-0008-8771-6349
Lívia Garcia Resende Universidade Federal de Juiz de Fora, Faculdade de Odontologia, Departamento de Odontopediatria e Ortodontia. Juiz de Fora, MG, Brazil https://orcid.org/0009-0003-5442-9419
Quézia Soares de Paula Universidade Federal de Juiz de Fora, Faculdade de Odontologia, Departamento de Odontopediatria e Ortodontia. Juiz de Fora, MG, Brazil. https://orcid.org/0009-0004-4546-4316
Maria Clara Fernandes Ribeiro Dantas Universidade Federal de Juiz de Fora, Faculdade de Odontologia, Departamento de Odontopediatria e Ortodontia. Juiz de Fora, MG, Brazil. https://orcid.org/0009-0009-3907-5046
Gisele Maria Campos Fabri Universidade Federal de Juiz de Fora, Faculdade de Odontologia, Departamento de Odontopediatria e Ortodontia. Juiz de Fora, MG, Brazil. https://orcid.org/0000-0002-8396-0722

DOI:

https://doi.org/10.4322/bds.2026.e5017

Resumo

Objetivo: Avaliar a eficácia e a aplicabilidade clínica da inteligência artificial (IA) no diagnóstico precoce do câncer bucal em comparação com métodos convencionais. Material e Métodos: Esta revisão sistemática foi registrada prospectivamente na base de dados PROSPERO sob o número CRD420251083609. Foi realizada uma revisão sistemática descritiva com base na questão PICO: “Em pacientes com suspeita de câncer bucal, a IA é mais eficaz do que os métodos tradicionais para o diagnóstico precoce?” As buscas foram realizadas entre abril e junho de 2025 nas bases PubMed, LILACS, SciELO, Scopus, Web of Science, Embase e Google Scholar, utilizando os termos “inteligência artificial”, “neoplasia bucal” e “diagnóstico precoce”. Estudos comparativos que relataram métricas de diagnóstico, como sensibilidade, especificidade e acurácia, foram incluídos. A qualidade metodológica foi avaliada utilizando os sistemas QUADAS-AI e GRADE. Resultados: De 1.704 estudos identificados, 12 atenderam aos critérios de elegibilidade. A maioria dos estudos utilizou desenhos observacionais retrospectivos, empregando principalmente redes neurais convolucionais (CNNs) ou modelos híbridos em imagens clínicas e histopatológicas. A acurácia diagnóstica relatada foi geralmente acima de 80%, e alguns modelos leves demonstraram potencial para triagem remota. Limitações comuns incluíram falta de validação externa, heterogeneidade metodológica e dependência da qualidade das imagens. Conclusão: A IA apresenta potencial promissor para apoiar o diagnóstico precoce do câncer bucal, melhorando a rapidez e a precisão diagnóstica. A implementação clínica mais ampla exigirá validação multicêntrica, conjuntos de dados padronizados e integração com avaliação clínica e histopatológica.

PALAVRAS-CHAVE

Inteligência Artificial; Diagnóstico auxiliado por computador; Diagnóstico precoce; Neoplasias bucais; Carcinoma de células escamosas de cabeça e pescoço.