Foi desenvolvida uma solução completa para classificar, detectar e segmentar calcificações de ateroma carotídeo (CACs) em radiografias panorâmicas, utilizando uma combinação de modelos como FastViT, AttentionNet e DC-UNet.
A abordagem em múltiplas etapas demonstrou alta performance, com uma acurácia de 97% e AUC de 0,96, reforçando a efetividade da IA como ferramenta para detecção precoce de pacientes com risco cardiovascular.
A solução possibilita encaminhamentos médicos oportunos, sendo um recurso valioso para profissionais da odontologia e da saúde cardiovascular.
