¿Pueden las Herramientas de Análisis de Texto de Acceso Libre Identificar la Escritura Generada por Inteligencia Artificial en Manuscritos de Cefalometría?
DOI:
https://doi.org/10.21270/archi.v13i9.6429Palabras clave:
Inteligencia Artificial, Cefalometría, Plagio, Diagnóstico por ImagenResumen
Introducción: Debido al rápido desarrollo de la inteligencia artificial generativa, es necesario estudiar la posibilidad de detectar este tipo de escritura. Para ello, existen herramientas de detección de escritura por inteligencia generativa, las cuales leen documentos y buscan identificar patrones de escritura relacionados con la inteligencia artificial generativa. Objetivo: Evaluar la capacidad de las herramientas de análisis de texto de acceso libre para identificar la escritura por inteligencia artificial generativa en manuscritos de inteligencia artificial en cefalometría. Materiales y métodos: Con el fin de responder a la pregunta "¿Las herramientas de análisis de texto de acceso libre pueden identificar la escritura por inteligencia generativa en manuscritos de inteligencia artificial en cefalometría?", se realizó una búsqueda en la plataforma de investigación Pubmed, utilizando la estrategia PICOS. Se seleccionaron 62 manuscritos. El análisis de la escritura por inteligencia generativa se evaluó mediante dos herramientas de detección de escritura por inteligencia generativa de acceso libre: ZeroGPT y contentdetector.ai. Los resultados se tabularon en una hoja de cálculo y se analizaron utilizando el software estadístico IBM SPSS. Resultados: En el análisis de las diferentes herramientas de detección, no se encontraron diferencias estadísticamente significativas entre los diferentes años. Sin embargo, hubo una diferencia estadísticamente significativa al comparar las dos herramientas de detección, con porcentajes de detección promedio superiores al 26% para la herramienta ContentDetector.AI. Conclusión: Las herramientas de detección de escritura utilizadas no fueron capaces de detectar de manera correcta ni concordar entre sí respecto al uso de inteligencia generativa en la escritura de los manuscritos.
Descargas
Citas
Kunz F, Stellzig-Eisenhauer A, Zeman F, Boldt J. Artificial intelligence in orthodontics. Journal of Orofacial Orthopedics / Fortschritte der Kieferorthopädie, 2019; 81(1):52–68.
Schwendicke F, Samek W, Krois J. Artificial Intelligence in Dentistry: Chances and Challenges. J Dent Res. 2020;99(7):769-74.
Khanagar SB, Al-Ehaideb A, Maganur PC, Vishwanathaiah S, Patil S, Baeshen HA et al.. Developments, application, and performance of artificial intelligence in dentistry - A systematic review. J Dent Sci. 2021;16(1):508-22.
Takeshita WM, Silva TP, de Souza LLT, Tenorio JM. State of the art and prospects for artificial intelligence in orthognathic surgery: A systematic review with meta-analysis. J Stomatol Oral Maxillofac Surg. 2024;125(6):101787.
Kim J, Kim I, Kim YJ, Kim M, Cho JH, Hong M et al. Accuracy of automated identification of lateral cephalometric landmarks using cascade convolutional neural networks on lateral cephalograms from nationwide multi-centres. Orthod Craniofac Res. 2021;24 Suppl 2:59-67.
Hwang HW, Moon JH, Kim MG, Donatelli RE, Lee SJ. Evaluation of automated cephalometric analysis based on the latest deep learning method. Angle Orthod, 2021;91(3):329-35,
Silva TP, Hughes MM, Menezes LDS, de Melo MFB, Freitas PHL, Takeshita WM. Artificial intelligence-based cephalometric landmark annotation and measurements according to Arnett's analysis: can we trust a bot to do that? Dentomaxillofac Radiol. 2022;51(6):20200548,
Menezes LDS, Silva TP, Lima Dos Santos MA, Hughes MM, Mariano Souza SDR, Leite Ribeiro PM et al.. Assessment of landmark detection in cephalometric radiographs with different conditions of brightness and contrast using the an artificial intelligence software. Dentomaxillofac Radiol. 2023;52(8):20230065.
Leonardi R, Giordano D, Maiorana F, Spampinato C. Automatic cephalometric analysis. Angle Orthod. 2008;78(1):145-51.
Montúfar J, Romero M, Scougall-Vilchis RJ. Automatic 3-dimensional cephalometric landmarking based on active shape models in related projections. Am J Orthod Dentofacial Orthop. 2018;153(3):449-58.
Santana LADM, Santos HTD, Gonçalo RIC, de Oliveira Costa CS, Barbosa BF, Alves ÊVM et al. Combining ChatGPT and machine learning: A viable alternative for discussion in oral medicine. Oral Dis. 2024;30(5):3521-522.
Maroteau G, An JS, Murgier J, Hulet C, Ollivier M, Ferreira A. Evaluation of the impact of large language learning models on articles submitted to Orthopaedics & Traumatology: Surgery & Research (OTSR): A significant increase in the use of artificial intelligence in 2023. Orthop Traumatol Surg Res. 2023;109(8):103720.
Santana LADM, Gonçalo RIC, Floresta LG, de Oliveira EM, Trindade LMDF, Borges LP et al. Integrating ChatGPT in oral cytopathology: Enhancing fine needle aspiration diagnostic accuracy for malignant lesions. Oral Oncol. 2024;150:106685.
Silva TP, Ocampo TSC, Alencar-Palha C, Oliveira-Santos C, Takeshita WM, Oliveira ML. ChatGPT: a tool for scientific writing or a threat to integrity? Br J Radiol. 2023;96(1152):20230430,
1Bisi T, Risser A, Clavert P, Migaud H, Dartus J. What is the rate of text generated by artificial intelligence over a year of publication in Orthopedics & Traumatology: Surgery & Research? Analysis of 425 articles before versus after the launch of ChatGPT in November 2022. Orthop Traumatol Surg Res. 2023;109(8):103694.
Buchanan J, Hill S, Shapoval O. ChatGPT Hallucinates Non-existent Citations: Evidence from Economics. Am Econ. 2023;69(1):80-7.
Bellini V, Semeraro F, Montomoli J, Cascella M, Bignami E. Between human and AI: assessing the reliability of AI text detection tools. Curr Med Res Opin. 2024;40(3):353-58.
Walters, William H. The Effectiveness of Software Designed to Detect AI-Generated Writing: A Comparison of 16 AI Text Detectors. Open Inform Sci. 2023 7(1)7: 20220158.
