As Ferramentas de Análise de Texto de Livre Acesso são Capazes de Identificar a Escrita pela Inteligência Generativa em Manuscritos de Inteligência Artificial na Cefalometria?
DOI:
https://doi.org/10.21270/archi.v13i9.6429Palavras-chave:
Inteligência Artificial, Cefalometria, Plágio, Diagnóstico por ImagemResumo
Introdução: Devido ao rápido desenvolvimento da inteligência artificial generativa, faz-se necessário o estudo acerca da possibilidade de detecção deste tipo de escrita. Para tanto, têm-se as ferramentas de detecção de escrita pela inteligência generativa, que realizam a leitura de documentos e buscam identificar padrões de escrita referentes a inteligência artificial generativa. Objetivo: Avaliar a capacidade das ferramentas de análise de texto de livre acesso de identificar a escrita pela inteligência artificial generativa em manuscritos de inteligência artificial na cefalometria. Materiais e métodos: Com o objetivo de responder ao questionamento: “As ferramentas de análise de texto de livre acesso são capazes de identificar a escrita pela inteligência generativa em manuscritos de inteligência artificial na cefalometria?” Foi realizada uma busca na plataforma de pesquisa Pubmed, e utilizada a estratégia PICOS. Com isso, foram selecionados 62 manuscritos. O processo de análise da escrita pela inteligência generativa foi avaliado por duas ferramentas de detecção de escrita por inteligência generativa de livre acesso: o ZeroGPT e Contentdetector.ai. Os resultados foram tabulados em planilha. As análises foram realizadas no programa IBM SPSS22.0 statistical software. Resultados: Nas análises das diferentes ferramentas de detecção não houve diferenças estatisticamente significativas comparando os diferentes anos. Na comparação entre as duas ferramentas de detecção, houve diferença estatisticamente significativa. Com valores médios percentuais de detecção maiores que 26% para a ferramenta ContentDetector.ai. Conclusão: As ferramentas de detecção de escrita utilizadas não foram capazes de detectar corretamente, nem entrar em concordância entre si acerca do uso de inteligência generativa na escrita dos manuscritos.
Downloads
Referências
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.
