ABSTRACT Introduction: It has been suggested that human errors during manual tracing of linear/angular cephalometric parameters can be eliminated by using computer-aided analysis. The landmarks, however, are located manually and the computer system completes the analysis. With the advent of Artificial Intelligence in the field of Dentistry, automatic location of the landmarks has become a promising tool in digital Orthodontics. Methods: Fifty pretreatment lateral cephalograms obtained from the Orthodontic department of SRM dental college (India) were used. Analysis were done by the same investigator using the following methods: WebCeph™, AutoCEPH© for Windows or manual tracing. Landmark identification was carried out automatically by Artificial Intelligence in WebCeph™ and with a mouse driven cursor in AutoCEPH©, and manually using acetate sheet and 0.3-mm pencil, ruler and a protractor. The mean differences of the cephalometric parameters obtained between the three methods were calculated using ANOVA with statistical significance set at p<0.05. Intraclass correlation coefficient (ICC) was used to determine both reproducibility and agreement between linear and angular measurements obtained from the three methods and intrarater reliability of repeated measurements. ICC value of >0.75 indicated good agreement. Results: Intraclass correlation coefficient between the three groups was >0.830, showing good level of agreement, and the value within each group was >0.950, indicating high intrarater reliability. Conclusion: Artificial Intelligence assisted software showed good agreement with AutoCEPH© and manual tracing for all the cephalometric measurements. Introduction linearangular computeraided aided analysis however Dentistry Orthodontics Methods India (India WebCeph AutoCEPH 0.3mm 03mm mm 0.3 0 3 pencil protractor p005 p 05 p<0.05 (ICC 075 75 >0.7 Results 0830 830 >0.830 0950 950 >0.950 Conclusion 3mm 03 0. p00 p<0.0 07 7 >0. 083 83 >0.83 095 95 >0.95 p0 p<0. >0 08 8 >0.8 09 9 >0.9 p<0 > p<

RESUMO Introdução: Tem sido sugerido que os erros humanos durante o traçado manual das medidas cefalométricas lineares/angulares podem ser eliminados usando a análise guiada por computador. Os pontos de referência, no entanto, são localizados manualmente e o sistema computadorizado completa a análise. Com o advento da Inteligência Artificial na Odontologia, a localização automática dos pontos de referência tornou-se uma ferramenta promissora na Ortodontia digital. Métodos: Cinquenta cefalogramas laterais pré-tratamento obtidos do departamento de Ortodontia da Faculdade de Odontologia SRM (Índia) foram usados. Todas as análises foram feitas pelo mesmo investigador, usando os seguintes métodos: WebCeph™, AutoCEPH© para Windows ou traçado manual. A identificação dos pontos foi realizada automaticamente por Inteligência Artificial no WebCeph™; com o cursor do mouse, no AutoCEPH©; e manualmente, utilizando folha de acetato e lápis 0,3 mm, régua e transferidor. As diferenças médias dos parâmetros cefalométricos entre os três métodos foram calculadas por ANOVA com significância estatística fixada em p<0,05. O coeficiente de correlação intraclasse (ICC) foi usado para determinar a reprodutibilidade e a concordância entre as medidas lineares e angulares obtidas pelos três métodos e a confiabilidade intraexaminador para medidas repetidas. O valor de ICC > 0,75 indicou boa concordância. Resultados: O ICC entre os três grupos foi >0,830, mostrando bom nível de concordância, e o valor dentro de cada grupo foi >0,950, indicando alta confiabilidade intra-avaliador. Conclusão: O software assistido por Inteligência Artificial mostrou boa concordância com o AutoCEPH© e o traçado manual para todas as medidas cefalométricas. Introdução linearesangulares computador entanto tornouse tornou se digital Métodos prétratamento pré tratamento Índia (Índia usados investigador WebCeph WebCeph™ AutoCEPH mouse 03 0 3 0, mm transferidor p005 p 05 p<0,05 (ICC repetidas 075 75 0,7 Resultados 0830 830 >0,830 0950 950 >0,950 intraavaliador. intraavaliador intra avaliador. avaliador intra-avaliador Conclusão p00 p<0,0 07 7 083 83 >0,83 095 95 >0,95 p0 p<0, 08 8 >0,8 09 9 >0,9 p<0 >0, p< >0