1. o design tradicional dos alinhadores transparentes demora 1-4 horas por caso com mão de obra técnica especializada
Antes de avaliar qualquer solução de software, vale a pena quantificar o problema que a IA pretende resolver. Um fluxo de trabalho convencional de desenho de alinhadores transparentes requer que um técnico ou ortodontista treinado execute cada passo significativo à mão: segmentação do dente, posicionamento inicial, planeamento do tratamento, faseamento, colocação do acessório, planeamento da redução interproximal (IPR) e pós-processamento para fabrico. Cada passo exige um julgamento clínico, a manipulação manual de ferramentas num ambiente CAD e um refinamento iterativo.
A documentação da plataforma e as referências dos utilizadores indicam que os casos OnyxCeph requerem duas a quatro horas de trabalho prático; o Maestro 3D e o 3Shape Clear Aligner Studio requerem uma a três horas e uma a duas horas, respetivamente. Mesmo na gama mais baixa, um técnico que trabalhe oito horas por dia conclui apenas quatro a seis casos. Para um laboratório de média dimensão que processa mil casos por mês, esse rendimento traduz-se em cerca de trinta e cinco a quarenta técnicos a tempo inteiro.
O estrangulamento não é apenas a duração total. É a carga cognitiva. Cada caso requer que o técnico mantenha múltiplas variáveis ortodônticas na memória de trabalho: a posição da raiz em relação ao osso, a deteção de colisão entre dentes adjacentes, os vectores de força ideais para cada fase do movimento, a geometria do encaixe e o timing do IPR. Os técnicos humanos fazem esse trabalho de forma brilhante, mas não conseguem fazê-lo consistentemente por horas a fio sem variação na qualidade.
2. Os custos de mão de obra representam 60-80% das despesas totais de produção de caixas para a maioria dos laboratórios e marcas
As implicações financeiras decorrem diretamente dos requisitos de tempo. Num laboratório ortodôntico típico ou numa marca de alinhadores transparentes, a mão de obra representa a maior categoria de custo individual por uma margem considerável. Os salários dos técnicos, benefícios, formação e rotatividade representam coletivamente 60% a 80% da despesa total para mover um caso da receção do scanner para o ficheiro pronto a ser fabricado.
O licenciamento de software é um item de linha menor em comparação. O 3Shape Clear Aligner Studio tem uma licença anual de aproximadamente $650 mais módulos; o Archform cobra $14 por paciente. Estes valores são insignificantes quando comparados com o custo de mão de obra de duas a quatro horas de tempo de um técnico qualificado por caso. A $40 a $50 por hora, um único caso planeado manualmente implica um custo de mão de obra de $80 a $200 antes de qualquer despesa de fabrico.
Qualquer tecnologia que reduza genuinamente o tempo de desenho humano tem o potencial de transformar a economia da unidade. Uma plataforma que reduz o trabalho por caso de duas horas para dez minutos reestrutura todo o perfil de custos da produção de alinhadores. Por outro lado, uma plataforma que ainda requer uma a duas horas de trabalho manual proporciona apenas uma melhoria marginal.
3. Os planos concebidos pelo homem apresentam uma variabilidade significativa em termos de qualidade e coerência entre os técnicos
Para além do custo e da rapidez, existe uma questão de qualidade clínica. Estudos sobre a concordância entre técnicos no planeamento de setups ortodônticos revelaram que técnicos experientes discordavam sobre a posição final óptima dos dentes em cerca de 15% a 25% dos dentes, com discrepâncias maiores em casos complexos de extração ou esqueléticos. Essa variação leva a resultados de tratamento inconsistentes, aumento das taxas de refinamento e resultados de vida mais curta.
A variabilidade surge porque o planeamento do tratamento é um problema de otimização multidimensional. Sem uma estrutura de decisão padronizada, cada plano reflecte as preferências idiossincráticas do seu criador. A IA genuína oferece uma solução potencial: uma rede neural treinada num conjunto de dados suficientemente grande aplica os mesmos critérios de decisão em todos os casos, todos os dias. A questão, como veremos na Secção 1.3, é saber se a IA em questão foi realmente treinada nesse conjunto de dados - ou se se limita a executar regras pré-programadas.
