Barbosa, CláudiaGreco, Giuditta2025-06-302025-06-302024-09-04http://hdl.handle.net/10284/14356As disfunções temporomandibulares (DTM) são um grupo de condições musculoesqueléticas que envolvem os músculos da mastigação e/ou as articulações temporomandibulares e estruturas associadas, e que reduzem a qualidade de vida, especialmente quando condicionam a presença de dor crónica. Normalmente, o seu diagnóstico é tardio, o que já irá implicar alterações músculo-articulares compensatórias e, muitas vezes, a instalação de um quadro de dor crónica. A determinação de um biomarcador ou conjunto de biomarcadores que possam ser utilizados no diagnóstico subclínico das DTM tem sido um desafio científico nos últimos anos, destacando-se os biomarcadores salivares, que se têm mostrado promissores. As novas tecnologias, com a utilização da inteligência artificial (IA), têm dado novas perspetivas nesse sentido, sendo que, vários algoritmos de IA que têm sido desenvolvidos para diagnosticar as DTM, podem fornecer conhecimentos clínicos adicionais para aumentar a precisão do diagnóstico. Esta revisão crítica da literatura teve como objetivo avaliar o uso dos biomarcadores e da IA como ferramentas para o diagnóstico precoce das DTM, salientando as perspetivas futuras. Para a sua elaboração foi realizada previamente uma pesquisa bibliográfica com recurso às bases de dados PubMed®, Google Scholar e Science Direct, utilizando-se diferentes palavras-chave nas suas diversas combinações com os operadores booleanos ‘AND’ e ‘OR’. De acordo com os critérios estabelecidos para a seleção dos artigos, foram incluídos 80 artigos para a redação deste trabalho. Este trabalho permitiu avaliar que, embora exista um grande potencial para os biomarcadores na deteção precoce da DTM, ainda não existe identificado nenhum biomarcador que possa ser utilizado com esse objetivo, de forma generalizada ou aplicado a um determinado subtipo de DTM. É necessário realizar mais investigações longitudinais, de preferência multicêntricas, com a avaliação da incidência de DTM, para identificar biomarcadores específicos e estabelecer protocolos padronizados de recolha e análise. Quanto à IA, também oferece um potencial significativo para melhorar a precisão diagnóstica e automatizar processos complexos. Assim, esta poderá vir a ser fundamental na determinação de padrões associados à presença de determinados biomarcadores, sinais clínicos/sintomas subclínicos, e mesmo, registos imagiológicos da presença precoce de DTM.Temporomandibular disorders (TMD) are a group of musculoskeletal conditions involving the masticatory muscles and/or the temporomandibular joints and associated structures, which reduce the quality of life, especially when they lead to chronic pain. Typically, TMD diagnosis is delayed, which often results in compensatory musculoskeletal changes and the establishment of chronic pain. The identification of a biomarker or set of biomarkers for the subclinical diagnosis of TMD has been a scientific challenge in recent years, with salivary biomarkers showing promise. New technologies, particularly the use of artificial intelligence (AI), have provided new perspectives, with various AI algorithms being developed to diagnose TMD, offering additional clinical insights to enhance diagnostic accuracy. This critical literature review aimed to assess the use of biomarkers and AI as tools for the early diagnosis of TMD, highlighting future perspectives. A bibliographic search was conducted using the PubMed®, Google Scholar, and Science Direct databases, employing different keywords (“temporomandibular disorders”, “early diagnosis”, “biomarkers”, and “artificial intelligence”) in various combinations with the boolean operators ‘AND’ and ‘OR’. Based on the established criteria for article selection, 80 articles were included for this review. This work revealed that although there is great potential for biomarkers in the early detection of TMD, no biomarker has yet been identified for widespread use or for application to a specific TMD subtype. More longitudinal, preferably multicentric, studies with TMD incidence evaluation are needed to identify specific biomarkers and establish standardized collection and analysis protocols. As for AI, it also offers significant potential to improve diagnostic accuracy and automate complex processes. Thus, it could be crucial in determining patterns associated with the presence of specific biomarkers, clinical/subclinical signs and symptoms, and even early imaging records of TMD.porDisfunções temporomandibularesDiagnósticoDiagnóstico precoceBiomarcadoresInteligência artificialTemporomandibular disordersDiagnosisEarly diagnosisBiomarkersArtificial intelligencemaster thesis203928440