INTRODUÇÃO: avaliações paramétricas clássicas e variáveis cefalométricas isoladas podem não prover a melhor informação em morfologia craniofacial. Por outro lado, uma cefalometria contextualizada pode ser bem mais promissora, uma vez que permite a integração de variáveis cefalométricas ponderadas. OBJETIVO: a proposta principal desse artigo é apresentar a aplicação de um modelo matemático não-trivial em cefalometria, permitindo a mineração de dados através da filtragem de certeza e contradição em cada "nó" da rede. MÉTODOS: nessa "rede neural" proposta, cada "célula" é conectada a outras "células" através de "sinapses". Tal sistema de tomada de decisão é uma ferramenta de inteligência artificial ajustada para potencialmente aumentar o significado dos dados coletados. RESULTADOS: a comparação entre o diagnóstico final fornecido pela rede neural paraconsistente e as opiniões de três examinadores foi heterogênea. O índice de concordância Kappa foi regular para discrepâncias anteroposteriores; substancial ou regular para discrepâncias verticais; e moderado para discrepâncias dentárias. Para a protrusão bimaxilar dentária, a concordância foi quase perfeita. Similarmente, a concordância entre as opiniões dos três examinadores sem a ajuda de nenhuma ferramenta de diagnóstico foi apenas moderada para discrepâncias esqueletais e dentárias. Como exceção, a concordância para protrusão dentária foi quase perfeita. CONCLUSÕES: a avaliação de desempenho do sistema tecnológico desenvolvido suporta que a ferramenta eletrônica apresentada pode se igualar às decisões humanas na maioria das situações. Como uma limitação esperada, tal ferramenta matemática-computacional se apresentou menos efetiva para discrepâncias esqueletais do que para discrepâncias dentárias.
Diagnóstico cefalométrico; Lógica não-trivial; Inteligência artificial
