Introdução: A automação da determinação do sexo em radiografias panorâmicas pode auxiliar na prática pericial, tornando as rotinas mais fáceis de serem aplicadas nos exames realizados pelos odontolegistas. Objetivo: Criar algoritmos que realizem a automação da determinação do sexo através de pontos anatômicos visíveis em radiografias panorâmicas e também verifique a reprodutibilidade das medidas mensuradas com intuito de propor método de identificação pessoal. Método: Foi realizado um estudo em duas etapas. Na primeira, para verificar a confiabilidade do método, foram selecionadas 25 radiografias, foram calculados o coeficiente intra-classe (ICC), e a técnica estatística de Bland-Altiman. Na segunda etapa, para criar o algoritimos utilizando Machine Learning foram utilizadas 200 radiografias, de serviço radiológico privado, sendo 100 do sexo feminino e 100 do sexo masculino. Foram analisadas 4 medidas lineares, que serviram de base para as análises que foram mensuradas em pixel. Foram verificadas a adesão dos dados à curva de normalidade foi testada utilizando o teste estatístico de Shapiro-Francia. Para a realização da automação foi utilizado o algoritmo e para verificar a acurácia do método foi utilizada a regressão logística. Foi utilizado o R studio, o R, Orange e Medcalc. Resultados: O ICC foi acima de 0.90 para todas as medidas. Na análise de Bland-Altiman, as medidas estavam dentro dos intervalos de confiança fixados. Em relação à predição do sexo, as variáveis que apresentaram diferenças estatísticas foram as medidas 5, 6, 7, 8, para o sexo feminino o acerto foi de 70,4%, já para o sexo masculino a predição foi de 69,6%, utilizando o algoritmo da regressão logística. A curva ROC do algoritmo de regressão logística e o valor encontrado foi de 0,460. Conclusões: A estimativa de sexo automatizada pode ser realizada por pontos anatômicos visíveis em radiografias panorâmicas e pode ser um bom método auxiliar de identificação em desastres em massa.

Introduction: The automation of sex determination in panoramic radiographs can help in the forensic practice, making the routines easier to be applied in the exams performed by dentists. Objective: Create algorithms that perform the automation of sex determination through visible anatomical points on panoramic radiographs and also verify the reproducibility of measured measurements. proposes methods of personal identification. Method: A two-step study was carried out. In the first, to verify the reliability of the method, 25 radiographs were selected, the intra-class coefficient (ICC) and the Bland-Altiman statistical technique were calculated. In the second stage, to create the algorithms using Machine Learning, 200 radiographs from the private radiological service were used, 100 females and 100 males. Four linear measurements were analyzed, which served as the basis for the analyzes that were measured in pixel. Data adherence to the normality curve was verified using the Shapiro-Francia statistical test. To perform the automation, the algorithm was used and to verify the accuracy of the method, logistic regression was used. R studio, R, Orange and Medcalc were used. Results: The ICC was above 0.90 for all measurements. In the Bland-Altiman analysis, the measurements were within the fixed confidence intervals. Regarding the prediction of sex, the variables that showed statistical differences were measures 5, 6, 7, 8. For females, the correct answer was 70.4%, while for males, the prediction was 69.6%, using the logistic regression algorithm. The ROC curve of the logistic regression algorithm and the value found was 0.460. Conclusions: Automated sex estimation can be performed by visible anatomical landmarks on panoramic radiographs and can be a good auxiliary method of identification in mass disasters.