Inteligência artificial na ultrassonografia musculoesquelética: lesões musculares, nervos periféricos e ácido hialurônico

Como a inteligência artificial está sendo estudada para graduar lesões musculares, medir nervos periféricos automaticamente e apoiar infiltrações guiadas de ácido hialurônico, com o que a evidência já mostra e onde ainda é promessa.

A inteligência artificial (IA) já é parte do dia a dia em algumas áreas da ultrassonografia, por exemplo na triagem de nódulos de tireoide e de mama, mas na ultrassonografia musculoesquelética (MSK) o cenário é bem diferente: ainda mais recente, com poucos estudos, quase nenhuma validação externa e nenhum algoritmo de uso clínico consolidado. Uma revisão sistemática publicada em 2024 na Radiologia Medica identificou apenas 16 estudos sobre IA em ultrassom MSK publicados entre 2020 e 2023, a maioria com validação apenas interna, sem confirmação em outras populações ou centros. Este artigo revisa o que a pesquisa mostra hoje em três frentes de interesse clínico direto: a graduação de lesões musculares, a avaliação de nervos periféricos e os procedimentos guiados por ultrassom com ácido hialurônico, deixando claro onde a tecnologia já ajuda e onde ainda é promessa.

Lesões musculares: da classificação BAMIC à quantificação assistida por computador

A British Athletics Muscle Injury Classification (BAMIC), descrita por Pollock e colaboradores em 2014, tornou-se a linguagem mais usada para graduar lesões musculares em atletas. O sistema combina a localização anatômica da lesão, miofascial, junção miotendínea proximal, distal ou central, ou intratendínea, com o grau de dano tecidual, de 0 a 4, fornecendo uma estimativa de gravidade que se correlaciona com o tempo estimado de retorno ao esporte. Embora tenha sido originalmente descrita com base em ressonância magnética, a BAMIC é amplamente aplicada também à ultrassonografia na avaliação inicial de lesões musculares agudas, por ser um exame rápido, acessível e realizável à beira do campo. Uma limitação reconhecida é que a graduação por ultrassom depende fortemente da experiência do examinador e da qualidade técnica da imagem, sendo historicamente mais variável entre observadores do que a graduação por ressonância magnética.

É justamente essa variabilidade que motiva o interesse em ferramentas quantitativas e de IA. Um estudo publicado em 2024 na Insights into Imaging mostrou que a velocidade da onda de cisalhamento, medida por elastografia por ondas de cisalhamento, permanece reduzida no músculo isquiotibial após lesão, mesmo em atletas já liberados clinicamente para retorno ao esporte, sugerindo um biomarcador quantitativo de recuperação tecidual que vai além da inspeção visual da imagem. Já softwares como o MyoVision-US, descrito por Wen e colaboradores na Scientific Reports em 2025, demonstram que redes neurais conseguem extrair automaticamente espessura muscular, área de secção transversa e ecogenicidade com excelente concordância em relação à medida manual, com coeficientes de correlação intraclasse entre 0,85 e 0,99, reduzindo o tempo de análise de imagens de horas para segundos. Esses softwares ainda não graduam lesões musculares agudas de forma automática nem substituem a leitura clínica, pois foram validados para arquitetura muscular geral e não para lesões agudas, mas apontam um caminho para uma futura quantificação assistida por IA da gravidade das lesões, complementar à classificação BAMIC feita pelo examinador.

Nervos periféricos: da régua manual à segmentação automática

A avaliação sonográfica de nervos periféricos é hoje parte essencial do diagnóstico de neuropatias compressivas, como a síndrome do túnel do carpo, no nervo mediano ao nível do punho, e a neuropatia ulnar no cotovelo. A medida da área de secção transversa do nervo é o parâmetro mais usado: um nervo aumentado de volume no ponto de compressão sugere edema e sofrimento axonal, muitas vezes antes de haver alterações relevantes na eletroneuromiografia. Essa medida, no entanto, é feita manualmente, exige treinamento específico e consome tempo do examinador, o que motiva o desenvolvimento de algoritmos de segmentação automática.

Um exemplo recente é o trabalho de Moser e colaboradores, publicado na Scientific Reports em 2024, que treinou uma rede neural em formato U-Net com 2.355 imagens manualmente segmentadas de 51 punhos, entre pacientes com túnel do carpo e controles saudáveis, para localizar e medir automaticamente o nervo mediano. O algoritmo atingiu um coeficiente Dice de 0,76 em relação à segmentação manual, com diferença mediana de cerca de 11 por cento na área calculada. Quando essa medida automática foi usada para classificar os punhos como normais ou patológicos, a acurácia diagnóstica foi de 75 por cento, contra 81 por cento quando a medida era feita manualmente por um especialista. Ou seja, a IA já chega perto do desempenho humano, mas ainda fica ligeiramente atrás dele, e segue com dificuldade em casos anatomicamente atípicos, como nervos bífidos ou imagens de baixo contraste.

Colocando esse achado no contexto mais amplo, a já citada revisão sistemática de 2024 mostrou que a maioria dos estudos de IA em ultrassom MSK, incluindo os voltados a nervos periféricos, tendões, músculo e cartilagem, usa apenas validação interna, sem nenhum estudo com validação externa multicêntrica reportado até aquele momento. Na prática, isso significa que os algoritmos de segmentação automática de nervos são, por ora, ferramentas de pesquisa promissoras para padronizar a triagem de neuropatias compressivas, e não substitutos validados do exame realizado por um ultrassonografista experiente.

Ácido hialurônico guiado por ultrassom: evidência consolidada para preservação articular

Diferentemente dos dois tópicos anteriores, a infiltração intra-articular de ácido hialurônico, ou viscossuplementação, não é uma novidade baseada em IA. É uma prática consolidada, usada há décadas como estratégia de controle da dor e de preservação articular em pacientes com osteoartrite, sobretudo antes de se considerar uma artroplastia. O que mudou nos últimos anos foi a evidência cada vez mais robusta de que guiar a agulha por ultrassom em tempo real, em vez de usar apenas referências anatômicas palpáveis, a chamada técnica às cegas, melhora tanto a precisão do procedimento quanto os desfechos clínicos.

Uma revisão sistemática com meta-análise publicada em 2024 no Australasian Journal of Ultrasound in Medicine reuniu quatro ensaios clínicos randomizados, com 338 participantes no total, todos em osteoartrite de joelho, e encontrou vantagem consistente do guiamento por ultrassom: precisão de colocação intra-articular de 96 por cento contra 78 por cento na técnica às cegas, efeito grande na redução da dor durante o procedimento, efeito grande na melhora funcional e maior satisfação imediata do paciente, com nota 4,9 versus 4,1 em um dos estudos, com p igual a 0,01.

É importante notar onde está concentrada essa evidência: os quatro ensaios incluídos na meta-análise trataram exclusivamente do joelho, e nenhum estudo comparativo de qualidade equivalente foi identificado para quadril ou articulações da mão. Isso não significa que o guiamento por imagem seja dispensável nessas outras articulações. Pelo contrário, para articulações tecnicamente mais profundas ou de acesso mais difícil, como quadril, ombro ou tornozelo, a lógica anatômica e a prática clínica atual favorecem o uso do ultrassom. Mas, em termos de evidência de ensaios randomizados especificamente sobre viscossuplementação, o joelho é hoje, de longe, a articulação mais bem estudada.

Para onde caminha o guiamento assistido por tecnologia

O guiamento em tempo real por ultrassom convencional já é, portanto, uma tecnologia madura e comprovada. O que ainda está em fase de pesquisa é o uso de IA para auxiliar esse guiamento. Revisões narrativas recentes, como uma publicada em 2026 na Frontiers in Artificial Intelligence sobre infiltração de ombro, descrevem redes de segmentação profunda, com arquiteturas como nnU-Net e U-Net, capazes de identificar estruturas periarticulares, como cabeça umeral e manguito rotador, com coeficientes Dice acima de 0,90 em estudos de viabilidade, além de protótipos de rastreamento de agulha em tempo real e sistemas de navegação já registrados por agências regulatórias, principalmente na China. Em um campo relacionado, um ensaio clínico randomizado piloto testou rastreamento de agulha por IA em treinamento de anestesia regional guiada por ultrassom, mostrando viabilidade técnica nesse contexto correlato.

A ressalva importante é que os próprios autores dessas revisões reconhecem que ainda faltam estudos clínicos diretos medindo, por exemplo, a taxa de sucesso na primeira tentativa de infiltrações articulares guiadas por IA comparada à técnica ultrassonográfica convencional. Os números mais otimistas citados nessa literatura são, em geral, projeções ou resultados de estudos de viabilidade em pequena escala, não resultados confirmados de ensaios clínicos robustos. Na prática de hoje, a ferramenta com evidência real e pronta para uso continua sendo o próprio ultrassom em tempo real nas mãos de um examinador treinado. A navegação assistida por IA é uma direção de pesquisa a acompanhar, não uma exigência da prática atual.

O que isso significa na prática clínica

Juntando os três temas, um padrão comum emerge. Na graduação de lesões musculares, a BAMIC continua sendo o critério clínico de referência, e ferramentas quantitativas como a elastografia ajudam a refinar o prognóstico, mas não substituem o exame clínico e a leitura do especialista. Na avaliação de nervos periféricos, algoritmos de segmentação automática já chegam perto da acurácia humana e podem, no futuro, ajudar a padronizar a triagem de neuropatias compressivas, mas ainda precisam de validação externa antes de entrar na rotina. Já para dor articular e preservação da articulação, a infiltração de ácido hialurônico guiada por ultrassom, sem qualquer necessidade de IA, já é prática baseada em evidência forte, particularmente no joelho, e deveria ser a técnica padrão sempre que disponível.

Para quem pratica ou ensina ultrassonografia musculoesquelética, a lição prática é dupla: dominar hoje o que já tem evidência robusta, graduação estruturada de lesões musculares, medida cuidadosa de nervos periféricos e guiamento ultrassonográfico preciso para infiltrações, e, ao mesmo tempo, acompanhar de perto os estudos de IA nessas três áreas, porque é bem provável que, nos próximos anos, parte dessas tarefas passe a contar com apoio computacional real, validado e testado fora do laboratório de pesquisa que o criou.