Inteligencia artificial en la ecografía musculoesquelética: lesiones musculares, nervios periféricos y ácido hialurónico

Cómo se está estudiando la inteligencia artificial para graduar lesiones musculares, medir nervios periféricos de forma automática y apoyar infiltraciones guiadas de ácido hialurónico, con lo que la evidencia ya muestra y dónde todavía es una promesa.

La inteligencia artificial (IA) ya forma parte de la práctica diaria en algunas áreas de la ecografía, por ejemplo en la clasificación de nódulos tiroideos y mamarios, pero en la ecografía musculoesquelética (MSK) el panorama es muy distinto: todavía incipiente, con pocos estudios, casi ninguna validación externa y ningún algoritmo de uso clínico consolidado. Una revisión sistemática publicada en 2024 en Radiologia Medica identificó solo 16 estudios sobre IA en ecografía MSK publicados entre 2020 y 2023, la mayoría con validación únicamente interna, sin confirmación en otras poblaciones o centros. Este artículo revisa lo que muestra la investigación actual en tres áreas de relevancia clínica directa: la graduación de lesiones musculares, la evaluación de nervios periféricos y los procedimientos guiados por ecografía con ácido hialurónico, dejando claro dónde la tecnología ya ayuda y dónde todavía es una promesa.

Lesiones musculares: de la clasificación BAMIC a la cuantificación asistida por computadora

La British Athletics Muscle Injury Classification (BAMIC), descrita por Pollock y colaboradores en 2014, se ha convertido en el lenguaje más usado para graduar lesiones musculares en deportistas. El sistema combina la localización anatómica de la lesión, miofascial, unión miotendinosa proximal, distal o central, o intratendinosa, con el grado de daño tisular, de 0 a 4, proporcionando una estimación de gravedad que se correlaciona con el tiempo esperado de retorno al deporte. Aunque se describió originalmente con base en resonancia magnética, la BAMIC también se aplica ampliamente en ecografía para la evaluación inicial de lesiones musculares agudas, por ser un examen rápido, accesible y realizable al borde del campo. Una limitación reconocida es que la graduación por ecografía depende en gran medida de la experiencia del examinador y de la calidad de la imagen, y ha mostrado históricamente más variabilidad entre observadores que la graduación por resonancia.

Es precisamente esa variabilidad la que motiva el interés por herramientas cuantitativas y de IA. Un estudio publicado en 2024 en Insights into Imaging mostró que la velocidad de la onda de corte, medida por elastografía de ondas de corte, permanece reducida en el isquiotibial tras una lesión, incluso en deportistas ya autorizados clínicamente para volver al deporte, lo que sugiere un biomarcador cuantitativo de recuperación tisular que va más allá de la inspección visual de la imagen. Programas como MyoVision-US, descrito por Wen y colaboradores en Scientific Reports en 2025, demuestran que las redes neuronales pueden extraer automáticamente el grosor muscular, el área de sección transversal y la ecogenicidad con excelente concordancia respecto a la medición manual, con coeficientes de correlación intraclase entre 0,85 y 0,99, reduciendo el tiempo de análisis de imágenes de horas a segundos. Estas herramientas todavía no gradúan lesiones musculares agudas de forma automática ni sustituyen la lectura clínica, ya que fueron validadas para la arquitectura muscular general y no para lesiones agudas, pero apuntan hacia una futura cuantificación asistida por IA de la gravedad de las lesiones, complementaria a la clasificación BAMIC realizada por el examinador.

Nervios periféricos: de la regla manual a la segmentación automática

La evaluación ecográfica de los nervios periféricos es hoy una parte esencial del diagnóstico de las neuropatías por atrapamiento, como el síndrome del túnel carpiano, en el nervio mediano a nivel de la muñeca, y la neuropatía ulnar en el codo. La medición del área de sección transversal del nervio es el parámetro más usado: un nervio aumentado de tamaño en el punto de compresión sugiere edema y sufrimiento axonal, muchas veces antes de que aparezcan cambios relevantes en la electroneuromiografía. Sin embargo, esta medición se realiza manualmente, requiere entrenamiento específico y consume tiempo del examinador, lo que impulsa el desarrollo de algoritmos de segmentación automática.

Un ejemplo reciente es el trabajo de Moser y colaboradores, publicado en Scientific Reports en 2024, que entrenó una red neuronal con arquitectura U-Net con 2.355 imágenes segmentadas manualmente de 51 muñecas, entre pacientes con túnel carpiano y controles sanos, para localizar y medir automáticamente el nervio mediano. El algoritmo alcanzó un coeficiente Dice de 0,76 respecto a la segmentación manual, con una diferencia mediana de aproximadamente el 11 por ciento en el área calculada. Cuando esta medición automática se usó para clasificar las muñecas como normales o patológicas, la precisión diagnóstica fue del 75 por ciento, frente al 81 por ciento cuando la medición la realizaba manualmente un especialista. Es decir, la IA ya se acerca al desempeño humano, pero todavía queda ligeramente por detrás, y sigue teniendo dificultades en casos anatómicamente atípicos, como nervios bífidos o imágenes de bajo contraste.

Situando este hallazgo en un contexto más amplio, la revisión sistemática ya citada mostró que la mayoría de los estudios de IA en ecografía MSK, incluidos los dedicados a nervios periféricos, tendones, músculo y cartílago, utilizan solo validación interna, sin ningún estudio de validación externa multicéntrica reportado hasta ese momento. En la práctica, esto significa que los algoritmos de segmentación automática de nervios son, por ahora, herramientas de investigación prometedoras para estandarizar el cribado de neuropatías por atrapamiento, y no sustitutos validados del examen realizado por un ecografista experimentado.

Ácido hialurónico guiado por ecografía: evidencia consolidada para la preservación articular

A diferencia de los dos temas anteriores, la infiltración intraarticular de ácido hialurónico, o viscosuplementación, no es una novedad basada en IA. Es una práctica consolidada, usada desde hace décadas como estrategia de control del dolor y de preservación articular en pacientes con osteoartritis, sobre todo antes de considerar una artroplastia. Lo que ha cambiado en los últimos años es que la evidencia es cada vez más sólida en cuanto a que guiar la aguja por ecografía en tiempo real, en lugar de usar solo referencias anatómicas palpables, la llamada técnica a ciegas, mejora tanto la precisión del procedimiento como los resultados clínicos.

Una revisión sistemática con metaanálisis publicada en 2024 en el Australasian Journal of Ultrasound in Medicine reunió cuatro ensayos clínicos aleatorizados, con 338 participantes en total, todos en osteoartritis de rodilla, y encontró una ventaja consistente del guiado por ecografía: precisión de colocación intraarticular del 96 por ciento frente al 78 por ciento con la técnica a ciegas, un efecto grande en la reducción del dolor durante el procedimiento, un efecto grande en la mejora funcional y mayor satisfacción inmediata del paciente, con una puntuación de 4,9 frente a 4,1 en un estudio, con p igual a 0,01.

Es importante notar dónde se concentra esta evidencia: los cuatro ensayos incluidos en el metaanálisis trataron exclusivamente la rodilla, y no se identificó ningún estudio comparativo de calidad equivalente para la cadera o las articulaciones de la mano. Esto no significa que el guiado por imagen sea prescindible en esas otras articulaciones. Al contrario, para articulaciones técnicamente más profundas o de acceso más difícil, como la cadera, el hombro o el tobillo, la lógica anatómica y la práctica clínica actual favorecen el uso de la ecografía. Pero, en términos de evidencia de ensayos aleatorizados específicamente sobre viscosuplementación, la rodilla es hoy, con diferencia, la articulación mejor estudiada.

Hacia dónde avanza el guiado asistido por tecnología

El guiado en tiempo real con ecografía convencional es, por lo tanto, ya una tecnología madura y comprobada. Lo que todavía está en fase de investigación es el uso de IA para asistir ese guiado. Revisiones narrativas recientes, como una publicada en 2026 en Frontiers in Artificial Intelligence sobre infiltración de hombro, describen redes de segmentación profunda, con arquitecturas como nnU-Net y U-Net, capaces de identificar estructuras periarticulares, como la cabeza humeral y el manguito rotador, con coeficientes Dice superiores a 0,90 en estudios de viabilidad, además de prototipos de rastreo de aguja en tiempo real y sistemas de navegación ya registrados ante agencias regulatorias, principalmente en China. En un campo relacionado, un ensayo clínico aleatorizado piloto probó el rastreo de aguja por IA en el entrenamiento de anestesia regional guiada por ecografía, mostrando viabilidad técnica en ese contexto afín.

La salvedad importante es que los propios autores de estas revisiones reconocen la falta de estudios clínicos directos que midan, por ejemplo, la tasa de éxito en el primer intento de infiltraciones articulares guiadas por IA en comparación con la técnica ecográfica convencional. Las cifras más optimistas citadas en esta literatura son, en general, proyecciones o resultados de estudios de viabilidad a pequeña escala, no resultados confirmados de ensayos clínicos robustos. En la práctica actual, la herramienta con evidencia real y lista para usar sigue siendo la propia ecografía en tiempo real en manos de un examinador entrenado. La navegación asistida por IA es una línea de investigación a seguir, no un requisito de la práctica actual.

Qué significa esto en la práctica clínica

Uniendo los tres temas, surge un patrón común. En la graduación de lesiones musculares, la BAMIC sigue siendo el estándar clínico de referencia, y herramientas cuantitativas como la elastografía ayudan a refinar el pronóstico, pero no sustituyen el examen clínico ni la interpretación del especialista. En la evaluación de nervios periféricos, los algoritmos de segmentación automática ya se acercan a la precisión humana y podrían, en el futuro, ayudar a estandarizar el cribado de neuropatías por atrapamiento, pero todavía necesitan validación externa antes de incorporarse a la práctica rutinaria. En cambio, para el dolor articular y la preservación de la articulación, la infiltración de ácido hialurónico guiada por ecografía, sin necesidad alguna de IA, ya es una práctica respaldada por evidencia sólida, particularmente en la rodilla, y debería ser la técnica estándar siempre que esté disponible.

Para quienes practican o enseñan ecografía musculoesquelética, la lección práctica es doble: dominar hoy lo que ya cuenta con evidencia sólida, graduación estructurada de lesiones musculares, medición cuidadosa de nervios periféricos y guiado ecográfico preciso para infiltraciones, y, al mismo tiempo, seguir de cerca la investigación en IA en estas tres áreas, porque es bastante probable que, en los próximos años, parte de estas tareas cuente con apoyo computacional real, validado y probado fuera del laboratorio de investigación que lo creó.