Resumo do estudo
Revisão narrativa publicada nos Arquivos Brasileiros de Cardiologia: Imagem Cardiovascular em 2026, com participação do Instituto Fanilda Barros, analisa as aplicações atuais da inteligência artificial na ultrassonografia de carótidas. A IA vem sendo aplicada em detecção automática de placas, segmentação de imagens, classificação de estabilidade, radiômica e predição de AVC, inclusive integrada a contraste (CEUS), elastografia, ultrassom 3D e microfluxo. Os autores concluem que a tecnologia é promissora, mas ainda depende de padronização de imagens, validação externa, explicabilidade e comprovação de impacto clínico, e que o especialista se torna mais essencial, e não menos.
De um exame de estenose para um exame de risco
Durante décadas, o ultrassom de carótidas foi pensado principalmente em torno de uma pergunta: quanto a artéria está estreitada? Esse modelo, construído a partir de estudos clássicos em pacientes sintomáticos, continua importante. Mas o conhecimento sobre a biologia da placa mostrou que a estenose sozinha não explica todo o risco, especialmente em pessoas assintomáticas ou com lesões não obstrutivas.
Hoje se sabe que a presença da placa, sua carga, sua morfologia e sua composição trazem informação prognóstica própria. Mesmo placas pequenas, com estenoses abaixo de 50%, foram associadas a aumento do risco cardiovascular, sobretudo quando bilaterais ou acompanhadas de acometimento femoral. É nessa virada, de um exame hemodinâmico para um exame de caracterização da placa, que a inteligência artificial entra.
Por que o ultrassom precisa de ajuda
O ultrassom de carótidas é amplamente disponível, não usa radiação e oferece informação anatômica, hemodinâmica e tecidual. Mas é dependente do operador, varia entre equipamentos e tem subjetividade na interpretação de placas complexas. Características como núcleo lipídico-necrótico, hemorragia intraplaca e neovascularização podem ser inferidas, mas nem sempre de forma reprodutível. É exatamente essa lacuna que a IA se propõe a reduzir.
Como a IA trabalha com a imagem
A revisão descreve três níveis. O aprendizado de máquina convencional extrai da imagem atributos definidos previamente e os usa para classificar. O aprendizado profundo, com redes neurais, aprende diretamente dos pixels, identificando padrões sem depender de variáveis escolhidas manualmente. E há a integração entre os dois, combinando segmentação automática, descritores quantitativos e dados clínicos.
Dentro desse contexto aparece a radiômica: a conversão da imagem em uma matriz de variáveis quantitativas de textura, heterogeneidade e distribuição de intensidades, muitas delas imperceptíveis ao olho humano. Os autores a descrevem como uma ponte entre a imagem convencional e a fenotipagem biológica da placa.
Um ponto técnico recebe destaque: nenhum modelo supera a má qualidade da imagem de entrada. Ganho inadequado, profundidade excessiva, sombra acústica e diferenças de protocolo entre aparelhos afetam decisivamente o desempenho dos algoritmos. Por isso, padronização técnica virou tema central.
O que a IA já faz
As aplicações mais maduras hoje são detecção, segmentação e classificação de placas em imagens modo B. Há modelos que identificam placas e as diferenciam segundo a estabilidade, sistemas em tempo real que reconhecem placas em vídeos dinâmicos e trabalhos de radiômica que discriminam placas estáveis e vulneráveis.
A revisão também cita modelos que combinam dados de imagem e clínicos para prever risco de AVC isquêmico, e um sistema robótico chamado UltraBot, capaz de realizar a aquisição e a análise do exame de forma autônoma, com identificação de placas em 90% dos casos no estudo original.
Integração com técnicas avançadas
O futuro descrito pelos autores é multiparamétrico. O ultrassom bidimensional fornece a morfologia básica; o contraste (CEUS) revela a neovascularização intraplaca; a elastografia informa a rigidez e a biomecânica; o microfluxo capta fluxos de velocidade muito baixa sem contraste; o ultrassom 3D quantifica volume e carga de placa; e a microscopia por localização ultrassônica (ULM) aproxima a imagem da histologia. A IA é a camada capaz de integrar tudo isso.
Os limites atuais
A revisão é explícita sobre as cautelas. A maioria dos estudos usa como referência a avaliação de especialistas, o que carrega a própria variabilidade humana que a IA pretende reduzir. A histologia é uma referência mais robusta, mas vem de pacientes cirúrgicos, com doença mais avançada. E o desfecho clínico, que seria o padrão mais relevante, exige coortes grandes e seguimento longo.
Revisões metodológicas mostram que muitos modelos, principalmente os radiômicos, apresentam áreas sob a curva elevadas, mas com qualidade metodológica média ainda baixa e alto risco de vieses. O verdadeiro valor clínico está na capacidade de manter o desempenho em populações independentes, e não apenas no banco de dados original.
A conclusão dos autores
A IA está transformando o ultrassom de carótidas de um exame predominantemente anatômico e operador-dependente em uma ferramenta mais quantitativa e orientada para estratificação de risco. A mensagem final é que a contribuição da tecnologia não está em competir com o olhar clínico: o especialista se torna ainda mais essencial, agora apoiado por um recurso que aumenta precisão, agilidade e eficiência.
Principais números do estudo
- Revisão narrativa com participação de seis especialistas brasileiros em imagem vascular
- Aplicações mais maduras: detecção, segmentação e classificação de placas no modo B
- Sistema robótico UltraBot identificou placas em 90% dos casos no estudo citado
- Técnicas integráveis à IA: CEUS, elastografia, ultrassom 3D, microfluxo e ULM
- Três padrões de referência para validar modelos: especialista, histologia e desfecho clínico
- Principais desafios: padronização, validação externa, explicabilidade e impacto clínico
Perguntas frequentes
A inteligência artificial vai substituir o médico no ultrassom de carótidas?
Segundo os autores, não. A tendência é a construção de um ecossistema em que a IA amplia a precisão e a reprodutibilidade, e o especialista se torna ainda mais essencial na interpretação.
O que é radiômica?
É a conversão da imagem em um grande conjunto de variáveis quantitativas de textura e heterogeneidade, muitas invisíveis ao olho humano, que podem alimentar modelos de classificação e predição.
A IA já é usada na rotina do ultrassom de carótidas?
O campo ainda se caracteriza mais por prova de capacidade do que por incorporação plena à prática assistencial. A adoção depende de validação externa e de demonstração de impacto clínico.
Por que avaliar a placa e não apenas a estenose?
Porque a estenose sozinha não explica todo o risco. Carga, composição e vulnerabilidade da placa acrescentam informação prognóstica, mesmo em lesões com estenose abaixo de 50%.
Referência
Dannenhauer GP, Santos SN, Petisco ACGP, Freire CMV, Albricker ACL, Barros FS. Inteligência Artificial na Ultrassonografia de Carótidas: Onde estamos e para onde vamos? Arq Bras Cardiol: Imagem cardiovasc. 2026;39(3):e20260089. DOI: 10.36660/abcimg.20260089.
Leia o artigo completo
Baixe o artigo original em PDF, publicado em Arquivos Brasileiros de Cardiologia: Imagem Cardiovascular. Acesso aberto, com os créditos dos autores e do periódico preservados.
