A inteligência artificial no ultrassom está deixando de ser promessa para virar copiloto de quem segura o transdutor. Foi essa a mensagem da keynote de Alison Noble, da Universidade de Oxford, no congresso anual da AIUM (American Institute of Ultrasound in Medicine), em 28 de maio, em Filadélfia. Mais do que detectar achados em imagens estáticas, a nova geração de IA acompanha o exame em tempo real.
De classificador de imagem a copiloto de exame
Por anos, a IA em imagem se concentrou em rotular quadros isolados. O recado de Noble é que o salto agora vem dos métodos de deep learning de vídeo e multimodais, capazes de analisar automaticamente o vídeo do ultrassom, captar padrões acústicos sutis e apoiar a decisão clínica durante tanto a aquisição quanto a interpretação. Isso muda a natureza da ajuda: em vez de um segundo parecer depois do exame, a máquina orienta o operador enquanto a sonda ainda está na mão do paciente.
Essa distinção importa porque o ultrassom é, entre os métodos de imagem, o mais dependente do operador. Pequenas variações de angulação, ganho ou janela acústica mudam o resultado. Uma IA que guia a captura ataca exatamente esse calcanhar de aquiles, aproximando o exame de um padrão reprodutível independentemente da experiência de quem o realiza.
Os números: datação gestacional mais precisa
Noble trouxe um dado concreto para sustentar a tese. Um estudo publicado em 2025 mostrou que o apoio da IA na estimativa da idade gestacional reduziu o erro absoluto médio do clínico de 23,5 para 15,7 dias. Quando o modelo passou a oferecer explicações sobre suas decisões — a chamada explicabilidade —, o erro caiu ainda mais, para 14,3 dias. O detalhe das explicações não é cosmético: ele indica que a colaboração humano-máquina rende mais quando o profissional entende o porquê da sugestão.
O impacto prático é direto. Datar a gestação com precisão orienta decisões sobre parto, crescimento fetal e intervenções. Permitir que profissionais com treinamento mínimo façam essa datação, sem equipamento caro, é exatamente o tipo de democratização que o ultrassom precisa.
Tecnologia portátil para onde o acesso falta
Um dos exemplos citados foi o TraCer, sistema totalmente portátil em desenvolvimento no Quênia. Ele usa uma sonda sem fio de baixo custo (Konted) acoplada a um tablet Android comum para capturar vídeos de ultrassom fetal. A proposta é levar diagnóstico a regiões onde não há sonografistas nem aparelhos sofisticados — um espelho do esforço de capacitação para iniciativas globais de ultrassom também debatido na AIUM 2026.
Esse mesmo princípio de análise de textura e padrão alimenta outras frentes, como o modelo de IA que estima a maturidade pulmonar fetal pelo ultrassom. Juntas, essas pesquisas desenham um futuro em que o ultrassom inteligente complementa — e às vezes antecipa — informações que antes exigiam métodos invasivos ou de alto custo.
Federated learning e colaboração humano-IA
Noble destacou ainda duas fronteiras emergentes. A primeira é o federated learning (aprendizado federado), em que modelos são treinados sobre dados descentralizados de múltiplas fontes sem que as imagens precisem sair de cada instituição — uma resposta elegante às barreiras de privacidade e à fragmentação dos dados de saúde. A segunda é a colaboração humano-IA, em que a combinação de pessoa e algoritmo supera o desempenho de cada um isoladamente.
Esse enquadramento é coerente com o que se vê em outras áreas da imagem: a IA não substitui o especialista, mas eleva o piso de qualidade e alivia a carga de trabalho — um alívio bem-vindo em sistemas pressionados, como já discutimos ao tratar do déficit crônico de profissionais de imagem.
Por que o ultrassom é terreno fértil para a IA
Diferente da tomografia ou da ressonância, o ultrassom é barato, portátil, livre de radiação ionizante e gera imagem em tempo real — mas paga esse preço com forte dependência do operador e ruído acústico. Essa combinação é justamente o que torna o método tão promissor para a IA: há um problema real de variabilidade a resolver e um volume gigantesco de exames para treinar modelos. A AIUM 2026 reservou várias sessões ao tema, incluindo discussões sobre como a IA pode até melhorar o aprendizado de protocolos como o eFAST, usado na avaliação rápida do trauma.
A leitura em vídeo, e não em quadros isolados, é o que aproxima a IA da forma como o sonografista realmente trabalha: varrendo, ajustando e interpretando em movimento. Quanto mais o algoritmo entende a sequência temporal do exame, mais útil ele se torna como guia em tempo real.
O que observar daqui para frente
Para o Brasil, onde o ultrassom é porta de entrada diagnóstica em boa parte da rede pública e privada, a agenda de Noble é especialmente relevante. IA de vídeo que guia a aquisição pode reduzir a variabilidade entre operadores, encurtar a curva de aprendizado e estender o alcance do exame a unidades remotas. Os próximos passos passam por validação clínica em larga escala, integração ao fluxo de trabalho e regras claras de governança — para que a promessa de democratização não esbarre em vieses de dados nem em falsa sensação de segurança.
Fonte: AuntMinnie — “AIUM: AI has evolving role in ultrasound”
