Na área da saúde humana, um exame muito utilizado para a detecção precoce de doenças cardiovasculares é o FMD (do inglês Flow Mediated Dilation), exame que mede a capacidade das artérias de se expandirem em resposta ao fluxo sanguíneo. No entanto, a análise desse exame depende da interpretação manual das imagens ultrassonográficas, o que pode levar a variações nos diagnósticos e reduzir a confiabilidade dos resultados.

Assim, para tornar esse tipo de análise mais preciso e confiável, um grupo de pesquisadores da Unicamp desenvolveu um método automatizado para analisar exames de FMD por meio de redes neurais convolucionais, que são modelos de inteligência artificial especializados no processamento de imagens. Para isso, o sistema recebe as imagens de um exame de ultrassom e transforma-as em uma escala de cinza, extraindo padrões para medir a vasodilatação da artéria braquial ao longo do tempo. Como a tecnologia combina aprendizado profundo e análise temporal, ela dispensa a necessidade de segmentação manual e melhora a precisão da avaliação.

O novo método torna a análise dos exames mais rápida, melhora a reprodutibilidade dos diagnósticos e reduz a dependência da experiência do profissional responsável pela interpretação. Além disso, o método pode ser adaptado para outras análises médicas baseadas em ultrassonografia, ampliando suas aplicações clínicas e de pesquisa.