Na medicina, a avaliação da saúde cardiovascular por meio do exame de dilatação mediada por fluxo (DMF) enfrenta uma limitação importante devido à necessidade de interpretação manual de imagens de ultrassom. Além de exigir um conhecimento especializado, esse processo pode variar conforme o operador, o que compromete a padronização e a precisão dos resultados. Ferramentas tradicionais, baseadas em regras fixas de processamento de imagem, não se adaptam bem à variabilidade dos exames.

Diante desse desafio, um grupo de pesquisadores da Unicamp desenvolveu um programa, denominado MultiConvNet, que consiste em uma rede neural capaz de analisar automaticamente imagens de ultrassom obtidas durante o exame de DMF. O sistema compara imagens captadas em diferentes momentos do procedimento e gera um indicador quantitativo da saúde cardiovascular do paciente. Por utilizar inteligência artificial, o programa aprende com grandes volumes de dados, identificando padrões complexos que escapam aos métodos convencionais.

Dessa forma, o programa oferece benefícios como a automatização do exame, a redução da variabilidade nos resultados e a possibilidade de adaptação do sistema conforme novos dados forem incorporados. Tudo isso resulta em uma maior precisão nos diagnósticos e facilita a adoção do programa em diferentes ambientes clínicos, promovendo uma mais acessibilidade e confiabilidade nos testes cardiovasculares.