Na medicina, a avaliação da composição corporal a partir de exames de tomografia computadorizada é uma das formas mais precisas de identificar alterações importantes no organismo, como perda de massa muscular (sarcopenia), perda intensa e involuntária de peso (caquexia) e acúmulo de gordura em diferentes regiões do corpo. No entanto, esse tipo de análise ainda é pouco utilizado na prática clínica, pois depende de processos manuais demorados, complexos e sujeitos a variações entre avaliadores, o que limita seu uso em larga escala na rotina clínica.

Para contornar esses problemas, um grupo de pesquisadores da Unicamp desenvolveu um software que aprende a reconhecer automaticamente diferentes tipos de tecidos em imagens de tomografia, analisando um corte específico da coluna. Baseado em inteligência artificial (IA) e em algoritmos de machine learning, o software combina dois modelos treinados com dados científicos obtidos na Faculdade de Ciências Médicas (FCM) e no Instituto de Física Gleb Wataghin (IFGW). Dessa forma, o programa separa e mede gordura subcutânea, gordura visceral, gordura intramuscular, músculo esquelético e osso, sem necessidade de intervenção manual.

A tecnologia proporciona benefícios como a automação do processo, a rapidez e a padronização no fornecimento dos resultados. O programa reduz drasticamente o tempo de análise, permite avaliar um número maior de pacientes e oferece resultados mais uniformes e confiáveis. Além disso, facilita o uso da tomografia tanto na pesquisa quanto na prática clínica, ampliando o acesso a informações fundamentais para diagnóstico, acompanhamento e tomada de decisão médica.