A inteligência artificial quer medir a perda de músculo, mas ainda está no começo
Um exame portátil, barato e sem agulha pode virar uma régua mais objetiva para a perda de músculo. Trinta estudos mostram onde a tecnologia já acerta e o que ainda depende da mão de quem segura o aparelho.
Medir o músculo de forma simples e confiável continua difícil, e o ultrassom com inteligência artificial (IA) começa a disputar esse espaço. Uma revisão publicada online em 18 de outubro de 2026 no Journal of the American Geriatrics Society concluiu que a combinação tem potencial para avaliar a Sarcopenia de forma objetiva e em larga escala, mas ainda está em estágio inicial.
Foto: serhii_bobyk / FreepikA sarcopenia é a perda de força, de Massa magra e de desempenho muscular que avança sobretudo com a idade, mas também acompanha doenças como diabetes, doença renal e câncer. Os autores, do Hospital Shuguang, ligado à Universidade de Medicina Tradicional Chinesa de Xangai, lembram que o ultrassom do músculo é portátil, não invasivo e de baixo custo. O problema é que o resultado depende muito de quem opera o aparelho, e isso dificulta padronizar. A aposta é que a IA automatize e melhore essa leitura.
Por que medir músculo é tão complicado?
Porque o número muda conforme o método. Numa metanálise publicada no BMJ Open em setembro de 2026, com adultos indianos com diabetes tipo 2, os estudos que mediram a massa muscular por absorciometria de raios X de dupla energia (DXA) encontraram sarcopenia em 20,2% das pessoas. Os que usaram bioimpedância chegaram a 31,7%. Quanto de Músculo alguém tem depende, em parte, do aparelho que fez a conta.
O que os 30 estudos mostram
A equipe vasculhou onze bases de dados científicas até 25 de julho de 2026, com dois pesquisadores selecionando os trabalhos de forma independente. Entraram 30 estudos, e o retrato é de um campo que acelerou: 76,7% deles saíram nos últimos três anos, a maioria da Espanha e da China. Os principais achados, segundo a revisão:
- O músculo mais avaliado foi o reto femoral, na coxa, presente em 73,3% dos estudos.
- Estudos de desenvolvimento e validação de modelos foram o tipo mais comum (43,3%).
- A família de modelos U-Net dominou, usada sobretudo para separar o músculo do restante da imagem.
- O ultrassom em modo B, com sondas lineares de alta frequência, foi o mais usado.
- Na tarefa de delimitar o músculo, a concordância medida pelo coeficiente Dice ficou entre 0,73 e 0,99.
- Os modelos de diagnóstico de sarcopenia tiveram desempenho bem variado, com AUC entre 0,640 e 0,950.
- Dois terços dos trabalhos (66,7%) usaram bancos de imagens próprios, e 46,7% rotularam as imagens com uma classificação geral.
O que ainda não se sabe
- A dependência de quem captura a imagem ainda não foi totalmente resolvida, segundo os autores.
- Falta saber quanto se ganha ao integrar diferentes tipos de imagem, combinar técnicas de IA e avaliar vários grupos musculares, apontam os pesquisadores.
- Os autores pedem processamento de imagem mais aprofundado, capaz de extrair características clinicamente relevantes.
O que o caso mostra
A sarcopenia é frequente e muitas vezes passa sem diagnóstico, e parte da dificuldade está justamente em medir. Um exame barato e portátil, com leitura automatizada, atacaria esse gargalo. A revisão mostra que a pesquisa avançou rápido, mas concentrada em poucos países e em bancos de imagens próprios, e os autores tratam o uso padronizado na prática clínica como meta, não como realidade. Enquanto isso, força e desempenho continuam contando tanto quanto o tamanho do músculo na imagem.


