Autor correspondente: MATHEUS FERREIRA DE CARVALHO - matheusfcarvalho1@gmail.com Introdução Diagnosticar lesões anais como fissuras e lacerações continua sendo um desafio clínico devido à anatomia complexa do canal anal. Embora o ultrassom endoanal (EAUS) ofereça visualização de alta resolução dessas estruturas, a interpretação depende fortemente da experiência do especialista. A inteligência artificial (IA), especialmente os modelos de aprendizado profundo, pode oferecer um caminho para ferramentas diagnósticas mais padronizadas e acessíveis. Objetivo Este estudo bicêntrico explora o desenvolvimento e validação de um modelo baseado em redes neurais convolucionais (CNN) para a classificação automática de fissuras anais e lacerações internas e externas usando imagens de EAUS. Métodos Um estudo retrospectivo bicêntrico analisou 16.747 quadros de 241 exames radiais de EAUS realizados entre abril de 2022 e janeiro de 2024 em dois centros – Manoph (Porto, Portugal; n = 238) e Centro Privado de Cirurgia e Coloproctologia (Buenos Aires, Argentina; n = 3). Os quadros foram categorizados como fissuras (595), lacerações externas (2.174), lacerações internas (1838) e normais (n = 12140), com validação por três especialistas. Os dados foram divididos em 80% para treinamento e 20% para teste. As métricas de desempenho incluíram sensibilidade, especificidade e acurácia. Resultados Para lacerações externas, a CNN atingiu 86,6% de sensibilidade, 97,6% de especificidade e 95,8% de acurácia. Para lacerações internas, atingiu 83,1% de sensibilidade, 97,8% de especificidade e 89,1% de acurácia. Para fissuras anais, obteve sensibilidade de 91,7%, especificidade de 96,7% e acurácia de 96,1%. Para quadros não rotulados, atingiu 97,8% de sensibilidade, 95,5% de especificidade e acurácia de 96,2%. Conclusão Este estudo apresenta o primeiro modelo transatlântico assistido por IA para classificação automática de lesões anais benignas usando EAUS. O algoritmo alcançou excelentes métricas diagnósticas e demonstra o potencial da IA para melhorar a consistência diagnóstica, reduzir a dependência do operador e apoiar a tomada de decisão clínica em proctologia. Apesar de ser limitado por um conjunto de dados relativamente pequeno e geograficamente restrito, este trabalho estabelece as bases para uma integração mais ampla das tecnologias de IA na imagem e no cuidado anorretal. Article published online: 26 May 2026 © 2026. The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution 4.0 International License, permitting copying and reproduction so long as the original work is given appropriate credit (https://creativecommons.org/licenses/by/4.0/) Thieme Revinter Publicações Ltda. Rua Rego Freitas, 175, loja 1, República, São Paulo, SP, CEP 01220-010, Brazil