La IA y los problemas difíciles del mundo · Medicina y descubrimiento de fármacos · Nature (computational biology) · 2026-10-21
Segmentación automática de zonas histológicas en la osteogénesis por distracción en ratas mediante un pipeline de aprendizaje profundo autoconfigurado
Título original: Automatic segmentation of histological zones in rat distraction osteogenesis using a self-configuring deep learning pipeline
La evaluación histológica de la composición del regenerado es esencial para valorar la maduración tisular en la osteogénesis por distracción, pero la delimitación manual de los compartimentos tisulares es laboriosa y está sujeta a la variabilidad entre observadores. El estudio evaluó un flujo de trabajo de aprendizaje profundo que segmenta automáticamente tres zonas histológicas en un modelo de osteogénesis por distracción en ratas: la interzona fibrosa, la zona de formación de microcolumnas y la zona de remodelación. La segmentación fue más fiable para la interzona fibrosa (Dice 0.76 en H&E; 0.75 en pentachrome) y más difícil para la zona de remodelación (Dice 0.29; 0.44); la evaluación cuantitativa y cualitativa combinada favoreció la configuración multiclase de pentachrome, y la implementación en 3D Slicer hace que el pipeline sea práctico para la investigación traslacional.