L'IA face aux grands problèmes du monde · Médecine et découverte de médicaments · Nature (computational biology) · 2026-10-21
Segmentation automatique des zones histologiques dans l'ostéogenèse par distraction chez le rat à l'aide d'un pipeline d'apprentissage profond auto-configuré
Titre original: Automatic segmentation of histological zones in rat distraction osteogenesis using a self-configuring deep learning pipeline
L'évaluation histologique de la composition du régénérat est essentielle pour évaluer la maturation tissulaire dans l'ostéogenèse par distraction, mais la délimitation manuelle des compartiments tissulaires est laborieuse et sujette à la variabilité entre observateurs. L'étude a évalué un flux de travail d'apprentissage profond qui segmente automatiquement trois zones histologiques dans un modèle d'ostéogenèse par distraction chez le rat : l'interzone fibreuse, la zone de formation des microcolonnes et la zone de remodelage. La segmentation s'est avérée la plus fiable pour l'interzone fibreuse (Dice 0.76 en H&E ; 0.75 en pentachrome) et la plus difficile pour la zone de remodelage (Dice 0.29 ; 0.44) ; l'évaluation quantitative et qualitative combinée a privilégié la configuration multi-classes en pentachrome, et l'implémentation dans 3D Slicer rend le pipeline pratique pour la recherche translationnelle.