AI dan Masalah-Masalah Sulit Dunia · Kedokteran & penemuan obat · Nature (computational biology) · 2026-10-23
Kerangka kerja deep learning untuk pelabelan otomatis vertebra sumsum tulang belakang servikal dan ekstraksi morfometrik dari MRI otak dengan validasi multisenter skala besar
Judul asli: A deep learning framework for automated cervical spinal cord vertebral labeling and morphometric extraction from brain MRI with large-scale multicenter validation
Studi ini bertujuan membangun dan memvalidasi pipeline yang sepenuhnya otomatis untuk mengidentifikasi level vertebra C1–C3 pada sumsum tulang belakang servikal atas dalam MRI otak berbobot T1, dilengkapi kontrol kualitas. Model deep learning dilatih dengan data dari 998 kontrol dan 879 pasien ataksia herediter di 32 lokasi, dengan nnU-Net berkinerja terbaik (Dice sebesar 0,85 untuk C1 dan 0,89 untuk C2 dan C3). Validasi eksternal pada 2.737 MRI menunjukkan akurasi pelabelan di atas 92% pada empat dari lima dataset, dan metode ini juga mendeteksi atrofi sumsum tulang belakang secara longitudinal pada pasien multiple sclerosis.