IA e os Problemas Difíceis do Mundo · Medicina e descoberta de medicamentos · Nature (computational biology) · 2026-10-23
Uma estrutura de aprendizado profundo para rotulagem automatizada de vértebras da medula espinhal cervical e extração morfométrica a partir de RM cerebral, com validação multicêntrica em grande escala
Título original: A deep learning framework for automated cervical spinal cord vertebral labeling and morphometric extraction from brain MRI with large-scale multicenter validation
O estudo teve como objetivo construir e validar um pipeline totalmente automatizado que identifica os níveis vertebrais C1–C3 da medula espinhal cervical superior em ressonâncias magnéticas cerebrais ponderadas em T1 e inclui controle de qualidade. Modelos de aprendizado profundo foram treinados com dados de 998 controles e 879 pacientes com ataxias hereditárias em 32 centros, e o nnU-Net apresentou o melhor desempenho (Dice de 0,85 para C1 e 0,89 para C2 e C3). A validação externa em 2.737 ressonâncias mostrou precisão de rotulagem acima de 92% em quatro de cinco conjuntos de dados, e o método também detectou atrofia longitudinal da medula espinhal em pacientes com esclerose múltipla.