IA e os Problemas Difíceis do Mundo · Medicina e descoberta de medicamentos · Nature (computational biology) · 2026-10-21
Segmentação automática de zonas histológicas em osteogênese por distração em ratos usando um pipeline de aprendizado profundo autoconfigurável
Título original: Automatic segmentation of histological zones in rat distraction osteogenesis using a self-configuring deep learning pipeline
A avaliação histológica da composição do regenerado é essencial para avaliar a maturação tecidual na osteogênese por distração, mas a delimitação manual dos compartimentos teciduais é trabalhosa e está sujeita à variabilidade entre observadores. O estudo avaliou um fluxo de trabalho de aprendizado profundo que segmenta automaticamente três zonas histológicas em um modelo de osteogênese por distração em ratos: a zona fibrosa intermédia, a zona de formação de microcolunas e a zona de remodelamento. A segmentação foi mais confiável para a zona fibrosa intermédia (Dice 0.76 em H&E; 0.75 em pentacrômico) e mais difícil para a zona de remodelamento (Dice 0.29; 0.44); a avaliação quantitativa e qualitativa combinada favoreceu a configuração multiclasse com pentacrômico, e a implementação no 3D Slicer torna o pipeline prático para a pesquisa translacional.