ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · Nature (computational biology) · 2026-10-23
Фреймворк глубокого обучения для автоматизированной разметки шейных позвонков спинного мозга и извлечения морфометрических параметров по МРТ головного мозга с крупномасштабной многоцентровой валидацией
Оригинальное название: A deep learning framework for automated cervical spinal cord vertebral labeling and morphometric extraction from brain MRI with large-scale multicenter validation
Цель исследования — создать и валидировать полностью автоматизированный конвейер, который определяет позвоночные уровни C1–C3 верхнего шейного отдела спинного мозга на T1-взвешенных МРТ головного мозга и включает контроль качества. Модели глубокого обучения обучались на данных 998 здоровых добровольцев из контрольной группы и 879 пациентов с наследственными атаксиями из 32 центров; лучший результат показала nnU-Net (коэффициент Дайса 0,85 для C1 и 0,89 для C2 и C3). Внешняя валидация на 2737 МРТ показала точность разметки выше 92% в четырёх из пяти наборов данных, а метод также выявил продольную атрофию спинного мозга у пациентов с рассеянным склерозом.