# MBZUAI-Benchmark prüft räumliches Denken medizinischer 3D-KI > Der CT-SpatialVQA-Benchmark der MBZUAI prüft, wie medizinische KI räumliche Beziehungen in CT-Aufnahmen erfasst. - Kanonische URL: https://newsverum.com/de/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026 - Herausgeber: Newsverum - Rubrik: Technologie - Land: Vereinigte Arabische Emirate - Veröffentlicht: 2026-10-20T14:20:10+00:00 - Aktualisiert: 2026-10-20T14:20:10+00:00 - Ereignis- oder Datenzeitraum: 2026-10-19 - Weitere Ausgaben: [Türkçe](https://newsverum.com/tr/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026.md), [English](https://newsverum.com/en/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026.md), [العربية](https://newsverum.com/ar/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026.md), [Français](https://newsverum.com/fr/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026.md), [Español](https://newsverum.com/es/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026.md), [Português](https://newsverum.com/pt/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026.md) Forschende der MBZUAI entwickelten CT-SpatialVQA, einen Benchmark zur Prüfung, ob medizinische 3D-KI-Systeme räumliche Beziehungen zwischen Anatomie und Auffälligkeiten in Computertomografie-Volumendaten erfassen. Laut einem Hochschulbeitrag vom 19. Oktober umfasst der Datensatz 9.077 räumlich fundierte Frage-Antwort-Paare aus 1.601 Thorax-CT-Aufnahmen und radiologischen Befunden. Die Forschenden prüften acht Vision-Language-Modelle ohne aufgabenspezifische Beispiele. Keines erreichte 50 Prozent Genauigkeit; der Durchschnitt lag bei 34,08 Prozent. CT-Chat erzielte 43,69 Prozent, MedEvalKit 40,16 Prozent, MedGemma-1.5 38,24 Prozent und VILA-M3 28,20 Prozent. Die Arbeit wurde als mündlicher Beitrag für MICCAI 2026 angenommen. Dies sind Ergebnisse eines bestimmten Forschungsbenchmarks; sie belegen weder klinische Kompetenz noch einen validierten Einsatz in der Patientenversorgung. ## Daten ### Genauigkeit der Modelle bei CT-SpatialVQA Ausgewählte Ergebnisse und Gesamtdurchschnitt aus der Prüfung von acht Modellen durch die Universität. Methodik: Dies sind Zero-Shot-Genauigkeitswerte des CT-SpatialVQA-Benchmarks. Der Durchschnitt umfasst acht Modelle; die Tabelle zeigt vier einzeln genannte Modelle und den Durchschnitt. Es handelt sich nicht um eine klinische Validierung. | Modell | Genauigkeit | Einheit | |---|---|---| | CT-Chat | 43.69 | Prozent | | MedEvalKit | 40.16 | Prozent | | MedGemma-1.5 | 38.24 | Prozent | | VILA-M3 | 28.2 | Prozent | | Durchschnitt der acht Modelle | 34.08 | Prozent | Quellen: · Daten herunterladen: [JSON](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-model-accuracies?lang=de&format=json) · [CSV](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-model-accuracies?lang=de&format=csv) ### CT-SpatialVQA-Datensatz Umfang der Fragen und Aufnahmen im Forschungsbenchmark. Methodik: Die Zahlen beschreiben den Forschungsbenchmark, keine Patientenpopulation, Diagnoseleistung oder klinischen Behandlungsergebnisse. Laut Quelle wurden die 9.077 Fragen aus 1.601 Thorax-CT-Aufnahmen und Befunden im Testsatz abgeleitet. | Bestandteil | Anzahl | Einheit | |---|---|---| | Räumliche Frage-Antwort-Paare | 9077 | Anzahl | | Thorax-CT-Aufnahmen | 1601 | Anzahl | Quellen: · Daten herunterladen: [JSON](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-dataset-size?lang=de&format=json) · [CSV](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-dataset-size?lang=de&format=csv) ## Quellen - [Mohamed bin Zayed University of Artificial Intelligence]() (Quelle geprüft: 2026-10-20; Veröffentlicht: 2026-10-19) --- Zitieren Sie die oben angegebene kanonische URL. [Redaktionsstandards und Korrekturen](https://newsverum.com/de/editorial)