# Un benchmark de MBZUAI evalúa el razonamiento espacial de la IA médica 3D > El benchmark CT-SpatialVQA de MBZUAI prueba cómo los modelos médicos identifican relaciones espaciales en tomografías. - URL canónica: https://newsverum.com/es/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026 - Publicación: Newsverum - Sección: Tecnología - País: Emiratos Árabes Unidos - Publicado: 2026-10-20T14:20:10+00:00 - Actualizado: 2026-10-20T14:20:10+00:00 - Período del evento / de los datos: 2026-10-19 - Otras ediciones: [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), [Deutsch](https://newsverum.com/de/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) Investigadores de MBZUAI desarrollaron CT-SpatialVQA, una prueba para evaluar si los sistemas de IA médica 3D siguen las relaciones espaciales de la anatomía y las anomalías en volúmenes de tomografía computarizada (TC). Según una nota de la universidad del 19 de octubre, el conjunto contiene 9.077 pares de preguntas y respuestas espaciales derivados de 1.601 tomografías de tórax y sus informes radiológicos. Los investigadores evaluaron ocho modelos de visión y lenguaje en un escenario de cero ejemplos. Ninguno alcanzó el 50% de precisión y el promedio de los ocho fue del 34,08%. CT-Chat obtuvo 43,69%, MedEvalKit 40,16%, MedGemma-1.5 38,24% y VILA-M3 28,20%. El trabajo fue aceptado como presentación oral en MICCAI 2026. Son resultados de una prueba de investigación concreta; no demuestran competencia clínica ni uso validado en la atención de pacientes. ## Datos ### Resultados de precisión de modelos en CT-SpatialVQA Resultados seleccionados y promedio general de la evaluación universitaria de ocho modelos. Metodología: Son resultados de precisión sin ejemplos en el benchmark CT-SpatialVQA. El promedio abarca ocho modelos; la tabla presenta cuatro modelos detallados por la fuente y el promedio. No es una validación clínica. | Modelo | Precisión | Unidad | |---|---|---| | CT-Chat | 43.69 | por ciento | | MedEvalKit | 40.16 | por ciento | | MedGemma-1.5 | 38.24 | por ciento | | VILA-M3 | 28.2 | por ciento | | Promedio de los ocho modelos | 34.08 | por ciento | Fuentes: · Descargar datos: [JSON](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-model-accuracies?lang=es&format=json) · [CSV](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-model-accuracies?lang=es&format=csv) ### Conjunto de datos CT-SpatialVQA Cobertura de preguntas y escáneres en la prueba. Metodología: Las cifras describen la prueba de investigación, no una población de pacientes, un rendimiento diagnóstico ni resultados clínicos. La fuente indica que las 9.077 preguntas proceden de 1.601 tomografías torácicas e informes radiológicos. | Componente | Cantidad | Unidad | |---|---|---| | Pares de preguntas y respuestas espaciales | 9077 | cantidad | | Tomografías computarizadas de tórax | 1601 | cantidad | Fuentes: · Descargar datos: [JSON](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-dataset-size?lang=es&format=json) · [CSV](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-dataset-size?lang=es&format=csv) ## Fuentes - [Mohamed bin Zayed University of Artificial Intelligence]() (Fuente comprobada: 2026-10-20; Publicado: 2026-10-19) --- Cite la URL canónica indicada arriba. [Principios editoriales y correcciones](https://newsverum.com/es/editorial)