# Un benchmark de MBZUAI évalue le raisonnement spatial de l’IA médicale 3D > Le benchmark CT-SpatialVQA de MBZUAI teste la capacité de modèles médicaux à repérer les relations spatiales sur des scanners. - URL canonique: https://newsverum.com/fr/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026 - Éditeur: Newsverum - Rubrique: Technologie - Pays: Émirats arabes unis - Publié: 2026-10-20T14:20:10+00:00 - Mis à jour: 2026-10-20T14:20:10+00:00 - Période de l’événement / des données: 2026-10-19 - Autres éditions: [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), [Español](https://newsverum.com/es/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) Des chercheurs de MBZUAI ont créé CT-SpatialVQA, un benchmark qui évalue si les systèmes d’IA médicale 3D suivent les relations spatiales entre l’anatomie et les anomalies dans des volumes de tomodensitométrie (TDM). Selon un article de l’université du 19 octobre, le jeu de données comprend 9 077 paires question-réponse spatiales tirées de 1 601 scanners thoraciques et de leurs comptes rendus radiologiques. Les chercheurs ont évalué huit modèles de vision et langage en mode zéro-shot. Aucun n’a atteint 50 % de précision et la moyenne des huit s’établit à 34,08 %. CT-Chat a obtenu 43,69 %, MedEvalKit 40,16 %, MedGemma-1.5 38,24 % et VILA-M3 28,20 %. L’étude a été acceptée comme présentation orale à MICCAI 2026. Ces résultats concernent un benchmark de recherche précis ; ils ne démontrent ni compétence clinique ni validation pour les soins aux patients. ## Données ### Résultats de précision des modèles CT-SpatialVQA Résultats sélectionnés et moyenne générale de l’évaluation de huit modèles par l’université. Méthodologie: Il s’agit de résultats de précision zero-shot sur le benchmark CT-SpatialVQA. La moyenne porte sur huit modèles ; le tableau présente les quatre modèles détaillés dans la source et la moyenne. Ces résultats ne valent pas validation clinique. | Modèle | Précision | Unité | |---|---|---| | CT-Chat | 43.69 | pour cent | | MedEvalKit | 40.16 | pour cent | | MedGemma-1.5 | 38.24 | pour cent | | VILA-M3 | 28.2 | pour cent | | Moyenne des huit modèles | 34.08 | pour cent | Sources: · Télécharger les données: [JSON](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-model-accuracies?lang=fr&format=json) · [CSV](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-model-accuracies?lang=fr&format=csv) ### Jeu de données CT-SpatialVQA Nombre de questions et d’examens dans le benchmark. Méthodologie: Ces nombres décrivent le benchmark de test des chercheurs, pas une population de patients, une performance diagnostique ni des résultats cliniques. La source indique que les 9 077 questions proviennent de 1 601 scanners thoraciques et de leurs rapports. | Élément | Nombre | Unité | |---|---|---| | Paires de questions-réponses spatiales | 9077 | nombre | | Examens de tomodensitométrie thoracique | 1601 | nombre | Sources: · Télécharger les données: [JSON](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-dataset-size?lang=fr&format=json) · [CSV](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-dataset-size?lang=fr&format=csv) ## Sources - [Mohamed bin Zayed University of Artificial Intelligence]() (Source vérifiée: 2026-10-20; Publié: 2026-10-19) --- Citez l’URL canonique ci-dessus. [Principes éditoriaux et corrections](https://newsverum.com/fr/editorial)