# Benchmark da MBZUAI testa raciocínio espacial em IA médica 3D > O benchmark CT-SpatialVQA da MBZUAI testa como modelos médicos identificam relações espaciais em exames de TC. - URL canônica: https://newsverum.com/pt/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026 - Editora: Newsverum - Seção: Tecnologia - País: Emirados Árabes Unidos - Publicado: 2026-10-20T14:20:10+00:00 - Atualizado: 2026-10-20T14:20:10+00:00 - Período do evento ou dos dados: 2026-10-19 - Outras edições: [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), [Deutsch](https://newsverum.com/de/news/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026.md) Investigadores da MBZUAI desenvolveram o CT-SpatialVQA, um benchmark que testa se sistemas de IA médica 3D acompanham as relações espaciais entre a anatomia e anomalias em volumes de tomografia computorizada (TC). Segundo uma notícia da universidade de 19 de outubro, o conjunto contém 9.077 pares de perguntas e respostas espaciais derivados de 1.601 exames de TC do tórax e respetivos relatórios radiológicos. Os investigadores avaliaram oito modelos de visão e linguagem num cenário zero-shot. Nenhum atingiu 50% de precisão e a média dos oito foi 34,08%. O CT-Chat obteve 43,69%, o MedEvalKit 40,16%, o MedGemma-1.5 38,24% e o VILA-M3 28,20%. O trabalho foi aceite como apresentação oral na MICCAI 2026. Estes resultados pertencem a um benchmark de investigação específico; não demonstram competência clínica nem utilização validada nos cuidados a doentes. ## Dados ### Resultados de precisão dos modelos no CT-SpatialVQA Resultados selecionados e média geral da avaliação universitária de oito modelos. Metodologia: São resultados de precisão zero-shot no benchmark CT-SpatialVQA. A média inclui oito modelos; a tabela apresenta quatro modelos discriminados pela fonte e a média. Não se trata de validação clínica. | Modelo | Precisão | Unidade | |---|---|---| | CT-Chat | 43.69 | por cento | | MedEvalKit | 40.16 | por cento | | MedGemma-1.5 | 38.24 | por cento | | VILA-M3 | 28.2 | por cento | | Média dos oito modelos | 34.08 | por cento | Fontes: · Baixar dados: [JSON](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-model-accuracies?lang=pt&format=json) · [CSV](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-model-accuracies?lang=pt&format=csv) ### Conjunto de dados CT-SpatialVQA Cobertura de perguntas e exames no benchmark. Metodologia: Os valores descrevem o benchmark de investigação, não uma população de doentes, desempenho diagnóstico ou resultados clínicos. A fonte afirma que as 9.077 perguntas derivam de 1.601 exames torácicos e relatórios radiológicos do conjunto de teste. | Componente | Número | Unidade | |---|---|---| | Pares de perguntas e respostas espaciais | 9077 | quantidade | | Exames de tomografia computadorizada do tórax | 1601 | quantidade | Fontes: · Baixar dados: [JSON](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-dataset-size?lang=pt&format=json) · [CSV](https://newsverum.com/api/v1/articles/mbzuai-ct-spatialvqa-3d-medical-ai-benchmark-2026/data/ct-spatialvqa-dataset-size?lang=pt&format=csv) ## Fontes - [Mohamed bin Zayed University of Artificial Intelligence]() (Fonte verificada: 2026-10-20; Publicado: 2026-10-19) --- Use a URL canônica acima para citar este artigo. [Princípios editoriais e correções](https://newsverum.com/pt/editorial)