IA em Imagem Médica (MRI / DICOM / neuroimagem)

Síntese de pesquisa multi-fonte verificada (5 rodadas, jun/2026) + PoC empírico num caso real (meningioma petroclival, repo rodrigo/mri-paula). Foco em segmentação, volumetria e visualização 3D de RM cerebral. Eixos: aberto×pago, self-hosted×API.

Aberto + self-hosted (maduro)

Estruturas cerebrais + volumetria (família FreeSurfer — padrão-ouro)

  • FastSurfer (Apache-2.0) — CNN; whole-brain 95 classes (atlas DKT) + CerebNet (cerebelo) + HypVINN (hipotálamo); volumetria em minutos, espessura cortical ~1h. https://github.com/Deep-MI/FastSurfer
  • SynthSeg (Apache-2.0) — contrast/resolution-agnostic (até 10mm slice, sem retreino); v2.0 = parcelamento cortical + volumes mm³ + ICV + QC. arXiv:2107.09559
  • FreeSurfer — pipeline recon-all (subcortical: hipocampo, amígdala, tálamo + superfície). Licença própria não-OSI.

Plataforma DICOM + 3D

  • 3D Slicer (BSD) — DICOM completo (DICOMwebDIMSE), segmentação 2D3D4D, melhor hub de render 3D aberto. <https:/slicer.org>

Frameworks de segmentação

  • nnU-Net (Apache-2.0) — self-configuring, SOTA; base do TotalSegmentator. Nature Methods 2021.
  • TotalSegmentator (Apache-2.0) — >100 estruturas CT+MR; cérebro em MR é fraco (task brain_structures é CT-only/licença).

Foundation models médicos (2024-2026, promptáveis)

Modelo Licença Destaque Limite cerebral
BiomedParse (MS, Nature Methods 2024) aberto text-prompt, 82 objetos, 9 modalidades reconhecimento semântico, não diagnóstico
MedSAM2 (2025) Apache-2.0 3D+vídeo (SAM2.1), pesos+dados públicos métricas agregadas, não cerebrais
SAM-Med3D aberto 3D por pontos, 247 categorias desempenho cerebral medíocre vs. especializado
VISTA3D (NVIDIA/MONAI, CVPR 2025) incerta 127 classes 3D auto+interativo CT-cêntrico

Foundation models via API/cloud (todos = ferramenta de dev, SEM clearance)

  • Google MedGemma 1.5 — open-weights (HAI-DEF), 1º LLM público a interpretar volumes 3D de CT/MRI; HF + Vertex. MedLM (texto) deprecado 2025-09-29.
  • Microsoft MedImageParse 3D (Azure AI Foundry) — segmentação 3D CT/MRI por texto, 16 categorias incl. "brain anatomies"; tier open-weights + premium serverless.
  • MedImageInsight — embeddings 9 modalidades (incl. MRI), 2D-slice.
  • NVIDIA VISTA-3D NIM / MONAI Cloud APIs — CT-cêntrico, research-only.
  • AWS HealthImaging — data-plane DICOM, não análise.

Nenhum tem registro FDA/CE — not for clinical use.

Pago / clínico (SaMD com clearance — o que falta ao aberto)

  • Cortechs.ai NeuroQuant — FDA 510(k) K170981K241098, CE; volumetria 3D T1neurodegeneração. NeuroQuant Brain Tumor: produto dedicado FDA p/ meningiomametástaseglioma + tracking longitudinal de volume.
  • icometrix icobrain — FDA K181939 + CE-MDR; MS/lesões substância branca; acesso híbrido edge-to-cloud (conector on-prem icobridge pseudonimiza antes do egress).
  • Siemens AI-Rad Companion Brain MR, Brainreader Neuroreader (FDA K140828) — volumetria/morfometria.
  • Não-confirmados (rate-limit na verificação): Combinostics, Pixyl.Neuro, Quantib/DeepHealth, Qynapse, Qure.ai qMRI.
  • CT, fora de MRI: Viz.ai, RapidAI, Aidoc, Brainomix (AVC em CT/CTA).

Lacunas estruturais

  • Vasos/Círculo de Willis em MRA: utilizável — TopCoW (PMID 38235066) + nnU-Net (Dice ~0,90) + eICAB (14 segmentos). Aneurisma em MRA ainda imaturo.
  • Nervos cranianos: pesquisa imatura — só tractografia DTI/dMRI (MRtrix3).
  • Osso/base de crânio em MRI: RM é ruim p/ osso → synthetic-CT (radioterapia: Philips MRCAT, Spectronic). Lacuna.

PoC empírico (caso real — meningioma petroclival ~5,2 cm)

Repo rodrigo/mri-paula (poc-segmentacao/). Achado central: todo método automático/promptável genérico erra num tumor de base de crânio contíguo ao seio venoso que ele invade:

Método Volume Maior eixo (laudo: 5,2 cm)
Region-grow ingênuo 28–56 cm³ 6,8–22,8 cm (vaza)
Supressão de vaso (TOF+SWI) clássica colapsa/1127 cm³ frágil
MedSAM2 (box 3D) 42–50 cm³ 8,2–8,5 cm (transborda)
MONAI brats SegResNet (4-seq) 59 cm³ 8,2 cm (melhor localizado; infla c/ peritumoral)
BiomedParse (texto "meningioma") 4,1 cm³ 22,4 cm (fragmentos esparsos = miss)
grow-from-seeds (random walker) 48,5 cm³ 4,9 cm (✅ ~6% do laudo, não vaza)

Veredito: confirmado empiricamente — grow-from-seeds (sementes tumor+fundo, equivalente headless ao 3D Slicer) foi o único que não vaza E bateu a medida do laudo (4,9 vs. 5,2 cm). Todo método automático/promptável genérico falha (super- segmenta ou dispersa). Alternativa clínica: NeuroQuant Brain Tumor (FDA). Modelo treinado (MONAI) localiza melhor que promptável genérico; o ideal seria meningioma-específico (BraTS-MEN — sem pesos públicos). Detalhe + scripts + máscaras: poc-segmentacao/RESULTS-medsam2.md.

Lições de engenharia (PoC, T4/py3.13)

  • Wheels py3.13 forçam torch cu124 (cu130 quebra c/ driver 12.4); BiomedParse exige

    detectron2+transformers+safetensors+timm e cuDNN off na T4 (CUDNN_STATUS_NOT_INITIALIZED).

  • Modelos gated no HF: token Read clássico (fine-grained só-inference dá 403) + aceitar licença na conta dona do token.