Framework de IA para diagnóstico diferencial de etiologias de demência em dados multimodais.
Framework de deep learning para diagnóstico diferencial de etiologias de demência usando dados multimodais.
Esta ferramenta fornece um framework de deep learning publicado na Nature Medicine para diagnosticar etiologias de demência. É adequada para pesquisadores clínicos e desenvolvedores de IA médica que trabalham com dados multimodais de pacientes e exames de ressonância magnética.
Ele processa dados demográficos de nível individual, histórico de saúde, exames neurológicos e ressonâncias magnéticas de múltiplas sequências através de um modelo transformer. O framework classifica os indivíduos em treze categorias diagnósticas que abrangem cognição normal, comprometimento cognitivo leve e dez tipos de demência.
É adequado para pesquisadores e cientistas de dados com acesso a coortes clínicas e infraestrutura de GPU que desejam executar classificação avançada de demência. Não é adequado para clínicos sem experiência técnica ou aqueles que não possuem a configuração necessária de Python e PyTorch.
Combina dados demográficos, histórico de saúde, testes neurológicos e ressonâncias magnéticas em um único modelo transformer.
Extrai embeddings de imagem usando um codificador Swin UNETR ajustado com pesos pré-treinados auto-supervisionados.
Classifica pacientes entre cognição normal, comprometimento cognitivo leve e dez tipos distintos de demência.
Fornece um espaço hospedado online para testar previsões diagnósticas sem instalação local.
A ferramenta é gratuita sob sua licença open source, e uma demo interativa está hospedada no Huggingface, o que significa que o único custo financeiro é rodar seu próprio hardware e infraestrutura computacional.
877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
O modelo suporta dados demográficos, histórico de saúde, testes neurológicos, exames físicos e ressonâncias magnéticas de múltiplas sequências.
Você pode usar a demo interativa do Huggingface Space hospedada pelos autores para explorar as previsões do modelo em tempo real.
Sim, você pode treinar e executar o modelo sem imagens usando a configuração da flag NonImg.
Veja o Zekai primeiro no Google