IMPLANTES DE CRÂNIO QUE PARECEM CERTOS, MAS NÃO PODEM SER COLOCADOS

Depois de uma craniectomia descompressiva — uma cirurgia que retira parte do crânio para aliviar um cérebro inchado —, de um traumatismo craniano ou da retirada de um tumor que leva osso junto, o paciente fica com uma abertura no crânio. Ela é fechada com um implante moldado à anatomia desse paciente, que deve proteger o cérebro e restaurar a forma do crânio. Se ele encaixa ou não, isso se resolve na sala de cirurgia.

Esses implantes ainda são desenhados à mão por especialistas em programas de desenho assistido por computador. Cada caso é lento e caro, o que limita quantos pacientes podem receber um. Redes treinadas especificamente para essa tarefa se saem bem em benchmarks públicos, mas precisam de dados de treinamento para isso. Os modelos de fundação (foundation models) — grandes modelos pré-treinados em enormes coleções de formas 3D — prometem pular essa etapa: um crânio com um buraco é só uma forma a completar.

Avaliados como um cirurgião faria

Marek Wodzinski e colegas, da Universidade AGH de Cracóvia e do Sano Centre for Computational Medicine, na Polônia, auditaram três modelos lançados publicamente, usados tal como vêm:

• o MSN-FM, que se descreve como o primeiro modelo de fundação multimodal para completar nuvens de pontos médicas 3D — uma forma entregue como uma dispersão de pontos, sem superfície e sem interior —, pré-treinado em 100.000 formas médicas e capaz de receber texto;
• o MGPC, treinado num milhão de pares, com entradas de texto e de imagem;
• o AdaPoinTr, treinado em 55 categorias de objetos do dia a dia — nenhuma delas um crânio — como controle não médico.

Eles usaram 239 crânios: 210 com buracos esculpidos artificialmente a partir de exames de crânios completos e 29 casos reais pós-craniectomia com o implante que um especialista de fato projetou. Antes de rodar um único modelo, fixaram dois critérios:

1. Fazer melhor do que não fazer nada: comparar cada resultado com simplesmente devolver o osso restante do paciente. O osso removido é uma casca fina ao lado do osso que fica, e a pontuação conta a região faltante como coberta onde quer que haja material a menos de 2 mm dela, então simplesmente estar junto às bordas do buraco rende pontos de graça.
2. Encaixar fisicamente: o material previsto deve ficar no buraco sem invadir o osso restante (tolerância de 1 milímetro) e cobrir pelo menos tanto quanto não fazer nada.

Como referência, eles construíram um modelo treinado exatamente para essa tarefa, escolhido entre 138 variantes pela pontuação nesses mesmos 210 casos, o que o favorece — um teto de melhor cenário, não um concorrente justo — e treinado só com buracos artificiais, ao contrário dos 29 crânios reais —, e passaram a segunda metade do estudo tentando derrubar a própria conclusão.

Zero em 239

• Nos 210 buracos artificiais, nenhum se saiu melhor do que não fazer nada. Medida como a parcela da região faltante recuperada com margem de 2 mm, a vantagem mediana deles sobre o osso restante foi negativa: AdaPoinTr −0,036 (3,6% da região faltante a menos que o osso sozinho), MGPC −0,130, MSN-FM −0,156. O modelo específico para a tarefa ganhou +0,745.
• O pré-treinamento médico não ajudou: o MSN-FM ficou em último, atrás de um modelo treinado com objetos do dia a dia.
• Nos 29 casos reais, o MGPC de fato fez melhor do que não fazer nada, em 24 de 29 — o único resultado além do acaso. Os autores dizem que um modelo que perde nos buracos artificiais mas ganha em 29 crânios reais não resolve a questão clínica.
• Resultados implantáveis: 0 em 239 para cada um dos três modelos, contra 238 em 239 para o modelo específico para a tarefa. Em 2.868 combinações de modelo, configuração e crânio, nenhuma ficou livre do osso a 1 mm. O material dos modelos entrou, em mediana, de 5,4 a 6,6 mm no próprio osso do paciente, contra 0,55 mm do modelo específico para a tarefa.

(a) Ganho em relação a não fazer nada: os três modelos ficam abaixo de zero, o modelo específico para a tarefa bem acima. (b) Profundidade de penetração no osso restante, com 0/239 implantáveis para cada um. — Figura 1, Wodzinski et al. (2026), arXiv:2610.30035, CC BY-SA 4.0.

As colisões estão na forma dos resultados, não no posicionamento: deslocá-los não mudou quase nada.

Bonito não é encaixável

Um caso real visto de fora e em corte transversal. Os três modelos cobrem o buraco, mas todos invadem osso que o paciente ainda tem. — Figura 2, Wodzinski et al. (2026), arXiv:2610.30035, CC BY-SA 4.0.

O AdaPoinTr devolve uma superfície limpa que um leitor aceitaria como crânio, mas não é mais encaixável que os outros. E a espessura se perde desde o início: com 6.144 pontos espalhados por um crânio, pontos vizinhos ficam em média a 2,56 mm de distância, então as duas faces de uma placa de 3 mm não podem ser distinguidas. Essa é uma propriedade do formato de nuvem de pontos, não de um modelo em particular. Os implantes reais são finos: 11 dos 29 tinham menos de 3 mm.

As entradas de texto que esses modelos anunciam se revelaram decorativas. No MSN-FM, 97,5% do sinal de texto é exatamente zero.

Um problema de confiança

“Olhe as imagens e os modelos fizeram seu trabalho: o defeito está coberto, a cabeça recuperou a forma”, escrevem os autores. Meça os mesmos resultados e nenhum pode ser colocado num paciente. Uma nuvem difusa alerta você; uma calota limpa, que tem uma pontuação discreta e mesmo assim invade o osso, não. Corrigir esses resultados à mão, crânio por crânio, é o trabalho manual que os modelos deveriam eliminar.

A conclusão deles: do jeito que foram lançados, os modelos de fundação de completamento de formas que eles conseguiram obter “não são confiáveis” e “não são utilizáveis na prática clínica”. O estudo não testou o ajuste fino (fine-tuning) em crânios, nenhum clínico revisou os resultados, e 29 casos reais não bastam sozinhos para resolver uma questão clínica. O artigo foi aceito num workshop da conferência ACCV 2026.