Este estudio midió parámetros automáticamente marcando el punto para medir cada parámetro en radiografías de columna completa. Entre enero de 2020 y diciembre de 2021, se obtuvieron retrospectivamente 1017 radiografías laterales secuenciales de columna completa. De estas, 819 y 198 se utilizaron para entrenar y probar el rendimiento del modelo de detección de puntos de referencia, respectivamente. Para evaluar objetivamente el rendimiento del programa, se utilizaron 690 radiografías de columna completa de cuatro instituciones diferentes para validación externa. El conjunto de datos combinado incluyó radiografías de 857 pacientes mujeres y 850 hombres (edad promedio 42,2 +/- 27,3 años; rango 20-85 años). El localizador de puntos de referencia mostró la mayor precisión al identificar puntos de referencia cervicales (error medio 1,5-2,4 mm), seguido de puntos de referencia lumbosacros (error medio 2,1-3,0 mm). Sin embargo, los puntos de referencia torácicos mostraron errores de localización más grandes (mediana 2,4-4,3 mm), lo que indica una precisión ligeramente reducida en comparación con las regiones cervicales y lumbosacras. La concordancia entre el modelo de aprendizaje profundo y dos expertos fue buena a excelente, con valores de coeficiente de correlación intraclase >0,88. El modelo de aprendizaje profundo también tuvo un buen rendimiento en el conjunto de validación externa. No hubo diferencias estadísticas entre los conjuntos de datos en todos los parámetros, lo que sugiere que el rendimiento del modelo de inteligencia artificial creado fue excelente. El sistema propuesto de análisis automático de alineación identificó puntos anatómicos y posiciones de la columna con alta precisión y generó varios parámetros de imagen radiográfica que tuvieron una buena correlación con las mediciones manuales.