研究人员开发了一种能够快速、精准地将手术中实时X光图像与患者术前的三维医学扫描对齐的新技术。该方法帮助临床医生在微创手术中更准确地引导导管、内镜等工具，从而加快手术速度并降低风险。
在微创手术中，医生常使用实时X光来观察仪器在体内的路径，但二维X光图像缺乏深度信息，导致工具位置和方向难以判断，增加并发症风险。传统做法是手动将X光与CT或MRI等三维影像配准，这既耗时又依赖经验。现有的AI配准模型因患者解剖差异大、标注数据不足，难以在所有病例中保持鲁棒性，难以实际应用。
MIT及合作机构的团队提出的xvr（X‑ray Volume Registration）系统采用患者特定的机器学习策略。首先利用患者的术前三维扫描生成数千张不同角度的合成X光，每秒约产生1000张，采用基于物理的X光模拟确保图像真实，无幻觉风险。随后在这些合成数据上训练一个AI模型，使其在数秒内实现亚毫米级的2D/3D配准。
单独为每位患者从头训练模型需约12小时，难以用于急诊。为解决此问题，研究者在2000多例全身三维扫描上预训练了一个基础模型，该模型能够在约5分钟内针对新患者进行微调，配准精度与从零训练相当。
在包含五家医院、覆盖成人和儿科多部位的最大真实配准数据集上，xvr的准确性和鲁棒性均显著优于其他AI方法，并且运行速度足以满足紧急手术需求。该技术还可用于提升机器人手术系统的导航能力。
未来工作将聚焦于实时部署、更多场景验证以及处理运动部位等更复杂的情况，并与手术机器人公司和临床团队合作，将研究成果转化为实际导航工具。
点评