xvr: System gleicht intraoperatives Röntgen in Sekunden mit dem 3D-Scan ab

Bei minimalinvasiven Eingriffen wie der Angioplastie führt der Arzt Instrumente durch einen kleinen Schnitt und verfolgt ihre Lage auf dem laufenden Röntgenbild. Das Röntgenbild liefert aber nur zwei Informationen. Daraus lässt sich kaum ableiten, wo genau das Instrument im Körper des Patienten liegt und wie es ausgerichtet ist. Ein Röntgenbild von Hand auf ein präoperatives CT oder MRT abzugleichen kostet Zeit. Die bisherigen KI-Werkzeuge arbeiteten bei verschiedenen Patienten instabil.

Ein Team des Massachusetts Institute of Technology und beteiligter Institutionen hat das System xvr entwickelt. Es trainiert nicht ein einziges Modell für alle Patienten. Stattdessen passt es sich an eine konkrete Person an: Aus deren präoperativen CT- oder MRT-Daten erzeugt es aus verschiedenen Winkeln simulierte Röntgenbilder und bildet dabei die physikalischen Prozesse der Bildentstehung nach. Das System erzeugt rund 1000 simulierte Aufnahmen pro Sekunde. Die Simulation stützt sich ausschließlich auf die Daten des Patienten selbst. Es entstehen also keine Daten aus dem Nichts, weshalb das Problem der Halluzinationen nicht auftritt.

Von zwölf Stunden auf fünf Minuten

Ein Modell von Grund auf für einen einzelnen Patienten zu trainieren, würde etwa 12 Stunden dauern. Deshalb nutzten die Teams dreidimensionale Scans von über 2000 Patienten für das Vortraining eines Basismodells. Bei einer neuen Person dauert die Feinabstimmung dann etwa fünf Minuten. Der eigentliche Bildabgleich ist danach in wenigen Sekunden abgeschlossen.

In Tests mit realen Daten aus fünf Kliniken umfasste das System erwachsene Patienten und Kinder sowie mehrere Dutzend Knochen- und Organsysteme. xvr erwies sich als genauer und stabiler als bestehende KI-Methoden und zugleich schnell genug für Notfallsituationen, etwa im Operationssaal. Die Ergebnisse wurden in der Fachzeitschrift Nature veröffentlicht.

Der praktische Nutzen ist doppelt. Eine schnellere und zuverlässigere Bildregistrierung hilft dem Arzt, die Lage von Katheter oder Endoskop einzuschätzen, und senkt das Risiko einer Schädigung umliegender Gewebe. Dieselbe Technologie kann zur Navigation chirurgischer Roboter dienen.

Auch die Unsicherheit muss gemessen werden

Die Bildregistrierung ist nicht die einzige Baustelle bei der Frage, wie viel Vertrauen Modelle in der Bildgebung verdienen. Auf der laufend aktualisierten Liste von Preprints aus der medizinischen Physik auf arXiv waren in derselben Woche Arbeiten zur Reduktion von Artefakten in der Kegelstrahlbildgebung (arXiv:2609.30169), zu einem generativen Ersatz für Monte-Carlo-Berechnungen in der fotoakustischen Bildgebung (arXiv:2609.28261) sowie zur identifizierbaren Unsicherheit in der CT-Bildgebung (arXiv:2609.29599) zu sehen. Die letzte Richtung ist aus klinischer Sicht wichtig: Ein Modell, das sagen kann, wie unsicher sein Ergebnis ist, lässt sich leichter in den Entscheidungsprozess einbinden.