xvr: system dopasowuje śródoperacyjne RTG do skanu 3D w kilka sekund

W zabiegach maloinwazyjnych, takich jak angioplastyka, lekarz prowadzi narzędzia przez małe nacięcie i obserwuje ich położenie na bieżącym obrazie rentgenowskim. Obraz RTG niesie jednak tylko dwie informacje. Trudno z niego wywnioskować, gdzie dokładnie znajduje się i jak jest ustawione narzędzie w ciele pacjenta. Ręczne dopasowanie zdjęcia RTG do przedoperacyjnego CT lub rezonansu zajmuje czas, a dotychczasowe narzędzia AI radziły sobie z tym niestabilnie u różnych chorych.

Zespół z Massachusetts Institute of Technology i współpracujących instytucji opracował system o nazwie xvr. Nie próbuje on wytrenować jednego modelu dla wszystkich pacjentów. Dostosowuje się do konkretnej osoby. Z jej przedoperacyjnych danych CT lub MRI generuje z różnych kątów symulowane obrazy rentgenowskie, odwzorowując fizyczne procesy powstawania obrazu. System wytwarza przy tym około 1000 symulowanych zdjęć na sekundę, a symulacja opiera się wyłącznie na danych samego pacjenta. Nie jest to generowanie danych „z niczego”, więc nie występuje problem halucynacji.

Od dwunastu godzin do pięciu minut

Trening modelu dedykowanego jednemu pacjentowi od zera zajmowałby około 12 godzin. Dlatego zespoły wykorzystały skany trójwymiarowe ponad 2000 pacjentów do wstępnego treningu modelu bazowego. Przy nowej osobie dostrojenie zajmuje wówczas około pięciu minut, po czym samo dopasowanie obrazu kończy się w kilka sekund.

W testach na rzeczywistych danych z pięciu szpitali system obejmował pacjentów dorosłych i dzieci oraz kilkadziesiąt układów kości i narządów. xvr okazał się dokładniejszy i stabilniejszy od istniejących metod AI, a jednocześnie wystarczająco szybki, by sprawdzić się w sytuacjach nagłych, na przykład na sali operacyjnej. Wyniki opublikowano w czasopiśmie Nature.

Znaczenie praktyczne jest podwójne. Szybsza i pewniejsza rejestracja obrazu pomaga lekarzowi ocenić położenie cewnika czy endoskopu i zmniejsza ryzyko uszkodzenia okolicznych tkanek. Ta sama technologia może służyć do nawigacji robotów chirurgicznych.

Niepewność też trzeba mierzyć

Rejestracja obrazu to nie jedyny front prac nad zaufaniem do modeli w obrazowaniu. Na liście preprintów z zakresu fizyki medycznej na arXiv, publikowanej na bieżąco, w tym samym tygodniu widoczne były prace nad redukcją artefaktów w obrazowaniu stożkowym (arXiv:2609.30169), nad generatywnym zastępnikiem obliczeń Monte Carlo dla obrazowania fotoakustycznego (arXiv:2609.28261) oraz nad identyfikowalną niepewnością w obrazowaniu CT (arXiv:2609.29599). Ten ostatni kierunek jest istotny z punktu widzenia kliniki. Model, który umie powiedzieć, jak bardzo nie jest pewien swojego wyniku, łatwiej wpiąć w proces decyzyjny.