xvr：系统在数秒内把术中X光与三维扫描对齐

血管成形术这类微创手术中，医生通过一个小切口送入器械，靠实时X光图像判断器械的位置。X光片只有两个维度的信息，很难看出器械在患者体内的确切位置和朝向。医生手动把X光片和术前CT或磁共振对齐，要花不少时间。此前的AI工具换一个患者，表现就不稳定。

麻省理工学院及合作机构的团队开发了一套系统，取名xvr。它不给所有患者训练同一个模型，而是针对具体的人做调整。团队拿这位患者术前的CT或MRI数据，从不同角度生成模拟X光图像，把成像的物理过程还原出来。系统每秒生成约1000张模拟图像。这些图像只来自患者本人的数据，不是凭空生成，所以不存在幻觉问题。

从十二小时到五分钟

从零训练一个只服务某位患者的模型，大约要12小时。团队改用2000多名患者的三维扫描预训练基础模型。面对新患者时，微调约需五分钟，图像对齐本身在几秒内完成。

测试用的是五家医院的真实数据，患者中有成人也有儿童，覆盖几十种骨骼与器官组合。xvr比现有AI方法更准确、更稳定，速度也快到能用在急诊场景，比如手术室。结果发表在《自然》杂志上。

实际意义有两方面。图像配准更快、更可靠，医生判断导管或内窥镜的位置就更有把握，损伤周围组织的风险也随之下降。同一套技术还能用于手术机器人的导航。

不确定性也需要测量

图像配准并不是医学影像模型可信度研究的唯一战线。arXiv上持续更新的医学物理预印本列表里，同一周还能看到几项工作：锥束成像伪影减少（arXiv:2609.30169）、用于光声成像的蒙特卡洛计算生成式替代方法（arXiv:2609.28261），以及CT成像中可识别的不确定性（arXiv:2609.29599）。最后这个方向对临床很重要。模型能说出自己对结果有多不确定，医生才更容易把它接进决策流程。