研究人員開發了一項新技術，能夠準確且快速地將手術中擷取的 X 光影像與病患術前的 3D 醫學掃描進行匹配。這項方法有望讓臨床醫師更容易精準地操控微創手術工具，從而實現更快、更安全的手術。

許多微創手術都仰賴即時 X 光影像，協助醫師透過微小切口引導導管和內視鏡等裝置。然而，由於 X 光是平面影像，要精確判斷手術工具在病患體內的位置和方向極具挑戰性，這也增加了併發症的風險。

為了協助定位手術裝置，臨床醫師可能會手動將 X 光影像與術前 3D 醫學影像（例如電腦斷層掃描或核磁共振）進行對齊。然而，旨在簡化此過程的人工智慧工具，在為所有病患穩健地對齊影像方面仍面臨困難，使其在實際應用中不可行。

這套由麻省理工學院及合作機構的科學家和臨床醫師共同開發的新系統，採用了一個能在約五分鐘內適應每位病患的 AI 模型。該模型能夠在數秒內自動將病患的 X 光影像與 3D 掃描進行匹配，並達到亞毫米級的精準度。

這項名為 xvr（X-ray volume registration 的縮寫）的技術，在廣泛的病患、身體部位和醫療程序中，其表現超越了現有的 AI 方法一個數量級。

麻省理工學院電腦科學與人工智慧實驗室 (CSAIL) 的博士後研究員 Vivek Gopalakrishnan 表示：「大多數美國人居住在距離能執行非侵入性手術（例如緊急中風介入治療）的中心超過一小時的路程。在中風治療中，一小時的時間至關重要。

透過結合 2D 和 3D 資訊，使這些手術變得更容易，能讓這些高度專業的救命程序更容易普及到更廣泛的人群。」Gopalakrishnan 也是 xvr 相關論文的主要作者，該論文已發表於《自然》期刊。

論文的共同作者包括他的指導教授 Polina Golland（電氣工程與電腦科學系的 Sunlin and Priscilla Chou 教授、CSAIL 的主要研究員、醫學視覺小組負責人，以及論文的共同資深作者）；以及 Neel Dey（醫學視覺小組的前博士後研究員，現為哈佛醫學院和麻省總醫院的研究員，也是論文的共同資深作者）。

其他共同作者包括 David-Dimitris Chlorogiannis、Andrew Abumoussa、Anna M. Larson、Nazim Haouchine、Darren B. Orbach 和 Sarah Frisken。

在許多微創手術中，例如用於疏通阻塞動脈的血管成形術，臨床醫師會透過微小切口插入器械，並使用高速移動式 X 光掃描儀產生影像，以便從任何角度觀察手術過程。但為了引導手術工具而不意外損壞其他組織，臨床醫師必須將即時 X 光影像與病患術前的 MRI 或 CT 掃描進行對齊。

這個過程稱為「配準」(registration)，有助於他們確定工具相對於解剖結構的位置。Gopalakrishnan 說：「臨床醫師需要數十年的訓練才能熟練地判讀模糊的 2D 影像並理解所有物體的方向。我們希望讓這些 2D X 光影像提供更多資訊，從而使這些救命的手術更安全、更容易執行。」

手動配準方法既緩慢又繁瑣，需要臨床醫師透過在電腦中輸入數字或點擊螢幕上的解剖標誌來猜測手術器械的位置。為了簡化這個過程，研究人員正在開發能夠預測 2D/3D 配準的 AI 模型。然而，由於人體解剖結構的多樣性，一個對某些病患有效的模型可能對其他病患失效。

Gopalakrishnan 表示，缺乏高品質的標註醫學影像數據，使得訓練一個足夠穩健以適應多位病患的深度學習模型變得困難。因此，研究人員並非試圖建立一個適用於所有病患的機器學習模型，而是設計了一個能極佳地適應特定病患的模型。

Gopalakrishnan 補充說：「我們為這位特定病患量身定制這個特定模型，它是否適用於其他人並不重要，因為那些人會有不同的模型。」

xvr 系統會取用病患的術前 3D 掃描（例如 MRI 或 CT），並利用它從多個角度生成數千張合成 X 光影像，每秒約可產生 1,000 張影像。它採用基於物理的 X 光過程模擬，以確保這些合成影像的真實性。

Gopalakrishnan 說：「與某些生成式 AI 從無到有生成數據不同，這種物理模擬完全基於病患的 CT 掃描或 MRI。由於 xvr 以純粹基於物理的方式創建病患專屬數據，因此沒有產生幻覺的空間。」xvr 框架利用這些模擬數據來訓練一個 AI 模型，該模型能夠在數秒內精確地將病患的 2D X 光影像與其 3D 影像掃描進行對齊。

然而，儘管這樣的配準模型高度準確，但為每位病患從頭開始訓練大約需要 12 小時，這使得它無法在緊急情況下部署。為了加快這個過程，研究人員使用 xvr 預訓練了一個更通用的 AI 系統，稱為「基礎模型」(foundation model)，該模型可以快速調整以適應每位新病患。

他們收集了來自 2,000 多名病患的全身 3D 醫學掃描，涵蓋了廣泛的年齡、影像模式和區域。Xvr 利用這些多樣化的數據生成合成 X 光影像，並訓練一個基礎模型來執行 2D/3D 配準。

這個預訓練模型可以在大約五分鐘內適應新病患，並以與從頭訓練相同的準確度執行配準。Gopalakrishnan 說：「所以現在你可以獲得病患專屬的準確性，而且時間非常快速。」

該團隊在現有最大的真實 2D/3D 配準數據集上測試了該模型，該數據集包含了來自五家醫院的數據，涵蓋了成人和兒童病患的數十種骨骼和器官系統。Xvr 在準確性和穩健性方面顯著優於其他基於 AI 的方法，同時運行速度足以應對緊急手術。該模型還可以用於提高機器人手術技術的性能。

未來，研究人員希望專注於讓 xvr 更快地實現即時部署，進行進一步研究以驗證其在其他情況下的可靠性，並將系統擴展到處理更複雜的場景，例如移動的身體部位。

Gopalakrishnan 表示：「在過去兩年裡，我們一直在仔細開發和驗證這個演算法。現在，我們正與手術機器人公司和臨床團隊密切合作，將這項研究轉化為導航或部署的實用工具。」

這項工作部分由美國國家衛生研究院 (NIH)、MIT CSAIL-Wistron 計畫、MIT-IBM 運算研究實驗室、MIT Jameel Clinic、MIT 健康與生命科學合作計畫以及 Chou Family Transformative Research Fund 資助。