Врачи, проводящие малоинвазивные операции, полагаются на рентген в реальном времени для управления хирургическими инструментами, однако плоские проекционные изображения крайне затрудняют определение точного положения и ориентации инструментов внутри тела. Хотя сопоставление интраоперационных 2D-изображений с предоперационными 3D-объемами, такими как сканы КТ или МРТ, решает эту проблему локализации, ручная регистрация остается невероятно трудоемкой. Предыдущие универсальные модели глубокого обучения регулярно буксовали при столкновении с различной анатомией пациентов, что препятствовало их внедрению в клиническую практику. Чтобы обойти это узкое место, исследователи из MIT разработали методику, которая быстро и точно сопоставляет интраоперационные рентгенограммы с предоперационными 3D-сканами.
Система, получившая название xvr (X-ray volume registration), берет предоперационный 3D-скан конкретного пациента и симулирует тысячи синтетических рентгенограмм под разными углами. Она генерирует синтетические изображения каждую секунду с помощью физически достоверной симуляции рентгеновского процесса. В то время как обучение модели регистрации с нуля для отдельного клинического случая обычно занимает часы, эта архитектура адаптируется под каждого пациента примерно за пять минут.
Субмиллиметровая точность
Во время операции адаптированная модель автоматически сопоставляет рентгенограммы пациента с 3D-сканами за считанные секунды, достигая субмиллиметровой точности. Проект возглавили Вивек Гопалакришнан (Vivek Gopalakrishnan), постдок в Лаборатории искусственного интеллекта и компьютерных наук MIT (CSAIL), а также Полина Голланд (Polina Golland), профессор MIT, и Нил Дей (Neel Dey), научный сотрудник Гарвардской медицинской школы и Массачусетской общей больницы. Для создания и валидации системы исследователи собрали трехмерные медицинские сканы всего тела более чем от 1 000 пациентов.
"Мы настраиваем эту конкретную модель для этого конкретного пациента, и не имеет значения, работает ли она на других людях, поскольку для этих людей будут созданы другие модели", — поясняет Вивек Гопалакришнан.
Этот сдвиг в сторону специализированной адаптации под каждого пациента успешно преодолевает сбои генерализации у более ранних моделей, обеспечивая надежную работу независимо от индивидуальных анатомических вариаций.
Экономический и операционный эффект
Для поставщиков медицинских услуг и производителей медицинского оборудования быстрая 2D/3D-регистрация под конкретного пациента демонстрирует, как адресное моделирование способно напрямую снизить накладные расходы в операционных. Сокращая фазу адаптации модели до пяти минут, а время выравнивания — до секунд, этот метод уменьшает продолжительность процедур, снижает риски осложнений при навигации катетеров и эндоскопов и в конечном счете оптимизирует операционные маржинальные показатели в критически важных для времени клинических условиях. Главным практическим ограничением остается жесткое требование наличия предварительного 3D-скана, что оставляет открытым вопрос о том, как такие рабочие процессы будут интегрироваться в экстренные клинические протоколы, где предоперационная объемная визуализация отсутствует.