麻省理工学院（MIT）研究人员开发出一套名为“xvr”的人工智能系统，能在数秒内以亚毫米级精度，将术中2D X光片与术前3D医学扫描图像自动匹配。该技术有望显著提升微创手术导航的精确度与安全性。相关研究成果已发表于《自然》杂志。
破解2D/3D影像配准难题
在血管成形术等微创手术中，医生依赖实时X光引导导管等器械。然而，X光仅为平面图像，难以呈现器械在体内的空间位置与方向，增加了误伤组织的风险。传统做法需医生手动将X光与CT或MRI等3D影像对齐（即“配准”），过程繁琐且依赖经验；现有AI工具虽试图自动化这一流程，但因人体解剖结构差异巨大，往往缺乏跨患者的鲁棒性，难以临床落地。
xvr系统通过“患者特异性”策略解决这一痛点。它不追求构建一个适用于所有人的通用模型，而是为每位患者量身定制专用模型。系统基于物理原理，利用患者术前3D扫描数据生成数千张逼真的合成X光片，避免了生成式AI常见的“幻觉”问题，并以此训练AI模型实现高精度2D/3D对齐。
基础模型实现快速适配
若从头为每位患者训练模型，耗时约12小时，无法满足急诊需求。为此，研究团队利用来自2000多名患者的多样化3D扫描数据，预训练了一个通用基础模型。该模型可在约5分钟内快速适配新患者，且精度与从头训练相当。
测试显示，在涵盖成人及儿科患者、多种骨骼与器官系统的真实数据集上，xvr的准确性与鲁棒性比现有AI方法高出数量级，且运行速度足以支持紧急手术。论文主要作者、MIT CSAIL博士后Vivek Gopalakrishnan指出，该技术能降低高难度微创手术门槛，使卒中干预等救命措施惠及更多偏远地区患者。
目前，团队正与手术机器人公司及临床团队合作，推动技术转化。未来研究方向包括进一步优化速度以实现实时部署，验证更多场景下的可靠性，并扩展至处理移动身体部位等复杂情况。该研究获得了美国国立卫生研究院（NIH）及MIT多个研究项目的资助。