患者固有の新しいAIモデル、低侵襲手術の精度を向上

研究者は、手術中に撮影されたX線画像と患者の術前3D医療スキャンを正確かつ迅速に照合する新しい技術を開発した。この手法により、臨床医が低侵襲手術器具を精密に操縦することが容易になり、より迅速で安全な処置につながる可能性がある。

臨床医は、カテーテルや内視鏡などのデバイスを小さな切開部から通して誘導するのを助けるために、リアルタイムのX線を使用して多くの低侵襲手術を行っている。しかし、X線は平面的な画像であるため、患者の体内で手術器具が正確にどこにあり、どのような向きであるかを判断するのが難しく、合併症のリスクが高まる。

手術器具の局在化を助けるために、臨床医はX線をCTスキャンやMRIなどの術前3D医療画像と手動で位置合わせすることがある。このプロセスを効率化するために設計された人工知能ツールは、すべての患者に対して画像を確実（ロバスト）に位置合わせすることに苦労しており、実用上は不可能となっている。

MITおよび共同研究機関の研究者と臨床医によって開発されたこの新しいシステムは、わずか約5分で各患者に適応するAIモデルを使用している。このモデルは、一人の患者のX線と3Dスキャンを数秒で、かつ1ミリメートル未満の精度で自動的に照合する。

xvr（X-ray volume registrationの略）と名付けられたこのシステムは、幅広い患者、体の部位、および医療処置において、既存のAI手法を桁違いに上回る性能を示した。

「アメリカ人の大多数は、緊急の脳卒中介入などの非侵襲的処置を行えるセンターから1時間以上離れた場所に住んでいます。脳卒中の時間における1時間は非常に重大です。2D情報と3D情報を組み合わせることでこれらの処置を容易にすることは、この種の高度に専門化された救命処置を、より幅広い層の人々が利用しやすくすることを可能にします」と、MIT Computer Science and Artificial Intelligence Laboratory (CSAIL)のポスドクであり、Harvard-MIT Program in Health Sciences and Technologyの最近の卒業生、そしてNatureに掲載されるxvrに関する論文の筆頭著者であるVivek Gopalakrishnanは述べている。

論文には、指導教官でありCSAILの主任研究員、Medical Vision Groupのリーダー、そして論文の共同シニア著者であるPolina Golland（Electrical Engineering and Computer Science (EECS)のSunlin and Priscilla Chou教授）、およびMedical Vision Groupの元ポスドクで現在はHarvard Medical SchoolおよびMassachusetts General Hospitalの研究員であり、論文の共同シニア著者でもあるNeel Deyが名を連ねている。その他の共著者には、Harvard Medical Schoolの研究者兼臨床医であるDavid-Dimitris Chlorogiannis、St. Luke's Marion Bloch Neuroscience Instituteの神経外科医であるAndrew Abumoussa、Shriners Children's Hospitalの小児科医であるAnna M. Larson、HarvardおよびBrigham and Women's Hospitalの放射線科助教授であるNazim Haouchine、Boston Children's Hospitalの医師兼科学者であるDarren B. Orbach、およびHarvardの放射線科准教授であるSarah Friskenが含まれる。