MIT团队发布xvr：5分钟适配单个患者，2D/3D配准精度达亚毫米级
该技术用患者术前CT或MRI生成合成X光训练个性化模型，将X光与三维扫描的配准时间从12小时缩短到约5分钟，在五家医院数据上以亚毫米精度超越现有AI方法一个数量级。
AI解读：做微创手术时，医生一边看实时X光，一边要在脑子里把平面图像对应到患者的三维解剖结构上。这个“配准”过程靠多年训练练成，手动操作要在电脑上输入数字或点击解剖标志，费时且依赖经验。
xvr的思路不是训练一个通吃所有患者的模型，而是给每位患者单独定制。它根据该患者的术前CT或MRI用物理模拟生成上千张合成X光，再训练模型把二维X光对齐到三维扫描。因为数据完全来自患者自己的影像，研究团队强调不存在生成式AI常见的“幻觉”问题。
真正让它能进急诊室的是速度：从零训练一个患者专属模型约需 12 小时，来不及用于中风等紧急手术；xvr先用 2000 多名患者的全身影像预训练一个基础模型，新患者适配只需约 5 分钟，精度与从零训练相当。
论文报告在五家医院、涵盖成人和儿童数十种骨骼与器官系统的最大真实 2D/3D配准数据集上，xvr的精度和鲁棒性比现有AI方法高出一个数量级，速度快到可用于急诊手术。研究团队称正在与手术机器人公司和临床团队合作，将其转化为导航工具。
普通读者不需要立刻改变就医决策。这项技术对需要微创介入的患者、尤其是远离大型卒中中心的患者有潜在意义——研究者的说法是，把 2D和 3D信息结合能让这类高度专业化的救命手术覆盖更广的人群，但目前仍是研究阶段，尚未成为临床常规工具。
MIT及合作机构的研究人员开发出一种名为xvr（X-ray volume registration，X光体积配准）的AI技术，能在数秒内把手术中拍摄的 2D X光与患者术前的 3D医学扫描精确对齐，精度达到亚毫米级。论文于 9 月 16 日发表在《自然》杂志，第一作者为MIT CSAIL博士后Vivek Gopalakrishnan。
在微创手术中，医生通过小切口插入导管、内窥镜等器械，借助高速移动X光机实时观察。但X光是平面图像，难以判断器械在体内的准确位置和朝向。传统做法是人工对齐X光与术前CT或MRI，过程缓慢且依赖经验；现有AI配准工具则因患者解剖差异大而难以稳定适用于所有人。
xvr的思路是为每位患者单独适配：用其术前 3D扫描生成数千张合成X光，再用这些数据训练模型。团队先用 2000 多名患者的全身 3D扫描预训练一个基础模型，使新患者的适配时间从从零训练的约 12 小时缩短到约 5 分钟，精度不变。
在涵盖五家医院、成人和儿童数十种骨骼与器官系统的最大真实 2D/3D配准数据集上，xvr的精度和鲁棒性比现有AI方法高出一个数量级，速度足以用于急诊手术。研究团队表示正与手术机器人公司和临床团队合作，将其转化为导航或部署工具。该工作部分由NIH、MIT CSAIL-Wistron项目、MIT-IBM计算研究实验室、MIT Jameel诊所等资助。