Nature：五分钟“私人订制”AI模型，让手术X光片秒变三维导航图！

如今，微创手术的普及正在重塑现代外科的面貌，以血管腔内介入为例，全球每年实施的经皮冠状动脉介入治疗超过400万例，脑卒中取栓手术也在逐年攀升。这些手术的共同点是：医生不打开胸腔或腹腔，而是通过一根导管，从腹股沟或手腕处的小切口进入血管，一路“摸着黑”走到病灶所在。所谓“摸着黑”，并非夸张，医生眼前只有一台X光透视机，屏幕上显示的是一张张灰阶的二维平面图。导管在哪、尖端朝向何方、距离目标还有多远，全凭经验和空间想象力去推断，一个训练有素的心血管介入医生，往往需要十年以上的积累才能在脑海中把二维影像“脑补”成立体结构。

问题在于，人脑可以训练，机器却很难被“标准化”。为了让二维X光片与术前拍好的三维CT或MRI对齐，科学家们已经摸索了二十多年；传统方法依赖强度优化，每换一个患者就得重新调参；深度学习路线则需要大量人工标注的数据，而且换一个解剖部位、换一家医院，模型往往就“水土不服”，结果就是：理论上可行的技术，临床上却难以推广。

日前，一篇发表在国际杂志Nature上题为“Rapid patient-specific neural networks for X-ray to volume registration”的研究报告中，来自麻省理工学院等机构的科学家们试图换一条路走，文章中，他们的思路颇为巧妙：与其训练一个放之四海而皆准的通用模型，不如为每一位患者单独训练一个“专属模型”。这项名为xvr（X-ray volume registration，X光与三维体数据配准）的技术，核心在于用患者自己的术前CT或MRI，通过物理模拟生成大量合成X光片。这个过程完全基于该患者的真实解剖结构，而非凭空“想象”。研究人员打了个比方：有些生成式AI是从噪声中无中生有，而xvr更像是一台虚拟X光机，把患者的三维扫描按照不同角度“拍”成上千张二维图，每秒可生成约1000张。

有了这些合成图像，xvr就可以训练一个神经网络，学会把该患者的真实术中X光片与术前三维体积精确对齐。但若从零开始训练，每位患者大约需要12小时—这在急诊场景中显然不现实。为此，研究人员先利用2000多名患者的全身三维扫描数据，训练了一个基础模型。这个基础模型见过各种年龄、各种成像模态、各种解剖区域的数据，具备了广泛的“常识”。当一位新患者到来时，只需用他本人的合成X光片对基础模型进行微调，大约5分钟就能完成适配，精度却与从头训练相当。

在迄今为止规模最大的真实X光二维/三维配准评测中，xvr覆盖了五家医院、数十种骨骼和器官系统、成人与儿童患者。结果显示，其精度比现有方法提升了一个数量级，达到亚毫米级，同时配准速度以秒计，足以满足急诊手术的时间要求。这意味着，医生不必再手工点击解剖标志点或反复输入参数，系统可以自动完成对齐，把更多精力留给真正的临床决策。

Vivek Gopalakrishnan博士提到一个现实背景：美国相当一部分人口居住在距离能开展非侵入性介入手术的中心一小时车程以外的地方。对于急性缺血性脑卒中而言，每一分钟都意味着大约190万个脑细胞不可逆地死亡。如果xvr能够降低这类手术的技术门槛，让更多基层医院或偏远地区的医生也能安全地开展血管内介入，其公共卫生意义不言而喻。

值得注意的是，xvr的“患者专属”策略并非否定通用模型的价值，而是把通用模型当作起点，再用患者自身数据做个性化校准。这种“先广后专”的思路，既避免了为每个患者从零训练的时间成本，也绕开了通用模型难以适应个体解剖差异的痼疾。由于训练数据完全来自物理模拟，不存在生成式AI常见的“幻觉”问题—合成图像中的每一个像素，都能追溯到患者真实的CT或MRI。

如今研究人员已将xvr开源，希望让不同解剖区域、不同成像模态的二维/三维刚性配准变得触手可及。目前，他们正与手术机器人公司和临床研究人员合作，推动这项技术从论文走向手术室。对于患者而言，这意味着未来的微创手术可能更精准、更快速，也少一些“凭经验判断”的不确定性；对于医生而言，这或许不是要取代谁，而是给那双已经足够熟练的手，配上一副看得更清楚的眼镜。（生物谷Bioon.com）

参考文献：

Gopalakrishnan, V., Chlorogiannis, DD., Abumoussa, A. et al. Rapid patient-specific neural networks for X-ray to volume registration. Nature (2026). doi：10.1038/s41586-026-11045-x