HyperAIHyperAI

Command Palette

Search for a command to run...

KI-Technik präzisiert minimalinvasive Chirurgie

Ein Forscherteam des MIT und beteiligter akademischer Kliniken hat ein neuartiges KI-Verfahren namens xvr (X-ray volume registration) entwickelt, das die Navigation bei minimalinvasiven Eingriffen deutlich präziser und sicherer machen soll. Die Ergebnisse der Studie sind jüngst in der Fachzeitschrift Nature veröffentlicht worden. Ziel der Entwicklung ist es, die seit Jahrzehnten bestehenden Herausforderungen bei der räumlichen Zuordnung von intraoperativen 2-D-Röntgenbildern zu präoperativen 3-D-Scans durch eine automatisierte, patientenspezifische Registrierung zu überwinden. Bisher orientieren sich Chirurgen bei Katheter- oder Endoskopführungen ausschließlich an flachen Röntgenprojektionen, was eine präzise Lokalisierung des Instruments im Körpergewebe erschwert und das Komplikationsrisiko erhöht. Manuelle Registrierungsmethoden sind zeitintensiv und fehleranfällig. Während frühere KI-Ansätze aufgrund anatomischer Unterschiede zwischen Patienten oft unzureichend robust waren, adressiert xvr dieses Problem durch einen rein patientenadaptiven Ansatz. Anstatt ein universelles Modell zu trainieren, generiert das System auf Basis der individuellen 3-D-Scan-Daten mittels physikbasierter Simulation tausende realistische synthetische Röntgenbilder pro Sekunde. Diese datenbasierte Herangehensweise eliminiert das Risiko halluzinativer Artefakte, wie sie bei generativer KI auftreten können. Um die Trainingszeit für klinische Notfälle praktikabel zu gestalten, nutzten die Wissenschaftler die synthetischen Daten, um ein vortrainiertes Foundation-Model auf Basis von Körper-3-D-Scans von mehr als 2.000 Patienten zu etablieren. Dieses Grundmodell lässt sich innerhalb von fünf Minuten auf die Anatomie eines neuen Patienten anpassen und erzielt dabei submillimetergenaue Registrierungsresultate in wenigen Sekunden. Die Leistung entspricht einem von Grund auf neu trainierten Modell, bietet jedoch die erforderliche Geschwindigkeit für den Einsatz in der Intensivversorgung und bei Schlaganfallinterventionen, bei denen jede Minute über das Ergebnis entscheidet. Die Validierung erfolgte an einem umfassenden Datensatz realer 2-D-3-D-Registrierungen aus fünf US-amerikanischen Kliniken, der verschiedene Altersgruppen, Körperregionen und bildgebende Modalitäten abdeckte. xvr übertraf bestehende KI-Methoden um einen Größenordnungsfaktor in Bezug auf Genauigkeit und Robustheit. Laut den Autoren, unter ihnen Vivek Gopalakrishnan, Polina Golland und Neel Dey, eröffnet die Technologie nicht nur erweiterte Anwendungsmöglichkeiten für die robotergestützte Chirurgie, sondern kann durch die Vereinfachung spezialisierter Eingriffe auch die medizinische Versorgung in ländlichen Regionen verbessern, wo spezialisierte Zentren häufig weit entfernt liegen. Die Finanzierung der Forschung erfolgte unter anderem durch die National Institutes of Health, das MIT CSAIL-Wistron-Programm, das MIT-IBM Computing Research Lab sowie das MIT Jameel Clinic. Nach zwei Jahren der algorithmischen Entwicklung und Validierung konzentriert sich das Team nun auf die Realisierung einer Echtzeit-Implementierung. Durch enge Kooperationen mit Herstellern von Operationsrobotern und klinischen Partnern wird xvr schrittweise in klinische Navigationswerkzeuge überführt. Zukünftige Forschungsschwerpunkte liegen der Beschleunigung der Echtzeitanwendung, der erweiterten Validierung unter dynamischen Bedingungen sowie der Anpassung an sich bewegende Organe.

Verwandte Links