xvr：数秒内将术中X光与三维扫描对齐

在血管成形术等微创手术中，医生通过小切口操作器械，并依靠实时X光图像监控其位置。然而，X光图像仅包含二维信息，难以准确判断器械在患者体内的具体位置和朝向。手动将X光图像与术前CT或磁共振图像对齐耗时较长，且现有的AI工具在不同患者身上表现不稳定。

麻省理工学院及合作机构的团队开发了名为xvr的系统。它不训练适用于所有患者的单一模型，而是针对具体患者进行适配。系统利用患者术前的CT或MRI数据，从不同角度生成模拟X光图像，以还原成像的物理过程。该系统每秒可生成约1000张模拟图像。由于模拟仅基于患者自身数据，而非凭空生成，因此不存在幻觉问题。

从十二小时到五分钟

从零开始训练一个针对单个患者的模型大约需要12小时。因此，团队利用超过2000名患者的三维扫描数据对基础模型进行了预训练。对于新患者，微调过程仅需约五分钟，随后的图像对齐在几秒内即可完成。

在五家医院的真实数据测试中，系统涵盖了成人和儿童患者，以及数十种骨骼和器官组合。xvr比现有AI方法更准确、更稳定，且速度足够快，适用于急诊场景，例如手术室。研究结果已发表在《自然》杂志上。

这一技术具有双重实际意义。更快、更可靠的图像配准有助于医生评估导管或内窥镜的位置，从而降低损伤周围组织的风险。同样的技术也可用于手术机器人导航。

不确定性也需要测量

图像配准并非提升医学影像模型可信度的唯一方向。在arXiv持续更新的医学物理预印本列表中，同一周还出现了多项相关研究：锥束成像伪影减少（arXiv:2609.30169）、光声成像中蒙特卡洛计算的生成式替代方法（arXiv:2609.28261），以及CT成像中的可识别不确定性（arXiv:2609.29599）。最后这一方向对临床尤为重要：当模型能够量化自身结果的不确定性时，更容易将其整合进临床决策流程。