Un nou model AI personalizat îmbunătățește precizia în chirurgiile minim invazive
Cercetătorii au dezvoltat o tehnică care potrivește cu precizie și rapiditate radiografiile capturate în timpul intervențiilor chirurgicale cu scanările medicale 3D preoperatorii ale pacienților.
Metoda are potențialul de a facilita pentru clinicieni pilotarea cu precizie a instrumentelor chirurgicale minim invazive, conducând la proceduri mai rapide și mai sigure.
În multe intervenții chirurgicale minim invazive, clinicienii folosesc radiografii în timp real pentru a manevra dispozitive precum cateterele și endoscoapele prin incizii mici. Totuși, deoarece radiografiile sunt imagini plate, poate fi dificil să se determine exact unde se află și cum sunt orientate instrumentele chirurgicale în corpul pacientului, ceea ce crește riscul de complicații.
Pentru a localiza dispozitivele chirurgicale, clinicienii pot alinia manual radiografiile cu imaginile 3D preoperatorii, cum ar fi scanările CT sau RMN. Instrumentele de inteligență artificială concepute pentru a eficientiza acest proces întâmpină dificultăți în a alinia imaginile în mod robust pentru toți pacienții, ceea ce le face impracticabile.
Noul sistem, dezvoltat de oamenii de știință și clinicieni de la MIT și instituții colaboratoare, utilizează un model AI care se adaptează fiecărui pacient în aproximativ cinci minute. Modelul potrivește automat radiografiile unui pacient cu scanările 3D în câteva secunde, având o precizie sub milimetru.
Această tehnologie, numită xvr (care reprezintă înregistrarea volumetrică a radiografiilor), a depășit metodele AI existente cu un ordin de magnitudine pe o gamă largă de pacienți, părți ale corpului și proceduri medicale.
„O majoritate a americanilor locuiesc la mai mult de o oră distanță de un centru care poate efectua proceduri minim invazive, precum intervențiile de urgență în caz de accident vascular cerebral. O oră în timpul accidentului vascular cerebral este extrem de substanțială. Facem aceste proceduri mai accesibile prin combinarea informațiilor 2D și 3D, astfel încât aceste tipuri de intervenții salvatoare să fie disponibile pentru o parte mai largă a populației”, afirmă Vivek Gopalakrishnan.
Gopalakrishnan este coautor al unei lucrări despre xvr, care va apărea în publicația Nature. El este însoțit de Polina Golland, Neel Dey, David-Dimitris Chlorogiannis, Andrew Abumoussa, Anna M. Larson, Nazim Haouchine, Darren B. Orbach și Sarah Frisken.
În multe proceduri chirurgicale minim invazive, cum ar fi angioplastia pentru deschiderea arterelor blocate, clinicienii introduc instrumente printr-o incizie mică și folosesc un scanner mobil cu raze X pentru a genera imagini care le permit să vizualizeze procedura din orice unghi.
Însă, pentru a ghida instrumentele chirurgicale fără a deteriora țesutul din jur, clinicienii trebuie să alinieze radiografiile în timp real cu RMN-ul sau CT-ul preoperator al pacientului. Acest proces, numit înregistrare, îi ajută să determine unde se află instrumentul în raport cu structurile anatomice.
Este nevoie de zeci de ani de pregătire pentru ca un clinician să devină suficient de priceput pentru a interpreta imagini 2D neclare și a înțelege orientarea acestora. Vrem să facem aceste radiografii mai informative, astfel încât să devină mai sigure și mai ușor de realizat aceste intervenții salvatoare.”
Metodele manuale de înregistrare sunt lente și greoaie, necesitând ca clinicianul să ghicească poziția unui instrument chirurgical prin introducerea de date într-un computer sau prin selectarea unor repere anatomice pe un ecran.
Pentru a eficientiza acest proces, cercetătorii dezvoltă modele AI care pot prezice înregistrarea 2D/3D. Totuși, anatomia umană este atât de diversă încât un model care funcționează bine pentru unii pacienți poate eșua pentru alții.
O lipsă de date medicale de înaltă calitate, corect annotate, face dificilă antrenarea unui model de învățare profundă suficient de robust pentru a se adapta la mulți pacienți, afirmă Gopalakrishnan.
În loc să încerce să creeze un model de învățare automată aplicabil tuturor pacienților, cercetătorii au construit un model conceput să se adapteze extrem de bine la pacientul specific.
„Personalizăm acest model specific pentru acest pacient specific, iar nu contează dacă funcționează pentru alții, deoarece vor exista modele diferite pentru aceștia”, adaugă Gopalakrishnan.
xvr ia o scanare 3D preoperatorie a unui pacient, cum ar fi un RMN sau CT, și o utilizează pentru a genera mii de radiografii sintetice din diferite unghiuri, producând aproximativ 1.000 de imagini pe secundă. Folosește o simulare bazată pe fizică a procesului de raze X pentru a se asigura că aceste imagini sintetice sunt realiste.
„În loc să generăm date din nimic, la fel cum fac unele tipuri de AI generativă, această simulare fizică se bazează complet pe scanarea CT sau RMN a acestui pacient. Deoarece xvr creează date specifice pacientului într-un mod pur bazat pe fizică, nu există loc pentru halucinații”, afirmă Gopalakrishnan.
Cadrele xvr folosesc aceste date simulate pentru a antrena un model AI care poate alinia cu precizie radiografiile 2D ale acestui pacient cu scanarea lor 3D în câteva secunde.
Totuși, deși un astfel de model de înregistrare este extrem de precis, ar dura aproximativ 12 ore pentru a fi antrenat de la zero pentru fiecare pacient, făcându-l imposibil de utilizat în situații de urgență. Pentru a accelera procesul, cercetătorii au utilizat xvr pentru a pre-antrena un sistem AI mai versatil, numit model de bază, care se poate adapta rapid fiecărui pacient nou.
Ei au colectat scanări 3D complete de la peste 2.000 de pacienți, acoperind o gamă largă de vârste, modalități de imagine și regiuni. xvr a folosit aceste date diverse pentru a genera radiografii sintetice și pentru a antrena un model de bază care să efectueze înregistrarea 2D/3D.
Aceast model preantrenat se poate adapta la un nou pacient în aproximativ cinci minute și realizează înregistrarea cu aceeași precizie ca și cum ar fi fost antrenat de la zero.
„Așa că acum poți obține o precizie specifică pacientului, dar și într-un interval de timp foarte rapid”, spune Gopalakrishnan.
Echipa a testat modelul pe cel mai mare set de date disponibil pentru înregistrările 2D/3D, incorporând date de la cinci spitale care acoperă zeci de oase și sisteme organice în pacienți adulți și pediatrici.
xvr a depășit semnificativ alte metode bazate pe AI în ceea ce privește precizia și robustețea, operând suficient de repede pentru intervenții chirurgicale de urgență. Modelul ar putea fi utilizat de asemenea pentru a îmbunătăți performanța tehnologiilor de chirurgie robotică.
În viitor, cercetătorii speră să se concentreze pe creșterea rapidității xvr pentru implementarea în timp real, să efectueze studii suplimentare pentru a verifica fiabilitatea sa în situații diverse și să extindă sistemul pentru a face față unor scenarii mai complexe, cum ar fi părțile mobile ale corpului.
<
