米マサチューセッツ工科大学（MIT）の研究チームは、低侵襲手術におけるX線画像と術前の3D医用画像を、ミリメートル以下の精度で自動位置合わせする新たなAI技術「xvr（X-ray volume registration）」を開発した。この技術により、カテーテルや内視鏡を用いた手術の精度と安全性が大幅に向上し、緊急時の脳卒中治療など、高度な手技をより多くの患者に提供できる可能性が開かれる。研究成果は、6月26日付の科学誌『Nature』に掲載された。
低侵襲手術では、医師がリアルタイムのX線画像を見ながら体内で器具を操作する。しかし、X線は2次元の平面画像であるため、器具の正確な位置や向きを把握するのが難しく、周辺組織を傷つけるリスクが伴う。従来は、この課題を解決するために、術前に撮影したCTやMRIの3次元画像とX線を手動で照合する「レジストレーション」という作業が必要だったが、経験豊富な医師でも時間と手間を要する作業であった。
AIによる自動化も試みられてきたが、従来の手法では患者の解剖学的多様性に対応できず、一部の患者でしか精度が出ないという問題があった。MITコンピュータ科学・人工知能研究所（CSAIL）のポスドク研究員で、論文の筆頭著者であるVivek Gopalakrishnan氏は、「人間の解剖学的構造は多様すぎるため、全ての患者に通用する汎用的なモデルを作るのは不可能に近い」と説明する。
xvrが解決した課題——患者固有モデルによる高速・高精度レジストレーション
xvrの最大の革新は、患者一人ひとりに特化したAIモデルを、わずか約5分で構築できる点にある。研究チームは、従来のように全ての患者に適用可能な汎用モデルを目指すのではなく、特定の患者に極めて正確に適応するモデルを作るというアプローチを採用した。
具体的な仕組みはこうだ。まず、患者の術前CTまたはMRIスキャンデータを基に、物理ベースのシミュレーションを用いて、様々な角度から撮影した数千枚の合成X線画像を生成する。このプロセスは毎秒約1,000枚のペースで実行され、CTやMRIのデータのみを物理法則に従ってシミュレートするため、いわゆる生成AIのような「幻覚（ハルシネーション）」は一切発生しない。
「この物理シミュレーションは、CTスキャンやMRIに完全に基づいています。患者固有のデータを純粋に物理ベースで生成するため、誤った情報が混入する余地はありません」とGopalakrishnan氏は強調する。
生成された合成X線を用いてAIモデルを訓練すれば、実際の手術中のX線と3D画像を秒単位で照合できるようになる。しかし、このプロセスを一から患者ごとに行うと、訓練に約12時間を要するため、緊急手術での実用は不可能だった。
この課題を解決するため、研究チームは約2,000人の患者から収集した全身の3D医用スキャンデータを用いて、事前に「ファンデーションモデル（基盤モデル）」を訓練。この基盤モデルは、新しい患者のデータが与えられると、わずか5分で個別最適化され、一から訓練した場合と同等の精度を発揮する。Gopalakrishnan氏は「患者固有の精度を、非常に短い時間で実現できるようになりました」と語る。
従来AIを「桁違い」に凌駕——5病院の臨床データで実証
研究チームは、5つの病院から収集した成人および小児患者のデータを用いてxvrの性能を検証。数十の骨格や臓器系を対象とした最大規模のデータセットで評価した結果、xvrは従来のAIベースの手法と比較して、精度とロバスト性（頑健性）で「桁違い（order of magnitude）」の性能向上を示した。
特に緊急手術に求められる処理速度を維持しながら、サブミリメートル単位の位置合わせ精度を達成。この技術は、手術支援ロボットの性能向上にも応用可能とされる。
Gopalakrishnan氏は、この技術の社会的意義について次のように述べている。「米国人の大半は、緊急脳卒中治療のような非侵襲的手術を行える医療センターから1時間以上離れた場所に住んでいます。脳卒中において1時間は極めて大きな差を生みます。2Dと3Dの情報を組み合わせてこうした手技を容易にすることで、高度な命を救う医療をより多くの人々が受けられるようになるのです」
今後の展望——手術ロボット企業との連携とリアルタイム化
研究チームは現在、xvrを実際の手術ナビゲーションツールとして実用化すべく、手術ロボット関連企業や臨床グループとの協業を進めている。今後の課題として、リアルタイム処理のための更なる高速化、より複雑なシナリオ（例えば、呼吸などで動く臓器への対応）への拡張が挙げられている。
「過去2年間、私たちはこのアルゴリズムを慎重に開発し、検証してきました。現在は、この研究を実際の手術ナビゲーションや臨床展開に役立つツールに変えるため、企業や臨床グループと緊密に協力しています」とGopalakrishnan氏は展望を語る。
本研究成果は、患者固有のデータを活用する医療AIの新たな方向性を示すものとして注目される。低侵襲手術の可能性を大きく広げるこの技術が、実際の医療現場にどのような変革をもたらすのか、今後の展開に期待が集まっている。
