فناوری جدید هوش مصنوعی می‌تواند جراحی‌های کم‌تهاجمی را ایمن‌تر و دقیق‌تر کند

پژوهشگران روش جدیدی توسعه داده‌اند که می‌تواند تصاویر اشعه ایکس حین جراحی را با اسکن سه‌بعدی پزشکی بیمار که پیش از عمل تهیه شده، با سرعت و دقت بالایی تطبیق دهد. این فناوری می‌تواند به پزشکان کمک کند ابزارهای جراحی کم‌تهاجمی را با دقت بیشتری هدایت کنند و در نتیجه، روند انجام برخی جراحی‌ها سریع‌تر و ایمن‌تر شود.

پزشکان در بسیاری از جراحی‌های کم‌تهاجمی از تصاویر لحظه‌ای اشعه ایکس استفاده می‌کنند تا ابزارهایی مانند کاتترها و آندوسکوپ‌ها را از طریق برش‌های بسیار کوچک در بدن هدایت کنند. با این حال، تصاویر اشعه ایکس دوبعدی و تخت هستند و همین موضوع تشخیص دقیق موقعیت و جهت ابزارهای جراحی در داخل بدن را دشوار می‌کند و می‌تواند خطر بروز عوارض را افزایش دهد.

برای تعیین موقعیت دقیق ابزارهای جراحی، پزشکان می‌توانند تصاویر اشعه ایکس را به‌صورت دستی با تصاویر سه‌بعدی پزشکی مانند سی‌تی‌اسکن یا MRI که پیش از عمل گرفته شده‌اند، تطبیق دهند. ابزارهای هوش مصنوعی که برای خودکارسازی این فرایند طراحی شده‌اند نیز تاکنون در مواجهه با تفاوت‌های آناتومی بیماران مختلف، عملکرد پایدار و قابل اعتمادی نداشته‌اند.

سیستم جدید که توسط دانشمندان و پزشکان MIT و مؤسسات همکار توسعه یافته، از یک مدل هوش مصنوعی استفاده می‌کند که می‌تواند تنها در حدود پنج دقیقه خود را با ویژگی‌های هر بیمار تطبیق دهد. این مدل سپس می‌تواند تصاویر اشعه ایکس بیمار را ظرف چند ثانیه با اسکن سه‌بعدی او مطابقت دهد و به دقتی کمتر از یک میلی‌متر دست پیدا کند.

این فناوری که xvr نام دارد و مخفف X-ray Volume Registration است، در آزمایش‌های انجام‌شده روی طیف گسترده‌ای از بیماران، قسمت‌های مختلف بدن و انواع اقدامات پزشکی، عملکردی به‌مراتب بهتر از روش‌های هوش مصنوعی موجود نشان داده است.

ویک گوپالاکریشنان، پژوهشگر MIT و نویسنده اصلی مقاله این فناوری، می‌گوید ترکیب اطلاعات دوبعدی و سه‌بعدی می‌تواند انجام برخی اقدامات تخصصی و نجات‌بخش را برای گروه بیشتری از بیماران امکان‌پذیر کند. این مقاله در مجله علمی Nature منتشر شده است.

دقیق‌تر کردن اطلاعات اشعه ایکس

در بسیاری از جراحی‌های کم‌تهاجمی، مانند آنژیوپلاستی برای باز کردن رگ‌های مسدودشده، پزشکان ابزارهای خود را از طریق یک برش کوچک وارد بدن می‌کنند و با استفاده از دستگاه‌های سریع تصویربرداری با اشعه ایکس، وضعیت عمل را از زوایای مختلف مشاهده می‌کنند.

اما برای هدایت ابزارها بدون آسیب رساندن به بافت‌های اطراف، پزشکان باید تصاویر لحظه‌ای اشعه ایکس را با اسکن MRI یا CT بیمار تطبیق دهند. این فرایند که ثبت یا Registration نام دارد، به پزشک کمک می‌کند موقعیت ابزار جراحی را نسبت به ساختارهای آناتومیکی بدن تشخیص دهد.

گوپالاکریشنان می‌گوید مشاهده تصاویر دوبعدی و کم‌کیفیت اشعه ایکس و درک جهت و موقعیت ساختارهای بدن، به سال‌ها آموزش و تجربه نیاز دارد. هدف این فناوری این است که اطلاعات موجود در این تصاویر دوبعدی را افزایش دهد تا انجام اقدامات حساس پزشکی ساده‌تر و ایمن‌تر شود.

روش‌های دستی برای انجام این تطبیق معمولاً زمان‌بر هستند و پزشک باید موقعیت ابزار جراحی را با وارد کردن اطلاعات در رایانه یا انتخاب نقاط مشخصی از ساختارهای بدن روی صفحه، تخمین بزند.

پژوهشگران برای حل این مشکل، مدل‌های هوش مصنوعی مختلفی را برای ثبت تصاویر دوبعدی و سه‌بعدی توسعه داده‌اند. با این حال، تفاوت زیاد در آناتومی افراد باعث می‌شود مدلی که روی برخی بیماران عملکرد خوبی دارد، روی بیماران دیگر دقت کافی نداشته باشد.

یادگیری ماشینی مخصوص هر بیمار

xvr به‌جای تلاش برای ساخت یک مدل واحد که برای تمام بیماران به‌طور یکسان کار کند، رویکرد متفاوتی دارد: مدل برای هر بیمار به‌صورت اختصاصی تطبیق داده می‌شود.

این سیستم اسکن سه‌بعدی پیش از عمل بیمار، مانند MRI یا CT، را دریافت می‌کند و با استفاده از آن، هزاران تصویر اشعه ایکس مصنوعی از زوایای مختلف تولید می‌کند. این سیستم می‌تواند حدود ۱۰۰۰ تصویر در هر ثانیه ایجاد کند.

برای تولید این تصاویر، xvr از یک شبیه‌سازی مبتنی بر فیزیک فرایند تصویربرداری با اشعه ایکس استفاده می‌کند تا تصاویر مصنوعی تا حد ممکن مشابه تصاویر واقعی باشند.

از آنجا که داده‌ها مستقیماً بر اساس اسکن پزشکی همان بیمار تولید می‌شوند، سیستم نیازی به تولید داده‌های کاملاً مصنوعی و عمومی ندارد. پژوهشگران می‌گویند این رویکرد همچنین خطر ایجاد اطلاعات نادرست یا اصطلاحاً «توهم» در داده‌های مورد استفاده برای آموزش را کاهش می‌دهد.

xvr از این تصاویر شبیه‌سازی‌شده برای آموزش مدلی استفاده می‌کند که می‌تواند تصاویر دوبعدی واقعی بیمار را با اسکن سه‌بعدی او در عرض چند ثانیه تطبیق دهد.

با این حال، آموزش یک مدل کاملاً جدید برای هر بیمار از ابتدا حدود ۱۲ ساعت زمان می‌برد؛ بنابراین استفاده از چنین روشی در شرایط اورژانسی امکان‌پذیر نبود.

برای حل این مشکل، پژوهشگران ابتدا با استفاده از xvr یک مدل پایه یا Foundation Model ساختند. این مدل می‌تواند هنگام مواجهه با یک بیمار جدید، تنها در چند دقیقه خود را با ویژگی‌های او تطبیق دهد.

پژوهشگران برای آموزش این مدل از اسکن‌های سه‌بعدی کل بدن بیش از ۲ هزار بیمار با سنین، روش‌های تصویربرداری و نواحی مختلف بدن استفاده کردند. سپس xvr بر اساس این داده‌ها تصاویر اشعه ایکس مصنوعی تولید کرد و مدل پایه را برای انجام ثبت دوبعدی و سه‌بعدی آموزش داد.

مدل آموزش‌دیده می‌تواند در حدود پنج دقیقه برای یک بیمار جدید آماده شود و دقتی مشابه مدلی داشته باشد که از ابتدا و به‌طور اختصاصی برای همان بیمار آموزش داده شده است.

آزمایش روی بیماران واقعی

تیم پژوهشی عملکرد سیستم را روی بزرگ‌ترین مجموعه داده موجود برای ثبت تصاویر واقعی دوبعدی و سه‌بعدی آزمایش کرد. این مجموعه شامل داده‌هایی از پنج بیمارستان و طیف گسترده‌ای از استخوان‌ها و اندام‌ها در بیماران بزرگسال و کودکان بود.

نتایج نشان داد xvr در مقایسه با سایر روش‌های مبتنی بر هوش مصنوعی، دقت و پایداری بالاتری دارد و در عین حال به اندازه‌ای سریع است که بتوان از آن در برخی جراحی‌های اورژانسی استفاده کرد.

این فناوری همچنین می‌تواند در آینده برای افزایش دقت سیستم‌های جراحی رباتیک مورد استفاده قرار گیرد.

پژوهشگران در ادامه قصد دارند سرعت xvr را برای استفاده کاملاً بلادرنگ افزایش دهند، قابلیت اطمینان آن را در شرایط پزشکی بیشتری بررسی کنند و توانایی سیستم را برای کار با موقعیت‌های پیچیده‌تر، از جمله قسمت‌های متحرک بدن، توسعه دهند.

گوپالاکریشنان می‌گوید تیم پژوهشی طی دو سال گذشته این الگوریتم را توسعه داده و اعتبارسنجی کرده است و اکنون با شرکت‌های فعال در حوزه رباتیک جراحی و گروه‌های پزشکی همکاری می‌کند تا این فناوری به ابزارهای کاربردی برای ناوبری و هدایت جراحی تبدیل شود.

این پژوهش با حمایت سازمان‌هایی از جمله مؤسسه ملی سلامت آمریکا (NIH)، برنامه MIT CSAIL-Wistron، آزمایشگاه تحقیقاتی MIT-IBM، کلینیک Jameel در MIT، مرکز همکاری سلامت و علوم زیستی MIT و صندوق پژوهشی Chou Family Transformative Research انجام شده است.