Jaringan Saraf Rapid untuk Registrasi Citra X-ray

Para peneliti dari Harvard-MIT Health Sciences and Technology, MIT CSAIL, Harvard Medical School, Saint Luke's Marion Bloch Neuroscience Institute, Massachusetts General Hospital, dan Boston Children's Hospital mempublikasikan studi berjudul "Rapid patient-specific neural networks for X-ray to volume registration" di jurnal Nature pada tanggal 16 September 2026. Makalah ini diterima pada 14 Agustus 2026 dan pertama kali diajukan pada 28 Mei 2025, dengan penulis utama yang berkorespondensi atas nama Vivek Gopalakrishnan, Neel Dey, dan Polina Golland. Penelitian ini didanai oleh berbagai lembaga, termasuk NIH NIBIB di bawah kontrak 5T32EB001680−19, MIT CSAIL-Wistron Program, MIT-IBM Watson AI Lab, MIT Jameel Clinic, MIT Health and Life Sciences Collaborative (HEALS), Chou Family Transformative Research Fund, serta hibah NIH R01EB033773 dan R01EB034223. Studi ini berfokus pada pengembangan jaringan saraf cepat yang mampu mendaftarkan citra sinar-X dua dimensi ke model volume tiga dimensi secara spesifik untuk setiap pasien, sehingga berpotensi mempercepat proses pencitraan medis dan perencanaan klinis.

Data dan Sumber yang Digunakan dalam Penelitian

Para peneliti mengevaluasi metode xvr serta metode dasar lainnya menggunakan tiga kumpulan data pendaftaran 2D/3D yang tersedia secara publik, yaitu DeepFluoro, Femur, dan Ljubljana. Dengan izin dari penulis asli, versi yang telah diremix dari kumpulan data tersebut dalam format NIfTI dan DICOM yang distandarisasi telah dirilis kepada komunitas ilmiah melalui platform Hugging Face. Untuk pra-pelatihan model fondasi yang tidak bergantung pada pasien tertentu, para peneliti memanfaatkan empat kumpulan data pencitraan 3D, yakni CTPelvic1K, NITRC MRA Atlas, TotalSegmentator, dan partisi AutoPET dari ENHANCE.PET 1.6k. Dua kumpulan data tambahan, yaitu Brigham CTA/DSA dan Boston Children's MRA/DSA, tidak dapat dipublikasikan secara terbuka karena pertimbangan privasi pasiena serta ketentuan persetujuan Institutional Review Board yang mengatur penggunaannya. Seluruh kumpulan data digunakan sesuai dengan perjanjian penggunaan data dan lisensi masing-masing pihak terkait.

Ketersediaan Kode dan Detail Teknis Implementasi

Kode sumber untuk xvr beserta seluruh skrip yang diperlukan guna mereplikasi eksperimen yang disajikan dalam manuskrip telah tersedia secara terbuka di repositori GitHub milik para peneliti. Implementasi xvr dilakukan menggunakan Python versi 3.10 atau lebih tinggi, DiffDRR versi 0.6.0 atau lebih tinggi, serta PyTorch versi 2.2 atau lebih tinggi. Para penulis menegaskan bahwa ketersediaan kode ini dimaksudkan agar komunitas peneliti lain dapat mereplikasi hasil studi dan mengembangkan lebih lanjut teknologi yang diusulkan dalam makalah tersebut. Dengan dibukanya akses ini, diharapkan pengembangan lebih lanjut dalam bidang pendaftaran citra medis berbasis kecerdasan buatan dapat berlangsung lebih cepat dan kolaboratif.

Konflik Kepentingan dan Pengakuan Para Peneliti

Para penulis telah mengungkapkan sejumlah konflik kepentingan yang relevan dengan penelitian ini. Vivek Gopalakrishnan telah menerima kompensasi konsultan dari Noah Medical, namun pekerjaan saat ini tidak terkait dengan peran konsultan tersebut dan dilakukan selama ia menjabat sebagai mahasiswa pascasarjana di MIT. Polina Golland telah menerima kompensasi sebagai penasihat dari Ver-AI dan Xellar Biosystems, memiliki saham di VideaHealth, Empallo, dan Iterative Health sebagai kompensasi atas jasa konsultasinya, serta menerima dukungan hibah dari Wistron dan IBM untuk penelitiannya di MIT; pekerjaan saat ini tidak terkait dengan peran penasihatnya dan dilakukan dalam kapasitasnya sebagai dosen di MIT. Para penulis lainnya menyatakan tidak memiliki kepentingan bersaing yang relevan dengan studi ini. Dalam proses tinjauan sejawat, jurnal Nature mengucapkan terima kasih kepada Arjun Manrai, Russell Taylor, dan sejumlah reviewer anonim atas kontribusi mereka dalam menilai karya ini. Penelitian ini juga mengakui T. v. Walsum atas penjelasan mengenai cara parameterisasi pose C-arm dalam header DICOM yang digunakan dalam studi tersebut.