Реконструкция 3D-моделей костей в реальном времени с использованием протоколов с очень низкой дозой

Более точная хирургия при более щадящей визуализации

Ежегодно десятки миллионов людей проходят ортопедические операции на костях и суставах. Хирурги всё чаще опираются на индивидуальные 3D-модели костей пациента для планирования вмешательств и точного выполнения разрезов, но сегодня такие модели обычно требуют громоздкого КТ-сканера, высокой лучевой нагрузки и часов работы экспертов. В этом исследовании предложен более быстрый и щадящий подход: всего по двум низкодозовым рентгеновским снимкам и с помощью искусственного интеллекта восстанавливается детализированная 3D-картина колена за примерно полминуты, что потенциально позволяет внедрить планирование высокого уровня в большее число операционных и для большего числа пациентов.

Почему текущие сканы костей не всегда подходят

Традиционные 3D-модели костей начинаются с КТ-сканирования, которое создаёт сотни рентгеновских срезов, из которых компьютер собирает объём. Хотя этот подход мощный, у него есть три крупных недостатка. Во-первых, он подвергает пациентов относительно высокой радиационной нагрузке, что особенно тревожно для детей, беременных и тех, кому требуются повторные сканирования. Во-вторых, КТ-аппараты большие, дорогие и неудобны для размещения в переполненных операционных; их установка во время операции может занимать 20–30 минут и мешать работе персонала. В-третьих, после сканирования экспертам всё равно приходится часами обводить контуры каждой кости в специализированном ПО, чтобы получить пригодную 3D-модель. В целом это делает КТ-основанные модели отличными для отдельных случаев, но непрактичными для использования в реальном времени посреди операции.

Превращение двух простых рентгенов в полноценное 3D-колено

Исследователи поставили цель заменить этот медленный конвейер гибким решением на основе бипланарных рентгенов — двух стандартных проекций колена под прямым углом, сделанных на обычном флюороскопическом оборудовании типа С-дуги. Они создали систему глубокого обучения под названием Semi-Supervised Reconstruction with Knowledge Distillation (SSR-KD). Вместо прямого предсказания видимой поверхности система обучается «полю занятости»: для любой точки в 3D-пространстве она оценивает, находится ли точка внутри или снаружи каждой из четырёх основных костей колена — бедренной кости, большеберцовой кости, малоберцовой кости и надколенника. После того как сеть заполняет это невидимое 3D-поле решениями «внутри/снаружи», стандартный графический алгоритм преобразует поле в гладкие 3D-поверхности костей. На современном оборудовании весь процесс — от поступления двух рентгенов до получения четырёх детализированных моделей костей — занимает примерно 25 секунд.

Как обучали ИИ при ограниченном времени экспертов

Высококачественные обучающие данные обычно являются узким местом в медицинском ИИ. В данном случае ручное обведение костей одной ноги на КТ занимало у экспертов примерно четыре часа, поэтому проделывать это для сотен случаев было бы нереалистично. Команда собрала 605 КТ-сканов коленей, но тщательно размечала только 120 из них, используя остальные как немаркированные примеры. Сначала они обучили сеть восстанавливать кости непосредственно из КТ — это проще, поскольку 3D-информация полностью присутствует. Эта модель, обученная на КТ, затем послужила «учителем»: для немаркированных случаев она генерировала псевдо-3D-информацию о костях, которая направляла студентскую сеть, работающую по рентгенам. Комбинируя такое кросс-модальное обучение с полунаблюдаемой (semi-supervised) схемой, студент научился выводить невидимую 3D-структуру по двум проекциям и показывал хорошие результаты даже при наличии всего нескольких десятков случаев с экспертной разметкой.

Насколько новые модели соответствуют реальности

Чтобы проверить, достаточно ли быстрых реконструкций для реальной хирургии, команда оценивала их по нескольким критериям. По сравнению с экспертно созданными КТ-моделями средняя погрешность поверхности SSR-KD была ниже миллиметра, при этом для крупных костей — бедренной и большеберцовой — часто она составляла около 0,8 мм, что сопоставимо с собственной разрешающей способностью самих КТ-сканов. Панель из десяти ортопедов и медицинских инженеров оценила 3D-колени, полученные либо с КТ, либо методом по двум рентгенам, не зная, какая модель откуда, по форме, мелким деталям и клинической пригодности. Оценки были по сути неотличимы, и эксперты в целом считали модели на основе ИИ пригодными для планирования сложных костных разрезов. В более прикладном тесте хирурги выполняли моделируемые высокий тибиальный остеотомии на 3D-печатных костях, используя индивидуальные направляющие для реза, спроектированные либо по КТ, либо по моделям ИИ. Направляющие, основанные на новом методе, не требовали больше времени в использовании и показывали сопоставимые результаты по подгонке, стабильности и точности.

Ограничения, сложности и возможные применения

Подход не лишён недостатков. Мелкие кости, такие как надколенник и малоберцовая кость, которые могут скрываться на рентгеновских проекциях, показали несколько большие ошибки. Очень сложные случаи, например колени с крупными металлическими имплантатами, искажающими анатомию, остаются проблемными, а текущее исследование сильно опиралось на синтетические рентгеновские снимки, полученные из КТ, а не на большое количество реальных клинических изображений. Тем не менее метод показал устойчивость в разных больницах и сохранил клинически полезную точность даже когда две рентгеновские проекции были сделаны не под прямым углом — реалистичное ограничение в операционной. Та же структура могла бы быть адаптирована и к другим суставам с относительно простой формой, например локтю, хотя более сложные области с множеством мелких костей, вероятно, потребуют дальнейших усовершенствований.

Что это может значить для пациентов

Проще говоря, эта работа показывает, что компьютер может «увидеть» 3D-колено по двум быстрым низкодозовым рентгенам достаточно точно, чтобы поддерживать точное планирование операции и изготовление индивидуальных направляющих, которые ранее требовали полного КТ и часов работы эксперта. Если метод подтвердят на больших наборах реальных рентгенов и расширят за пределы колена, такая технология может снизить лучевую нагрузку, сократить затраты и сделать персонализированные 3D-модели костей доступными в большем числе больниц — включая те, где нет современного сканирующего оборудования — что сделает тщательно направляемую визуально костную хирургию более широко доступной.

Цитирование: Lin, Y., Sun, H., Li, Y. et al. Real-time reconstruction of 3D bone models via very-low-dose protocols. npj Digit. Med. 9, 353 (2026). https://doi.org/10.1038/s41746-026-02389-9

Ключевые слова: ортопедическая хирургия, 3D-модели костей, низкодозовая рентгенография, медицинский ИИ, изображение колена