30 Saniyede Özet
MIT ve Harvard'a bağlı hastanelerden bir ekip, Nature'da xvr adlı bir görüntü eşleştirme yöntemi yayımladı. Yöntem, ameliyat sırasında çekilen röntgen görüntüsünü hastanın ameliyat öncesi BT ya da MR'ıyla saniyeler içinde hizalıyor. Her hasta için model yaklaşık beş dakikada o hastanın kendi taramasıyla uyarlanıyor. Sonuçlar etkileyici, ancak tüm değerlendirmeler geriye dönük ve sistem henüz ameliyathanede canlı kullanılmadı.
Ne oldu?
Makale 16 Eylül 2026'da Nature'da yayımlandı. İlk yazar MIT Bilgisayar Bilimi ve Yapay Zekâ Laboratuvarı'ndan (CSAIL) Vivek Gopalakrishnan. Ekipte Neel Dey ve Polina Golland ile Harvard Tıp Fakültesi ve Boston Children's Hastanesi gibi klinik merkezlerden hekimler yer alıyor. Çalışmanın ön baskısı Mart 2025'te arXiv'de paylaşılmıştı.
Ele alınan sorun, görüntü kılavuzluğundaki girişimlerde iyi bilinir. Hekim ameliyat sırasında iki boyutlu floroskopi (canlı röntgen) görür. Oysa ayrıntılı anatomi, ameliyattan önce çekilen üç boyutlu BT ya da MR'dadır. Bu iki görüntüyü üst üste doğru oturtma işine 2D/3D eşleştirme (registration) deniyor.
Yazarlara göre mevcut yöntemlerin iki zayıf noktası var. Klasik optimizasyon yöntemleri her hasta için ayrı ayar istiyor. Derin öğrenme yöntemleri ise çok sayıda elle etiketlenmiş veri gerektiriyor ve eğitildikleri anatomiyle sınırlı kalıyor.
Yöntem nasıl çalışıyor?
xvr, eğitim verisini hastanın kendi ameliyat öncesi taramasından üretiyor. Fizik tabanlı bir simülasyon, BT ya da MR hacminden farklı açılarda sentetik röntgen görüntüleri oluşturuyor. Böylece elle işaretleme gerekmiyor.
Ekip önce binlerce tüm vücut taraması üzerinde bir temel model (foundation model) eğitti. MIT'nin duyurusuna göre bu veriler 2.000'den fazla hastadan geliyor. Bu temel model, yeni bir hastaya yaklaşık beş dakikalık ince ayarla uyarlanıyor. MIT'ye göre sıfırdan eğitim ise yaklaşık 12 saat sürerdi.
Ameliyat sırasında sinir ağı ilk tahmini veriyor. Ardından gradyan tabanlı bir optimizasyon hizalamayı birkaç saniyede inceltiyor.
Kanıt ne kadar güçlü?
Yazarlar, gerçek floroskopi görüntüleri üzerinde bugüne kadarki en geniş 2D/3D eşleştirme değerlendirmesini yaptıklarını belirtiyor. Test verileri kalça, femur ve beyin anjiyografisi içeren açık veri setleri ile iki hastanenin klinik verilerini kapsıyor. MIT'ye göre değerlendirme beş hastaneden gelen verileri içeriyor.
Makaleye göre xvr, mevcut yöntemlere kıyasla doğruluğu yaklaşık on kat artırdı. MIT duyurusu milimetre altı hassasiyetten söz ediyor. Değerlendirme BT ve MR gibi farklı görüntüleme türlerini, yetişkin ve çocuk hastaları kapsıyor.
Sınırlılıklar da açık. Tüm testler geriye dönük; ameliyathanede ileriye dönük bir klinik kullanım bildirilmedi. Yöntem anatomiyi sabit kabul ediyor; nefesle ya da cerrahiyle yer değiştiren yapılar henüz modellenmiyor. Sinir ağının ilk tahmininde en büyük hata derinlik yönünde ve bu hata optimizasyon adımıyla düzeltiliyor.
Yöntem ayrıca her hasta için bir ameliyat öncesi tarama gerektiriyor. Ekip, kodu ve deneyleri tekrarlamak için gereken betikleri açık olarak paylaştı. Bu, bağımsız grupların sonuçları sınaması açısından olumlu bir adım.
Hekim için ne anlama geliyor?
Floroskopi eşliğinde çalışan girişimsel radyoloji, nöroşirürji ve ortopedi ekipleri bu tür araçların doğal kullanıcıları olabilir. MIT, anjiyoplasti ve inme girişimleri gibi uygulamaları olası kullanım alanları arasında sayıyor. MIT'ye göre ekip, cerrahi robot firmalarıyla da çalışıyor.
Benzer bir navigasyon ürünü gündeme geldiğinde şu sorular sorulmalı:
Doğruluk hangi anatomide ve hangi hasta grubunda ölçüldü?
Hizalama hatası sahada nasıl görünür hâle getiriliyor ve hekim nasıl düzeltebiliyor?
Doku yer değiştirdiğinde, örneğin retraksiyondan sonra, sistem ne yapıyor?
İleriye dönük bir klinik çalışma ve ruhsat süreci var mı?
Türkiye'den bakınca
Navigasyon amaçlı bir yazılım tıbbi cihaz niteliği taşır ve Türkiye'de bu alanın otoritesi Türkiye İlaç ve Tıbbi Cihaz Kurumu'dur (TİTCK). xvr şu an bir araştırma yöntemi ve Türkiye'de ya da başka bir ülkede ruhsatlı bir ürün olduğuna dair bilgiye ulaşamadık.
Yöntem her hasta için o hastanın BT ya da MR'ıyla bir model eğitiyor. Kişisel Verilerin Korunması Kanunu (KVKK), sağlık verisini özel nitelikli kişisel veri sayıyor. Bu nedenle modelin nerede eğitildiği ve verinin kurumdan çıkıp çıkmadığı önemli bir soru olacaktır.
Sık sorulan sorular
xvr ameliyathanede kullanılıyor mu?
Hayır. Makalede yalnızca geriye dönük veriler üzerinde değerlendirme var. MIT'ye göre ekip, sistemi gerçek zamanlı kullanıma uygun hâle getirmek için çalışıyor.
Beş dakikalık uyarlama ameliyatı geciktirir mi?
Uyarlama, hastanın ameliyat öncesi taramasıyla yapılıyor. Bu nedenle ameliyattan önce tamamlanabilir. Ameliyat sırasındaki hizalama ise saniyeler sürüyor.
Yumuşak dokuda da işe yarar mı?
Şu anki yöntem anatomiyi sabit kabul ediyor. Solunumla ya da cerrahiyle yer değiştiren dokular için ek geliştirme gerekiyor. MIT'ye göre ekip, hareket eden yapıları gelecek hedefleri arasında sayıyor.
Kaynaklar
Gopalakrishnan V, Dey N, Golland P, ve ark. (2026) — Rapid patient-specific neural networks for X-ray to volume registration, Nature, DOI 10.1038/s41586-026-11045-x: https://www.nature.com/articles/s41586-026-11045-x
MIT News (2026) — New AI technique could make minimally invasive surgeries safer and more precise: https://news.mit.edu/2026/new-ai-technique-could-make-minimally-invasive-surgeries-safer-more-precise-0916
Gopalakrishnan V, ve ark. (2025) — Rapid patient-specific neural networks for intraoperative X-ray to volume registration, arXiv ön baskı: https://arxiv.org/abs/2503.16309
T.C. Resmî Gazete (2016) — 6698 sayılı Kişisel Verilerin Korunması Kanunu: https://www.mevzuat.gov.tr/mevzuatmetin/1.5.6698.pdf
News-Medical (2026) — haber kaynağı: https://www.news-medical.net/news/20260916/New-patient-specific-AI-model-improves-precision-in-minimally-invasive-surgeries.aspx
Bu içerik bilgilendirme amaçlıdır ve bireysel tıbbi tavsiye yerine geçmez.
İlgili Yazılar
Bu konuyla ilgili Doktorclub'da ele aldığımız diğer hekim onaylı rehberler:
MIT ve Harvard ekibinin Nature'daki xvr yöntemi, floroskopiyi ameliyat öncesi BT veya MR ile saniyeler içinde hizalıyor. Kanıt güçlü ama geriye dönük.