Czy AI może rekonstruować trójwymiarowe struktury kości ze standardowych zdjęć rentgenowskich ?

Obrazowanie medyczne często opiera się na tomografii komputerowej (CT) w celu uzyskania szczegółowych rekonstrukcji 3D, jednak jest to kosztowne i naraża pacjentów na większą dawkę promieniowania. Standardowe prześwietlenia rentgenowskie są bardziej dostępne, ale nie dostarczają informacji o głębi. Algorytmy sztucznej inteligencji mogłyby potencjalnie wnioskować modele 3D kości na podstawie 2D-owych prześwietleń rentgenowskich, poprawiając dokładność diagnostyczną bez dodatkowych badań obrazowych.

Obecne systemy AI potrafią rekonstruować zgrubne kształty 3D kości na podstawie dwóch lub więcej standardowych prześwietleń rentgenowskich, wykorzystując modele głębokiego uczenia trenowane na dużych zbiorach danych zawierających sparowane obrazy rentgenowskie i wolumetryczne CT. Jednak rekonstrukcje pozostają przybliżone i pozbawione drobnych szczegółów typowych dla tomografii komputerowej. Dokładność jest najwyższa dla gęstej kości korowej, a maleje w przypadku kości gąbczastej oraz małych struktur, a podejście to stosuje się głównie w planowaniu chirurgicznym i monitorowaniu, a nie w diagnostyce ostatecznej. Prototypy badawcze wykazują obiecujące rezultaty w przypadku metod jednopłaszczyznowych przy ograniczonych kątach, jednak wciąż ustępują one dokładnością metod wielopłaszczyznowych i wymagają specjalistycznej kalibracji.

— Zaktualizowano 12 maja 2026 · Źródło: Radiological Society of North America (RSNA) — https://pubs.rsna.org/doi/10.1148/radiol.2023222655