自律型X線ガイド脊椎手術のためのロボット制御方策学習の検討

- X-ray-guided spine procedures（脊椎instrumentationなど）におけるcannula insertionのためのimitation learningベースのロボット制御ポリシーの実現可能性を検討した研究。 - bi-plane X-ray画像のみを入力とし、cannulaを椎弓根内に安全に整列させるポリシーを学習。 - in silico sandboxを開発し、大規模自動シミュレーションでデータセットを構築。 - vertebroplasty設定でplanningとopen-loop controlのポリシーを訓練し、評価。

- ビデオベースのロボティクスにおけるimitation learningの応用は注目されているが、X-ray-guided proceduresのようなsparse入力の領域への適用は未検討だった。 - 本研究は、bi-plane X-rayガイド下のcannula insertionにimitation policy learningを適用するfeasibilityを初めて体系的に検証。 - 高リアリズムのin silico sandboxを開発し、スケーラブルな自動シミュレーションを実現した点が新しい。 - 実X-rayへのpartial sim-to-real transferの可能性を示した。

- in silico sandbox：X-ray-guided spine proceduresの高リアリズム自動シミュレーション環境を構築。 - データセット：正しい軌道と対応するbi-planar X-rayシーケンスを収集し、段階的なalignmentを模倣。 - imitation learningポリシー：視覚情報のみからcannulaを反復的に整列させるplanningおよびopen-loop controlポリシーを訓練。 - ポリシーはvertebroplasty設定で評価され、多様な椎体レベルや複雑な解剖（骨折など）への転移を検証。

- シミュレーション環境でポリシーを評価：初回試行で68.5%の成功率、多様な椎体レベルで安全なintra-pedicular軌道を維持。 - 骨折を含む複雑な解剖や多様な解剖・初期化条件への転移を確認。 - 実X-ray上でのロールアウトを実施し、partial sim-to-real transferが可能であることを示唆。 - ただしentry point precisionに限界があることも特定。

- 初期結果は有望だが、entry point precisionなどの限界が明らかになった。 - より堅牢なpriorとdomain knowledgeの導入が必要。 - 将来的には軽量でCT-freeなロボット intra-operative spinal navigationの基盤となり得る。 - 現状の結果は今後の研究のためのベンチマークを提供。

- imitation learningベースのロボット制御ポリシー（一般的な手法） - bi-plane X-rayガイド下のcannula insertionに関する研究（関連手法） - sim-to-real transferの研究（一般的な課題） - 脊椎手術のロボットナビゲーション（関連分野） - CT-free navigationの研究（関連技術）