World Model for AI Autonomous Navigation in Mechanical Thrombectomy

📄 arXiv: 2509.25518v2 📥 PDF

作者: Harry Robertshaw, Han-Ru Wu, Alejandro Granados, Thomas C Booth

分类: cs.LG, cs.RO, eess.IV

发布日期: 2025-09-29 (更新: 2025-10-02)

备注: Published in Medical Image Computing and Computer Assisted Intervention - MICCAI 2025, Lecture Notes in Computer Science, vol 15968

期刊: MICCAI 2025. Lecture Notes in Computer Science, vol 15968 (2026)

DOI: 10.1007/978-3-032-05114-1_65

💡 一句话要点

提出基于世界模型的TD-MPC2算法，提升机械取栓术中AI自主导航性能

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 机械取栓术 自主导航 强化学习 世界模型 TD-MPC2 模型预测控制 医疗机器人

📋 核心要点

  1. 现有基于强化学习的血管内导航方法难以在不同患者血管结构和长程任务中泛化。
  2. 提出基于世界模型的TD-MPC2算法，通过学习环境模型来提升智能体在复杂环境中的决策能力。
  3. 实验结果表明，TD-MPC2在多任务学习中显著优于SAC，成功率从37%提升到65%。

📝 摘要（中文）

机械取栓术（MT）的自主导航面临血管解剖复杂和实时决策需求高的挑战。基于强化学习（RL）的方法在自动化血管内导航方面展现了潜力，但现有方法在跨患者血管的泛化和长程任务中表现不佳。本文提出了一种基于世界模型的自主血管内导航方法，使用TD-MPC2（一种基于模型的RL算法）。在十个真实患者血管的多个血管内导航任务中训练了一个RL agent，并与最先进的Soft Actor-Critic（SAC）方法进行了比较。结果表明，TD-MPC2在多任务学习中显著优于SAC，平均成功率达到65%，而SAC为37%，路径比率也有显著提高。TD-MPC2的程序时间有所增加，表明成功率和执行速度之间存在权衡。这些发现突出了世界模型在改善自主血管内导航方面的潜力，并为未来AI驱动的机器人干预研究奠定了基础。

🔬 方法详解

问题定义：论文旨在解决机械取栓术中，AI自主导航在复杂血管环境下的泛化能力不足和长程规划能力有限的问题。现有方法，如SAC，在面对不同患者的血管结构时，需要大量的重新训练或微调，难以适应临床的实际需求。此外，由于血管结构的复杂性，智能体需要具备长程规划能力才能成功到达目标位置。

核心思路：论文的核心思路是利用世界模型来提升智能体的泛化能力和规划能力。世界模型能够学习环境的动态特性，从而使智能体能够更好地预测未来的状态，并做出更明智的决策。TD-MPC2算法结合了世界模型和模型预测控制（MPC）的优点，能够在复杂环境中进行有效的规划。

技术框架：整体框架包含以下几个主要模块：1) 环境模型：用于学习血管环境的动态特性；2) 策略网络：用于生成导航策略；3) 模型预测控制（MPC）：利用环境模型进行长程规划，并选择最优的动作序列。智能体通过与环境交互，不断更新环境模型和策略网络。

关键创新：最重要的技术创新点在于将TD-MPC2算法应用于血管内导航任务。TD-MPC2算法能够有效地学习环境模型，并利用该模型进行长程规划，从而提升智能体的导航性能。与传统的基于模型的强化学习方法相比，TD-MPC2算法具有更高的效率和更好的泛化能力。

关键设计：论文中使用了真实患者的血管数据进行训练和测试。环境模型采用循环神经网络（RNN）进行建模，策略网络采用深度神经网络进行建模。损失函数包括环境模型的预测误差和策略网络的奖励函数。通过优化这些损失函数，可以使智能体学习到有效的导航策略。

🖼️ 关键图片

fig_0

📊 实验亮点

实验结果表明，TD-MPC2在多任务学习中显著优于SAC，平均成功率达到65%，而SAC为37%。此外，TD-MPC2在路径比率方面也有显著提升，表明其能够规划出更优的导航路径。虽然TD-MPC2的程序时间有所增加，但成功率的显著提升表明其在复杂血管环境下的优势。

🎯 应用场景

该研究成果可应用于医疗机器人辅助的微创手术，例如机械取栓术、血管支架植入等。通过AI自主导航，可以提高手术的精准性和效率，减少医生的操作负担，并降低手术风险。未来，该技术有望推广到其他需要精确导航的医疗场景。

📄 摘要（原文）

Autonomous navigation for mechanical thrombectomy (MT) remains a critical challenge due to the complexity of vascular anatomy and the need for precise, real-time decision-making. Reinforcement learning (RL)-based approaches have demonstrated potential in automating endovascular navigation, but current methods often struggle with generalization across multiple patient vasculatures and long-horizon tasks. We propose a world model for autonomous endovascular navigation using TD-MPC2, a model-based RL algorithm. We trained a single RL agent across multiple endovascular navigation tasks in ten real patient vasculatures, comparing performance against the state-of-the-art Soft Actor-Critic (SAC) method. Results indicate that TD-MPC2 significantly outperforms SAC in multi-task learning, achieving a 65% mean success rate compared to SAC's 37%, with notable improvements in path ratio. TD-MPC2 exhibited increased procedure times, suggesting a trade-off between success rate and execution speed. These findings highlight the potential of world models for improving autonomous endovascular navigation and lay the foundation for future research in generalizable AI-driven robotic interventions.