ワイヤレスカプセル内視鏡（WCE）は、消化管の無痛可視化を可能にするが、粘膜の不完全なカバレッジや既存のナビゲーション手法の患者解剖間での転移性の低さにより、その診断能力は制限されている。本研究では、この問題に対処するため、解剖学的ランドマーク誘導深層強化学習（AL-DRL）フレームワークを提案する。軽量なエッジ・輪郭・深度融合モジュールを活用し、方策は高次元のビデオストリームではなく安定した低次元のランドマーク座標に基づいて動作するため、シミュレーションから実環境へのギャップを効果的に橋渡しする。
8つの患者由来モデルを用いたシミュレーションでは、本手法は50秒以内に97%以上のカバレッジを達成し、従来のPPO、SAC、DQNエージェントを大幅に上回った。さらに、適応的動的計画法コントローラを備えた2段階のシミュレーション実環境パイプラインにより、物理的擾乱（例えば、カプセルの運動誤差や環境ノイズ）を積極的に軽減する。体外実験では、平均カバレッジ87%を達成し、専門家による手動操作と比較して手技時間を53%短縮した。
本成果は、2026年5月8日にHaoxuan WuらがarXivに提出した論文で報告され、カプセル内視鏡の自律ナビゲーション技術における重要な進展を示す。論文にはコードやデータのリンクも含まれており、他の研究者による再現やさらなる改良の基盤を提供する。AL-DRLフレームワークの高い効率性と患者解剖間の転移性は、将来の臨床応用において消化管検査の効率と正確性を大幅に向上させる可能性を秘めている。