在醫(yī)學上，機器人在沒有外科醫(yī)生手的指導下進行了腹腔鏡手術。最近發(fā)表在 Science Robotics 上的 研究 概述了智能組織自主機器人（ STAR ）增強版的設計，該機器人在豬的軟組織上完成了具有挑戰(zhàn)性的任務。這項成就標志著全自動機器人手術的一個里程碑。

“我們的發(fā)現(xiàn)表明，我們可以自動化手術中最復雜、最微妙的任務之一：重新連接腸的兩端。這顆星星在四只動物身上進行了這一手術，其結果明顯優(yōu)于人類進行同樣的手術，” Axel Krieger ，約翰·霍普金斯大學惠汀工程學院機械工程高級作者兼助理教授在一份 發(fā)布 報告中說。

在腹腔鏡手術中，外科醫(yī)生使用小切口和攝像頭在腹部或骨盆進行手術。連接兩個管狀結構（如血管或腸道）的吻合術通常在腹腔鏡下進行。盡管該手術具有微創(chuàng)性，但如果因縫合有缺陷而發(fā)生任何滲漏，該手術可能會給患者帶來嚴重并發(fā)癥。

自動機器人手術有可能提高醫(yī)療效率、安全性和可靠性。然而，根據(jù)這項研究，當涉及到復雜的成像、組織追蹤和手術計劃時，自主吻合帶來了挑戰(zhàn)。如果手術中出現(xiàn)問題，這些程序通常也需要快速適應。

目前的 STAR 模型改進了 2016 年的一次迭代，能夠縫合豬的腸道，但它需要人工干預，并創(chuàng)建了一個更大的切口。

憑借先進的機器人精度和縫合工具，以及 3D 成像系統(tǒng)和基于機器學習的跟蹤算法，最新的 STAR 可以實時調整其手術計劃。

研究人員在研究中寫道：“我們開發(fā)了機器學習、計算機視覺和先進的控制技術，以跟蹤患者呼吸時目標組織的運動，檢測不同縫合步驟之間的組織變形，并在運動約束下操作機器人?！?。

基于卷積神經網絡（ CNNs ）的機器學習算法可以預測組織運動并指導縫合計劃。研究人員使用 9294 例吻合術中的運動曲線對 CNN 進行訓練，以根據(jù)手術期間的呼吸模式和其他組織運動來學習組織運動。

當組織靜止時，機器人與攝像頭同步掃描并創(chuàng)建縫合計劃。利用增強的計算機視覺和基于 CNN 的地標檢測算法， STAR 生成兩個初始縫合計劃，以連接相鄰組織。一旦操作員選擇了一個計劃，機器人就會將縫合線應用到組織上，并對該區(qū)域進行重新成像，以便組織變形。

如果與手術計劃相比，組織位置的變化大于 3mm ，它會通知操作員啟動新的縫合計劃和批準步驟。這一過程在每一次縫合中都會重復。

根據(jù) Krieger 的說法， NVIDIA GeForce GTX GPU 用于訓練和運行 CNN ，包括四個卷積、三個密集層和兩個跟蹤組織運動的輸出。使用 NVIDIA T4 GPU 對采用級聯(lián) U-Net 架構的地標檢測算法進行培訓和測試。

看看智能組織自主機器人的研究人員如何在四頭豬身上進行一項具有挑戰(zhàn)性的手術，并且比人類做得“明顯更好”。

研究人員檢查了吻合術的質量，包括針位校正、縫線間距、縫線咬合的大小、完成時間、管腔通暢度和泄漏壓力。他們發(fā)現(xiàn)，這顆自主的恒星在一致性和準確性方面都優(yōu)于專家外科醫(yī)生和機器人輔助手術。

Krieger 說：“ STAR 的獨特之處在于，它是第一個在軟組織中規(guī)劃、調整和執(zhí)行手術計劃的機器人系統(tǒng)，只需極少的人工干預?！?。

關于作者

Michelle Horton 是 NVIDIA 的高級開發(fā)人員通信經理，擁有通信經理和科學作家的背景。她在 NVIDIA 為開發(fā)者博客撰文，重點介紹了開發(fā)者使用 NVIDIA 技術的多種方式。

審核編輯：郭婷