想象這樣一個場景：假如一名患者必須在幾分鐘內接受手術，否則就會面臨死亡風險。然而附近碰巧沒有醫(yī)院，但是恰好有一臺 AI 手術機器人，并且其手術成功率很高，那么這名患者大概率愿意嘗試一下。
前不久，來自美國約翰霍普金斯大學和美國斯坦福大學的研究人員打造出一臺 AI 手術機器人，目前其已能完成外科手術中的三項基本操作：操縱針頭、提起身體組織、縫合。
在縫合等標準手術任務中，該機器人的手術時長相比人類醫(yī)生大約縮短 30%，這對于時間緊迫的手術尤為有益。目前，它不僅能做縫合之類的小手術，還能做一臺完整的手術。
研究中，研究人員針對機械臂加以訓練，即讓它“觀看”10000 多條長達數千小時的手術視頻，這些視頻均來自于真實手術室，由真人醫(yī)生從手腕上安裝的攝像頭錄制而來。
通過這一學習，以及在“模仿學習”（IL，imitative learning）在這一方法的幫助之下，讓機器人能夠觀察和模仿真人醫(yī)生的行為，從而通過自我學習達到與人類醫(yī)生相當的水平。
（來源：Johns Hopkins University）
已通過模擬手術考核
工欲善其事，必先利其器。本次研究用到的一款“硬件利器”叫做達芬奇手術系統(tǒng)（dVRK，da Vinci Surgical Research Kit），它是一款遠程機器人手術系統(tǒng)，該系統(tǒng)中包含一個由 AI 驅動的機械臂。目前，該系統(tǒng)已被廣泛用于非臨床研究領域。
在打造機器人時，研究人員也使用了這一系統(tǒng)。如果將機器人比喻為一個人，那么達芬奇手術系統(tǒng)就是它的“手和眼睛”，而研究人員的主要貢獻在于為該機器人造出了“大腦”，即讓其擁有自我學習的能力。
對于一般的編程機器人來說，在對其進行訓練時，通常需要以手動方式輸入人們希望它們做出的動作。
在之前基于達芬奇手術系統(tǒng)的類似研究中，當對機器人進行縫合編程時，人們需要針對每個動作進行詳細的手工編碼。這不僅“框死”了機器人的能力范圍，而且還會讓其缺乏靈活性。
更嚴重的是，在機械臂執(zhí)行多個關節(jié)運動之后其會積累一定的誤差，這可能會讓機械臂無法準確地到達預定位置。
在手術這樣的敏感環(huán)境中，即使是微小的誤差也有可能帶來致命后果，因此這也是此前該類機器人在落地時面臨的主要限制。
基于此，研究人員定下這樣一個目標：當機器人在做手術時，讓其能夠根據實時觀察到的情況移動。
為此，研究人員使用了“模仿學習”這一方法，而之所以無需針對單個動作進行手動編程，是因為“模仿學習”能讓機器人觀察真人醫(yī)生手術的步驟，從而讓其具備自主學習的能力，進而能在沒有人類幫助的情況下開展復雜手術。
也就是說，“模仿學習”這一方法可以讓機器人快速適應它所看到的任何東西，能讓機器人像外科實習醫(yī)生一樣從年長醫(yī)生那里學習。
實現這一功能也很簡單，只需要收集不同手動程序的“模仿學習”數據來訓練機器人，幾天之內機器人就能學會相應的能力。
研究人員還將“模仿學習”方法與 ChatGPT 所使用的同款機器學習架構相結合。
不過，ChatGPT 使用的是文字和文本。而該機器人所搭載的模型則使用運動學（kinematics）來執(zhí)行動作（運動學是一種能將機器人運動角度分解為數學的語言）。
在機器人所使用的受訓數據中，包含患者解剖差異、意外出血和組織異常等數據，基于此機器人能夠進行泛化和插值。如果機器人在手術中遇到略有不同的器官結構，它能夠識別這些器官并做出適當的動作。
為了讓該機器人進行更安全的操作，研究人員還對機器人進行了虛擬模擬（virtual simulations）。
通過觀看大量視頻，讓機器人學會分辨手術動作之間的細微差別，來判斷在處理組織所需的張力幅度，從而避免造成損傷。
為了檢驗這款機器人的效果，研究人員打造了一臺模擬手術，其中使用了合成組織模擬器（synthetic tissue simulators）和手術假人，并將“針頭放置精確度”和“組織操作一致性”設為這一模擬手術的考核目標。
結果發(fā)現，該機器人非常擅長學習那些人類并沒有教過它的技能，例如手術針頭掉了它會自動撿起并繼續(xù)手術。
也就是說該機器人具有較好的自適應性，這不僅有利于它學會新技能，也能幫助它更好地處理手術現場中的突發(fā)情況，比如處理患者動脈破裂或患者生命體征突然變化等情況。
在創(chuàng)建虛擬模型的時候，研究人員使用了一個未包含在初始訓練中的單獨數據集，以確保在進行物理程序測試之前讓機器人既能適應新的手術場景，也能適應從未見過的手術場景（unseen surgical scenarios）。通過這種交叉驗證，讓機器人的泛化能力得以驗證。
通過將復雜的動作序列分解為運動組件，機器人還能學會一些復雜動作序列。
其原理在于：這些序列可以轉化為更簡單的動作，比如關節(jié)角度、位置和路徑，從而讓機器人在做手術過程中更容易模仿動作和調整動作。
另外，在執(zhí)業(yè)外科醫(yī)生的幫助之下，讓研究人員得以更好地評估機器人所搭載的模型性能，并能提供關于組織的精細處理的反饋。收到這些反饋之后，機器人會將其整合到學習過程中。
（來源：Johns Hopkins University）
當一個 AI 手術機器人拿著手術刀和針頭
當一個 AI 手術機器人拿著手術刀和針頭，似乎會讓患者感到可怕。但是，在某些情況下機器的精度可能比真人醫(yī)生更好。
因為對于能夠獨立執(zhí)行復雜程序的機器人來說，只要它處于正常運行狀態(tài)，其醫(yī)療錯誤率可能會更低。
假如 AI 手術機器人能夠得到大范圍普及，那么人類醫(yī)生則能將精力用于處理并發(fā)癥，以及用于處理難度更高的手術操作中。
研究人員的設想是，讓該機器人成為真人外科醫(yī)生的助手，同時最大限度地減少人為錯誤。要想實現這一目標，必須證明其在所有特定情況下的可靠性。
如果該機器人能夠順利完成包含棘手情況在內的 1000 次手術，那就說明其具備一定的可靠性。
同時，要想在沒有人類監(jiān)督的情況下，將該機器人部署在真實手術環(huán)境之中，必須解決倫理方面和監(jiān)管方面的挑戰(zhàn)。
比如，對于一個由機器人完成的手術來說，如果出問題了誰來負責？是生產機器人的公司？還是監(jiān)督它做手術的真人醫(yī)療人員？
解決這些問題之后，在做這樣一臺手術時還得征求患者的同意，這時就需要對患者及其家屬進行“用戶教育”，即讓他們了解什么是手術機器人及其與人類外科醫(yī)生的不同。
目前，這一領域仍然處于灰色地帶。未來如果有更多統(tǒng)計數據能夠證明手術機器人的安全性和有效性，那么人們將會更有動力選擇手術機器人。
當這一切就緒，既需要相關醫(yī)院愿意為此投入資金，也需要醫(yī)院成立專門團隊來管理手術機器人。
而在下一步，研究人員將探索該機器人能否用于看不見的解剖結構的外科手術。
在一些復雜的外科手術中，做手術時需要隨時適應患者的情況。在對嚴重的內傷患者進行手術時，也需要該機器人具備更強的能力，因此還需進一步提高它的能力。
同時，研究人員也將讓該機器人嘗試開展真實手術，比如先從疝氣修復手術這樣的低風險手術開始，然后再逐步推進到更復雜的手術。
參考資料：
https://techxplore.com/news/2024-11-surgery-videos-robot-skill-human.html
https://www.fastcompany.com/91226566/doctors-built-an-ai-that-taught-itself-how-to-do-surgery-and-its-ready-to-work-on-humans
https://hub.jhu.edu/2024/11/11/surgery-robots-trained-with-videos/
https://www.techradar.com/computing/artificial-intelligence/robotic-ai-performs-successful-surgery-after-watching-videos-for-training
https://www.techeblog.com/ai-robot-learn-human-doctor-surgery-videos/
運營/排版：何晨龍
