I et banebrydende fremskridt for medicinsk teknologi har forskere ved Johns Hopkins University udviklet en robot, der er i stand til at udføre komplekse operationer uden menneskelig indgriben.
Surgical Robot Transformer-Hierarchy (SRT-H) gennemførte succesfuldt fjernelse af galdeblære på livagtige modeller med 100% nøjagtighed på tværs af otte forskellige forsøg. I modsætning til tidligere kirurgiske robotter, der krævede forudmarkerede væv og kontrollerede omgivelser, demonstrerede SRT-H både mekanisk præcision og menneskelignende tilpasningsevne i uforudsigelige situationer.
Robotten tilpasser sig individuelle anatomiske træk i realtid, træffer beslutninger undervejs og korrigerer sig selv, når tingene ikke går som forventet. Bygget på den samme maskinlæringsarkitektur, der driver ChatGPT, er SRT-H interaktiv og reagerer på talte kommandoer som "tag fat i galdeblærehovedet" samt rettelser som "flyt venstre arm lidt til venstre". Robotten lærer af denne feedback.
Fjernelse af galdeblæren indebærer en kompleks sekvens af 17 opgaver. Robotten skulle identificere specifikke kanaler og arterier og gribe dem præcist, strategisk placere klips og skære dele over med saks. SRT-H lærte disse opgaver ved at se videoer af Johns Hopkins-kirurger, der udførte proceduren på svinekadaverer. Holdet forstærkede den visuelle træning med billedtekster, der beskrev hver opgave. Efter denne træning udførte robotten operationen med 100% nøjagtighed.
Selvom robotten brugte længere tid end en menneskelig kirurg, var resultaterne sammenlignelige med en eksperts. "Ligesom kirurgiske assistenter ofte mestrer forskellige dele af en operation i forskelligt tempo, illustrerer dette arbejde potentialet i at udvikle autonome robotsystemer på en tilsvarende modulær og progressiv måde," siger Johns Hopkins-kirurgen Jeff Jopling, medforfatter på studiet.
Robotten udførte opgaven fejlfrit, selv når forskerne introducerede uventede udfordringer, såsom at ændre robotens startposition eller tilføje blodlignende farvestoffer, der ændrede vævenes udseende. "For mig viser det virkelig, at det er muligt at udføre komplekse kirurgiske procedurer autonomt," sagde Axel Krieger, hovedforsker. "Dette er et bevis på, at det er muligt, og at denne imitation learning-ramme kan automatisere så komplekse procedurer med så høj robusthed."
Selvom dette er et stort fremskridt, vurderer hovedforsker Axel Krieger, at der kan gå fem til ti år, før et autonomt robotsystem når til menneskeforsøg, da der er betydelige regulatoriske barrierer, der skal overvindes. Næste skridt for holdet er at træne og teste systemet på flere typer operationer og udvide dets evner til at udføre fuldstændigt autonome indgreb.