Σε μια πρωτοποριακή εξέλιξη για την ιατρική τεχνολογία, ερευνητές του Πανεπιστημίου Johns Hopkins δημιούργησαν ένα ρομπότ ικανό να εκτελεί πολύπλοκες χειρουργικές επεμβάσεις χωρίς ανθρώπινη παρέμβαση.
Το Surgical Robot Transformer-Hierarchy (SRT-H) ολοκλήρωσε με επιτυχία επεμβάσεις αφαίρεσης χοληδόχου κύστης σε ρεαλιστικά προπλάσματα με 100% ακρίβεια σε οκτώ διαφορετικές δοκιμές. Σε αντίθεση με προηγούμενα χειρουργικά ρομπότ που απαιτούσαν προσημειωμένους ιστούς και ελεγχόμενα περιβάλλοντα, το SRT-H επέδειξε τόσο μηχανική ακρίβεια όσο και ανθρώπινη προσαρμοστικότητα σε απρόβλεπτες καταστάσεις.
Το ρομπότ προσαρμόζεται σε ατομικά ανατομικά χαρακτηριστικά σε πραγματικό χρόνο, λαμβάνει αποφάσεις επιτόπου και αυτοδιορθώνεται όταν τα πράγματα δεν εξελίσσονται όπως αναμένεται. Χτισμένο στην ίδια αρχιτεκτονική μηχανικής μάθησης που χρησιμοποιεί το ChatGPT, το SRT-H είναι διαδραστικό, ανταποκρινόμενο σε φωνητικές εντολές όπως «πιάσε το κεφάλι της χοληδόχου κύστης» και διορθώσεις όπως «μετακίνησε το αριστερό χέρι λίγο αριστερότερα». Το ρομπότ μαθαίνει από αυτή την ανατροφοδότηση.
Η διαδικασία αφαίρεσης της χοληδόχου κύστης περιλαμβάνει μια πολύπλοκη ακολουθία 17 βημάτων. Το ρομπότ έπρεπε να εντοπίσει συγκεκριμένους πόρους και αρτηρίες και να τους πιάσει με ακρίβεια, να τοποθετήσει στρατηγικά κλιπ και να αποκόψει τμήματα με ψαλίδι. Το SRT-H έμαθε αυτές τις εργασίες παρακολουθώντας βίντεο χειρουργών του Johns Hopkins που εκτελούσαν τη διαδικασία σε πειραματικά δείγματα χοίρων. Η ομάδα ενίσχυσε την οπτική εκπαίδευση με λεζάντες που περιέγραφαν κάθε βήμα. Μετά από αυτή την εκπαίδευση, το ρομπότ εκτέλεσε τη χειρουργική επέμβαση με 100% ακρίβεια.
Αν και το ρομπότ χρειάστηκε περισσότερο χρόνο από έναν ανθρώπινο χειρουργό, τα αποτελέσματα ήταν συγκρίσιμα με αυτά ενός ειδικού. «Όπως οι ειδικευόμενοι χειρουργοί συχνά κατακτούν διαφορετικά μέρη μιας επέμβασης με διαφορετικούς ρυθμούς, αυτή η εργασία δείχνει την υπόσχεση της ανάπτυξης αυτόνομων ρομποτικών συστημάτων με παρόμοια δομική και προοδευτική προσέγγιση», δηλώνει ο χειρουργός του Johns Hopkins, Jeff Jopling, συν-συγγραφέας της μελέτης.
Το ρομπότ λειτούργησε άψογα ακόμη και όταν οι ερευνητές εισήγαγαν απρόσμενες προκλήσεις, όπως αλλαγή της αρχικής του θέσης ή προσθήκη χρωστικών που προσομοίαζαν το αίμα και άλλαζαν την εμφάνιση των ιστών. «Για μένα, αυτό δείχνει πραγματικά ότι είναι εφικτό να εκτελούνται πολύπλοκες χειρουργικές επεμβάσεις αυτόνομα», δήλωσε ο επικεφαλής ερευνητής Axel Krieger. «Αποτελεί απόδειξη ότι αυτό το πλαίσιο μιμητικής μάθησης μπορεί να αυτοματοποιήσει τόσο πολύπλοκες διαδικασίες με τόσο υψηλό βαθμό αξιοπιστίας».
Αν και πρόκειται για μια σημαντική πρόοδο, ο Axel Krieger εκτιμά ότι θα χρειαστούν πέντε έως δέκα χρόνια μέχρι να φτάσει ένα αυτόνομο ρομποτικό σύστημα σε δοκιμές σε ανθρώπους, καθώς πρέπει να ξεπεραστούν σημαντικά ρυθμιστικά εμπόδια. Στη συνέχεια, η ομάδα σχεδιάζει να εκπαιδεύσει και να δοκιμάσει το σύστημα σε περισσότερα είδη επεμβάσεων και να επεκτείνει τις δυνατότητές του ώστε να πραγματοποιεί πλήρως αυτόνομες χειρουργικές πράξεις.