In een baanbrekende ontwikkeling op het gebied van medische technologie hebben onderzoekers van de Johns Hopkins University een robot gecreëerd die in staat is complexe operaties uit te voeren zonder menselijke tussenkomst.
Het Surgical Robot Transformer-Hierarchy (SRT-H) systeem voltooide galblaasverwijderingen op levensechte modellen met 100% nauwkeurigheid in acht verschillende proeven. In tegenstelling tot eerdere chirurgische robots, die afhankelijk waren van vooraf gemarkeerde weefsels en gecontroleerde omgevingen, toonde SRT-H zowel mechanische precisie als mensachtige aanpassingsvermogen in onvoorspelbare situaties.
De robot past zich in real-time aan individuele anatomische kenmerken aan, neemt ter plekke beslissingen en corrigeert zichzelf wanneer dingen anders lopen dan verwacht. Gebouwd op dezelfde machine learning-architectuur als ChatGPT, is SRT-H interactief en reageert op gesproken commando's zoals "pak de galblaaskop" en correcties als "beweeg de linkerarm iets naar links". De robot leert van deze feedback.
De galblaasverwijdering bestaat uit een complexe reeks van 17 taken. De robot moest specifieke kanalen en slagaders identificeren en deze nauwkeurig vastpakken, strategisch clips plaatsen en delen doorsnijden met een schaar. SRT-H leerde deze taken door video's te bekijken van Johns Hopkins-chirurgen die de procedure uitvoerden op varkenscadavers. Het team versterkte de visuele training met bijschriften die elke taak beschreven. Na deze training voerde de robot de operatie met 100% nauwkeurigheid uit.
Hoewel de robot er langer over deed dan een menselijke chirurg, waren de resultaten vergelijkbaar met die van een expert. "Net zoals chirurgische assistenten vaak verschillende onderdelen van een operatie in verschillend tempo beheersen, laat dit werk zien dat autonome robotsystemen op een vergelijkbare modulaire en stapsgewijze manier ontwikkeld kunnen worden," zegt Johns Hopkins-chirurg Jeff Jopling, mede-auteur van de studie.
De robot presteerde foutloos, zelfs wanneer onderzoekers onverwachte uitdagingen introduceerden, zoals het veranderen van de startpositie van de robot of het toevoegen van bloedachtige kleurstoffen die het uiterlijk van het weefsel veranderden. "Voor mij laat dit echt zien dat het mogelijk is om complexe chirurgische procedures autonoom uit te voeren," aldus hoofdonderzoeker Axel Krieger. "Dit is een bewijs van concept dat het mogelijk is en dat dit imitatieleer-framework zulke complexe procedures met een hoge mate van robuustheid kan automatiseren."
Hoewel dit een grote vooruitgang betekent, schat hoofdonderzoeker Axel Krieger dat het nog vijf tot tien jaar kan duren voordat een autonoom robotsysteem klaar is voor klinische proeven op mensen, mede door aanzienlijke regelgevende obstakels. Het team is nu van plan het systeem te trainen en te testen op meer soorten operaties en de mogelijkheden uit te breiden naar volledig autonome operaties.