У проривному досягненні для медичних технологій дослідники з Університету Джонса Гопкінса створили робота, здатного виконувати складні операції без втручання людини.
Surgical Robot Transformer-Hierarchy (SRT-H) успішно провів процедури видалення жовчного міхура на реалістичних моделях зі 100% точністю у восьми різних випробуваннях. На відміну від попередніх хірургічних роботів, які вимагали попередньої розмітки тканин і контрольованих умов, SRT-H продемонстрував як механічну точність, так і людську адаптивність у непередбачуваних ситуаціях.
Робот у реальному часі адаптується до індивідуальних анатомічних особливостей, приймає рішення на ходу та самостійно виправляє помилки, якщо щось іде не за планом. Побудований на тій самій архітектурі машинного навчання, що й ChatGPT, SRT-H є інтерактивним: він реагує на голосові команди, такі як "захопи головку жовчного міхура", та на коригування, наприклад, "посунь ліву руку трохи вліво". Робот навчається на основі цього зворотного зв’язку.
Процедура видалення жовчного міхура складається з 17 складних завдань. Робот повинен був точно ідентифікувати певні протоки й артерії, захопити їх, стратегічно розташувати кліпси та розрізати частини ножицями. SRT-H навчився цим завданням, переглядаючи відео хірургів університету Джонса Гопкінса, які виконували операцію на свинячих трупах. Команда підкріпила візуальне навчання підписами, що описували кожен етап. Після такого навчання робот виконав операцію зі 100% точністю.
Хоча робот працював повільніше за людину-хірурга, результати були порівнянні з експертними. "Як і хірургічні резиденти, які часто опановують різні частини операції з різною швидкістю, ця робота ілюструє перспективу розвитку автономних роботизованих систем у так само модульний і поступовий спосіб", — зазначає хірург університету Джонса Гопкінса Джефф Джоплінг, співавтор дослідження.
Робот працював бездоганно навіть тоді, коли дослідники створювали неочікувані труднощі, наприклад, змінювали початкове положення робота або додавали барвники, схожі на кров, що змінювали вигляд тканин. "Для мене це справді демонструє, що виконувати складні хірургічні процедури автономно — цілком реально", — сказав Аксель Крір, провідний дослідник. "Це доказ концепції, що це можливо, і ця система імітаційного навчання може автоматизувати такі складні процедури з такою високою надійністю".
Хоча це й значний прорив, провідний дослідник Аксель Крір оцінює, що автономні роботизовані системи зможуть дійти до випробувань на людях лише через п’ять-десять років, оскільки потрібно подолати значні регуляторні бар’єри. Далі команда планує навчати й тестувати систему на інших типах операцій та розширити її можливості для повністю автономного виконання хірургічних втручань.