AI手术机器人能操纵针头和缝合伤口，缝合手术比医生快30%

美国约翰霍普金斯大学与斯坦福大学的研究人员开发了一款AI手术机器人，能够执行外科手术中的三项基本操作：操纵针头、提起身体组织和缝合。在缝合等标准手术任务中，机器人手术时长比人类医生缩短约30%，不仅能完成小手术，还能独立完成一台完整的手术。

在研究过程中，研究人员训练机械臂，让它“观看”超过10000条手术视频，这些视频来自真实手术室，由医生手腕上的摄像头录制。通过学习，结合模仿学习（IL）方法，机器人能够观察和模仿真人医生的行为，达到与人类医生相当的水平。

研究中使用的“硬件利器”是达芬奇手术系统（dVRK），这是一款远程机器人手术系统，包含AI驱动的机械臂，该系统已广泛用于非临床研究领域。在机器人的构建中，达芬奇手术系统相当于机器人的“手和眼睛”，研究人员为其打造了“大脑”，让机器人拥有自我学习的能力。

传统的编程机器人训练需要手动输入动作，在基于达芬奇手术系统的类似研究中，机器人的缝合编程需要针对每个动作进行详细编码，限制了机器人的能力范围和灵活性，机械臂执行多个关节运动后会积累误差，可能导致无法准确到达预定位置，在手术中，微小误差可能带来严重后果，这是此前该类机器人面临的主要限制。

研究人员的目标是让机器人在手术中根据实时观察到的情况移动，他们使用模仿学习方法，无需针对单个动作进行手动编程，这种方法能让机器人观察真人医生手术的步骤，具备自主学习能力，能在没有人类帮助的情况下开展复杂手术。

模仿学习方法让机器人快速适应所看到的任何东西，像外科实习医生一样从年长医生那里学习，收集不同手动程序的模仿学习数据来训练机器人，几天内机器人就能学会相应能力。研究人员还将模仿学习方法与ChatGPT所使用的机器学习架构相结合。

机器人受训数据中包含患者解剖差异、意外出血和组织异常等数据，使其能够进行泛化和插值，遇到略有不同的器官结构时，机器人能够识别并做出适当动作，为确保机器人进行更安全的操作，研究人员还对机器人进行了虚拟模拟。

通过观看大量视频，机器人学会分辨手术动作之间的细微差别，判断处理组织所需的张力幅度，避免造成损伤。研究人员还使用合成组织模拟器和手术假人进行模拟手术，以“针头放置精确度”和“组织操作一致性”为考核目标。结果显示，机器人擅长学习未被教授的技能，如自动捡起掉落的手术针头并继续手术，显示出良好的自适应性，有利于学会新技能和处理手术现场中的突发情况。

在创建虚拟模拟时，研究人员使用了一个未包含在初始训练中的单独数据集，确保在进行物理程序测试之前让机器人适应新的手术场景和从未见过的手术场景，通过交叉验证，机器人能将复杂的动作序列分解为运动组件，学会复杂动作序列。

执业外科医生帮助评估机器人搭载的模型性能，提供关于组织精细处理的反馈，收到反馈后，机器人会将其整合到学习过程中。虽然AI手术机器人拿着手术刀和针头可能让患者感到害怕，但在某些情况下，机器的精度可能比真人医生更好。对于能够独立执行复杂程序的机器人，只要处于正常运行状态，其医疗错误率可能更低。

如果AI手术机器人得到普及，人类医生可以将精力用于处理并发症和难度更高的手术操作。研究人员设想让机器人成为真人外科医生的助手，最大限度地减少人为错误。要实现这一目标，必须证明其在所有特定情况下的可靠性，如果机器人能顺利完成包含棘手情况在内的1000次手术，那就说明其具备一定的可靠性。

在没有人类监督的情况下部署机器人在真实手术环境，必须解决伦理和监管挑战。对于由机器人完成的手术，如果出问题，责任归属问题需要明确，解决这些问题后，进行手术时还需征求患者同意，对患者及其家属进行“用户教育”，让他们了解手术机器人及其与人类外科医生的不同。

这一领域目前仍处于灰色地带。未来如果有更多统计数据证明手术机器人的安全性和有效性，人们将更有动力选择手术机器人。当一切就绪，需要相关医院愿意投入资金，成立专门团队管理手术机器人。研究人员将探索该机器人能否用于看不见的解剖结构的外科手术，在复杂的外科手术中随时适应患者情况，提高其能力，研究人员将让机器人尝试开展真实手术，从低风险手术开始，逐步推进到更复杂的手术。