智慧醫(yī)械網(wǎng)消息 近日《Science Robotics》罕見地把封面給了約翰斯·霍普金斯大學(xué)的 SRT-H：一臺機(jī)器人在8個離體豬膽囊上獨(dú)立完成膽囊切除術(shù)的“夾閉+切斷”關(guān)鍵步驟，成功率100%，全程無人工干預(yù)。

行業(yè)里，在展示手術(shù)機(jī)器人時，進(jìn)行程序控制完成部分手術(shù)動作，如在標(biāo)本上進(jìn)行切割、剝離、結(jié)扎等，可能比較常見。

但在真正的臨床上，由于涉及診療全過程，如果術(shù)前、術(shù)中AI診斷結(jié)果達(dá)不到醫(yī)生水平，同時又不能精準(zhǔn)識別人體組織，并對意外組織蠕動、膨出與損傷做出即時反應(yīng)，同時對病灶進(jìn)行實(shí)時診斷與實(shí)時手術(shù)刀跡規(guī)劃，讓手術(shù)機(jī)器人自主主刀手術(shù)，幾乎是天方夜譚。

本次試驗(yàn)結(jié)果顯示，Surgical Robot Transformer - Hierarchy (SRT-H) （外科機(jī)器人轉(zhuǎn)換器-分層架構(gòu)）操作dVRK Si系統(tǒng)在豬離體膽囊上自主進(jìn)行了17個子任務(wù)，連續(xù)完成“抓取膽囊→左管（膽囊管）夾 3 枚→右管（膽囊動脈）夾 3 枚→兩側(cè)切斷”的手術(shù)操作。

在測試的8例手術(shù)中全部成功，平均耗時317秒（約5分17秒），期間通過AI人工智能進(jìn)行決策運(yùn)算，平均自我糾正6次。這意味著手術(shù)機(jī)器人已經(jīng)深度結(jié)合了軟件策略與執(zhí)行系統(tǒng)。

相關(guān)內(nèi)容顯示，此次完成試驗(yàn)的SRT-H系統(tǒng)采用兩層AI軟件架構(gòu)：高層策略（HL Policy）負(fù)責(zé)"想"，每3秒分析手術(shù)場景，生成自然語言指令；低層策略（LL Policy）負(fù)責(zé)"做"，把語言指令翻譯成6D機(jī)械臂動作。如果按手術(shù)機(jī)器人的L1~L5自動化分級標(biāo)準(zhǔn)的話，該系統(tǒng)接近了L4級自動化。

目前的機(jī)器人手術(shù)自主程度分級業(yè)界普遍采用Haidegger提出的6級自主性框架：

L0 級：完全由醫(yī)生操作；

L1 級：機(jī)器人僅提供震顫過濾、主從映射等輔助功能；

L2 級：任務(wù)式自主，可獨(dú)立完成預(yù)先編程的“子任務(wù)”；

L3 級：條件式自主，可提出任務(wù)策略，完成大部分操作，需醫(yī)生監(jiān)督和審批；

L4 級：高度自主，可按審批的方案執(zhí)行手術(shù)，醫(yī)生只做緊急干預(yù)；

L5 級：完全自主，可自行制定并執(zhí)行全部手術(shù)計劃，無需醫(yī)生介入。

到去年底FDA 已批準(zhǔn)的近50款系統(tǒng)中，86%仍停留在L1級，僅有6%達(dá)到L3級，尚無L4–L5 級系統(tǒng)獲批。

約翰斯·霍普金斯大學(xué)從2022年起利用SRT系列手術(shù)機(jī)器人進(jìn)行自動手術(shù)試驗(yàn)，當(dāng)年首次在動物體內(nèi)完成腹腔鏡腸道吻合，被認(rèn)為是達(dá)到了L3級水平；而本次試驗(yàn)結(jié)果則被認(rèn)為是達(dá)到了接近L4級的能力，因?yàn)檫€沒有進(jìn)行活體試驗(yàn)，而且也不是手術(shù)全過程自動化，僅僅是少數(shù)組合動作。

目前手術(shù)機(jī)器人自動化所面臨的困境與其它自動化技術(shù)基本相同，手術(shù)機(jī)器人也是靠大量學(xué)習(xí)臨床手術(shù)主刀醫(yī)生的診療判斷、操作規(guī)劃、執(zhí)行路徑來提升自己軟件算法結(jié)果與實(shí)際物理世界的對齊效果。

雖然隨著各大研究機(jī)構(gòu)在人體共性的數(shù)字化人體組織地圖上，成果十分豐富，在AI軟件算法和視頻圖像數(shù)字處理上，手術(shù)機(jī)器人對于人體的組織識別已經(jīng)合格率很高，在虛擬手術(shù)路徑規(guī)劃與執(zhí)行上，臨術(shù)輔助效果越來越好。

但是真正臨床時的組織病變程度，血液與體液干擾排除，組織異變數(shù)字圖像積累，人體組織生命動態(tài)實(shí)時變化等精準(zhǔn)判斷領(lǐng)域，手術(shù)機(jī)器人仍存在數(shù)據(jù)庫不完整，識別結(jié)果合格率不高，診療決策幻覺排除等領(lǐng)域的難題。

而在手術(shù)機(jī)器人硬件制造層面的差距越來越小的行業(yè)現(xiàn)狀下，下一步誰能在醫(yī)療AI人工智能領(lǐng)域，率先完成數(shù)據(jù)建模與策略庫推理算法建設(shè)完成，將決定后續(xù)手術(shù)機(jī)器人行業(yè)發(fā)展與競爭的主要方向。