自主手术机器人作为手术机器人领域的新兴方向，在技术进步、临床需求等因素的驱动下，正受到全球范围内的广泛关注。
7月9日，美国约翰斯霍普金斯大学研究人员表示已经训练出一个能利用人工智能（AI）自主完成胆囊切除手术的机器人，并且在猪身上进行了动物实验。该项目负责人阿克塞尔·克里格表示，当前外科手术中使用的机器人仍需由外科医生操控，而这一新型SRT-H机器人借助人工智能技术，有能力做出独立判断和决定，以应对手术中突发的各种情况。
同时，该机器人在解剖条件不一致以及出现意外迂回的情况下也能完成任务，包括研究人员改变系统的起始位置，以及添加类似血液的染料，改变胆囊和周围组织外观的时候，从而证明了系统的稳定性，这一进步使机器人从只能执行特定外科手术任务转变成能够真正理解外科手术程序，从而使得大规模复制世界上最优秀外科医生的技能成为可能，研究人员称，全自主机器人手术可能在十年内在人体上进行试验。
▍什么是自主手术机器人？
要理解自主手术机器人，首先需要明确其定义。自主手术机器人顾名思义，是指有自主手术能力的机器人。但目前，学术界和产业界对于“自主手术机器人”这一术语尚无明确的统一定义，但我们可以通过与“自动系统”的对比来理解“自主”的含义。
“自主系统”通常指具有一定程度的自主决策和执行任务的能力，包括对环境的感知、分析而“自动系统”则是能够执行预定任务或操作而无需人工干预的系统，通常缺乏对环境和任务的灵活适应性，不一定具备自主决策能力，多基于预定规则或程序操作。
因此，自主手术机器人可概括为一种具备一定程度自主决策和执行手术任务的机械系统，集成了先进的视觉感知、运动控制等人工智能技术，在手术中进行环境感知、信息处理和任务执行，以提高手术的精确性、安全性和效果，减少对医生直接手动操作的依赖。
从技术上来说，自主手术机器人旨在通过集成先进的计算机视觉、感知、运动控制和人工智能技术，实现对手术过程中的环境感知、信息处理和任务执行，从而提高手术的精确性、安全性和效率，减少对医生直接手动操作的依赖，最终逐步能从经验中学习和适应新情境。
例如约翰斯霍普金斯大学的SRT-H就不是一蹴而就的，两年前他们就尝试让机器人通过观看大学外科医生在猪尸体上进行胆囊手术的视频，学习如何完成胆囊手术。该团队还添加了描述手术步骤的字幕，以强化视觉训练。最近八台手术中，机器人以100%的准确率完成，尽管完成手术的时间比人类外科医生长，但结果与专家级外科医生的手术结果相当。
那么，类比人类，自主手术机器人需要具备类似“眼”“脑”“手”的功能，即感知系统、决策系统和执行系统。感知系统如同人的视觉、触觉等，用于获取手术环境的信息，主要包括获取手术环境的相机、获取手术视野部分目标位姿变化的传感器以及进行手术实时引导的医学影像等；决策系统相当于人的大脑，根据感知系统获取的信息规划机器人下一步的操作动作，并处理紧急情况，如重新规划动作、等待外科医生确认授权等；执行系统则类似人的手，根据决策系统的规划动作指令执行动作，同时将手术过程中获取的力和位姿信息反馈给决策系统。这三个部分之间存在着密切的信息传递关系，共同构成了自主手术机器人的核心。
▍自主手术机器人分级体系
在自主化等级划分上，类似汽车自动驾驶，学界对于自主手术机器人已经有明确的等级划分。
目前采用匈牙利Óbuda大学的Haidegger提出的分类方法，该方法遵循ISO/IEC标准，根据人类与机器人在规划生成、规划执行、规划监测和规划选择四个方面发挥的作用确定自主性等级，具体分为0至5级。
0级表示机器人没有自主性，所有动作都由医生完成；1级为机器人辅助，仅执行特定的低水平功能，如遥操作、震颤过滤等；2级是任务自主性，能自主完成某些任务或子任务，如伤口闭合等；3级为有监督的自主性，可自主完成大部分手术过程，做出低层次认知决定，且所有行动在人类监督下进行；4级是高水平的自主性，能根据人类批准的手术计划执行完整手术操作，人类仅可紧急停止；5级为完全自主，可处理所有环境变化和不利条件，无需人类参与。
就目前而言，3级自主性是业界正在研究和有望快速实现的目标，既能帮助医生分担任务，又能在遇到问题时由医生接管，符合现有制度伦理。而且对一台手术来讲，主要决策者和责任人还是外科医生，这避免了很多医疗伦理争端。
从研究现状来看，全球范围内自主手术机器人发展不均衡。国外此前以美国北卡罗来纳大学威明顿分校等研究机构研发的STAR（Smart Tissue Anastomosis Robot）自主手术机器人系统为代表，处于领先地位。
2022年，美国北卡罗来纳大学威明顿分校的Saeidi等人在机器人领域顶级期刊《Science Robotics》上发表了一篇题为“Autonomous robotic laparoscopic surgery for intestinal anastomosis”的研究论文。在这篇文章中，他们将提出的机器人系统命名为STAR。该论文的发表点燃了科研界对手术自主化发展的热情，并推动了自主手术机器人系统的发展，具有里程碑式的意义。
STAR系统通过集成光学相机、近红外荧光成像等多源感知技术，以及基于深度学习的组织识别与跟踪算法，实现了对手术环境的实时感知，并采用基于规则或强化学习的智能规划算法，对缝合等关键手术步骤实现自主操控。在动物实验中，STAR系统展现出优于人工缝合的精确性和稳定性，以及有监督的自主性，且有望进一步提升。
虽然该 STAR系统具有较高的自主性，但按照分类其实已经可以定为 3级。该系统此前仍存在一些问题，例如，每次穿针后，需要将缝合线拉紧。由于缝合线较长，单纯依靠缝合工具拉线，效率低并且影响缝合工具的位置精度。因此，每次穿针后都需要医生将缝合线拉紧到合适位置，以便机器人进行下一步缝合操作，这在很大程度上削弱了系统的自主性。
然而STAR系统的发展历程清晰地展现了自主手术机器人的技术演进，其感知系统是核心竞争力的体现，从最初的概念提出，到不断改进成像系统、引入新的感知技术，如光场相机与近红外相机融合实现三维跟踪等，逐步提升了系统的自主性和性能。
国内研究团队，如北京航空航天大学和北京邮电大学的团队，也在该领域进行了探索。他们的感知系统主要基于双目摄像头设计，研究涉及手术切口闭合、组织表面血液移除等相对简单的自主化手术任务。尽管相关研究已发表，但目前仍处于实验室模型验证阶段，需要进一步的动物实验和临床试验验证。例如，国内有团队设计了用于手术中组织表面血液移除的自主型手术机器人系统，采用Mask R-CNN进行血液轮廓检测并规划路径，在猪皮组织上实验取得了一定精度；还有团队提出自主钉皮拆钉机器人系统，也具备较高的定位精度，但这些都缺乏实际手术环境的验证。
除了自主手术机器人，其他自主医疗机器人如自主超声机器人和自主放射治疗机器人发展相对成熟，自主化程度较高。自主超声机器人如I-SUR系统，可在超声实时引导下进行冷冻消融手术，理论上达到4级自主性，但需进一步的在体实验验证。自主放射治疗机器人以CyberKnife M6为代表，就实现了高度自主的实时图像引导放疗操作。
▍问题与挑战犹存
约翰斯霍普金斯大学的SRT-H的诞生以及动物实验意味着，类似的模块化和渐进式方式开发自主机器人系统完全可行。
在关键技术方面，感知部分和执行部分依然是自主手术机器人的重要组成。感知部分中，光场相机是重要设备，能够记录光线方向和强度信息，在医疗诊断等领域应用前景广泛。2022年全球光场相机市场规模达3.2亿美元，预计到2027年将达12.5亿美元，年复合增长率31.3%，市场参与者包括Lytro、Raytrix、富士胶片等，国内企业如奕目等公司也在该领域有所布局。其发展趋势包括高分辨率化、小型轻量化、增强视频拍摄能力和优化计算摄影算法，但目前面临成本高、使用要求高、配套设施不完善等挑战。
目前市场上的大多手术机器人，虽然作为1级自主手术机器人，智能化程度不高，但却又是更高自主化的手术机器人的产品基础。以达芬奇手术机器人为例，这类手术机器人系统通常由医生控制台、机械臂和影像系统组成，广泛应用于多个外科领域。目前达芬奇在全球市场占据垄断地位，但国内企业如元化智能、微创机器人、北京术锐、深圳精锋等也在快速发展，不断推出具有自身特点的产品。随着相关知识产权保护期过后，全球手术机器人研究如今已经进入快速发展期，国内企业有望在国家支持下追赶世界顶尖水平。
然而，自主手术机器人行业发展面临诸多挑战。核心技术有待突破，尤其在感知、决策和执行层面的精准度和鲁棒性方面，涵盖功能安全、伦理道德等标准规范亟须建立，尤其我国的临床验证也有待加强，因为手术机器人必然需要在实际手术环境下全面评估其安全性和有效性。同时目前的法律法规和商业模式尚不明晰，很大程度上影响了产业化进程。这使得目前我国尚未有成熟的自主手术机器人产品问世。
▍结语与未来
展望未来，随着人工智能、微纳制造等共性技术的进步，以及手术机器人专用芯片、精密传感器等关键元器件的国产化，自主手术机器人有望在精准度、微创化、智能化等方面取得重大突破，逐步在泌尿、妇科、普外等临床科室实现常规应用，提升患者诊疗质量。同时，融合5G、云计算等技术建立智慧手术平台，积累手术知识图谱，可反哺基础研究。
就全球范围内来看，自主手术机器人已成为推动手术机器人产业化的下一个风口，具有广阔的应用前景和巨大的市场潜力。未来需要政产学研用各方协同发力，攻克技术难题，优化法律法规环境，加速行业标准制定，构建智慧医疗生态系统，才有望推动我国手术机器人技术实现弯道超车、引领全球。
声明：壹贝网所有作品（图文、音视频）均由用户自行上传分享，仅供网友学习交流，版权归原作者wangteng@admin所有，原文出处。若您的权利被侵害，请联系 756005163@qq.com 删除。
本文链接：https://www.ebaa.cn/48512.html
