約翰·霍普金斯大學（Johns Hopkins University）的研究人員開發了一種新的AI，可以自主執行複雜的手術步驟，這是一個建立醫學自動化界限的里程碑。該系統稱為層級手術機器人變壓器（SRT-H），成功地指導了標準在2025年7月的論文中詳細介紹了Science Robotics，AI在八個未見的牛仔blbladders中獲得了100％的成功率。 SRT-H通過觀察人類專家並可以實時糾正自己的錯誤來學習，從剛性，預先編程的機器人系統中糾正自己的錯誤。
成就信號信號信號信號信號是向更聰明和適應性的外科手術工具的轉變。研究人員說，最終的目標不是要取代外科醫生，而是要增強其能力，提高程序的一致性，並可能
機器人技術，果斷地超越了其前輩的局限性。 Earlier attempts at automation, such as the university’s own Smart Tissue Autonomous Robot (STAR) in 2022, showed promise by performing surgery on a living pig.但是，這些系統在高度控制的條件下運行，通常需要特殊的熒光標記，以跟踪和依靠缺乏適應性的僵化的預編程計劃。
機器人技術，果斷地超越了其前輩的局限性。 Earlier attempts at automation, such as the university’s own Smart Tissue Autonomous Robot (STAR) in 2022, showed promise by performing surgery on a living pig.但是，這些系統在高度控制的條件下運行，通常需要特殊的熒光標記，以跟踪和依靠缺乏適應性的僵化的預編程計劃。
ji woong kim是約翰·霍普金斯（Johns Hopkins）的機器人研究人員，強調了這些老式，基於邏輯的，基於邏輯的，基於邏輯的方法。 “該計劃告訴機器人如何移動和做什麼。在這些kuka機器人的武器中的工作方式，在工廠地板上焊接汽車。 ”
這種方法依賴於手工製作的狀態機器，缺乏表達能力，無法處理手術不可預測的性質。與之形成鮮明對比的是，SRT-H是為更具動態的環境而建造的。 “我們目前的工作更加靈活。這是一種從演示中學習的AI。 ” SRT-H沒有通過觀察人類的示範來獲得其複雜的操縱技巧，而不是明確編程。這使AI可以處理會混淆預編程機器的解剖學和組織的自然變化，這代表了AI外科醫生內部從簡單的自動化到手術室中的真正機器智能的基本移動。 href=“ https://h-surgical-robot-transformer.github.io/” target=“ _ blank”>複雜的，兩層的體系結構，模仿了一個協作團隊。它採用基於變壓器模型的高級語言政策，該政策充當“大腦”。該計劃者分析視頻提要以製定策略，以自然語言發出任務級指令。這與低級策略配對，將這些命令轉化為機器人手臂的精確，物理運動。
此層次結構設計對於解決長而復雜的過程至關重要。它允許系統將17步膽囊切除術分解為可管理的任務，例如抓握，剪裁和切割。更重要的是，它具有至關重要的能力:自我糾正。如果低級策略犯了一個錯誤，例如缺少掌握，那麼高級規劃師會發現錯誤並發出糾正措施以恢復，從專業培訓數據中學到的技能。在試驗中，每個手術平均進行了六個這樣的校正，在沒有人類幫助的情況下證明了出色的表現。
Axel Krieger是Johns Hopkins的機械工程學教授，強調了該系統在該領域的獨特地位。 “ SRT-H的特殊之處在於，這是第一個在使用標準手術機器人Da Vinci的同時，是第一個自治的機器人手術系統。 “這種在廣泛部署的平台上運行的能力，擁有超過10,000個醫院單位，可以顯著加速其臨床相關性和採用的道路。
在更廣泛的醫療AI競賽中是一個手術的里程碑
這種手術性的突破性，伊斯蘭不適合伊斯蘭（Is），這是伊斯蘭（Is ai）的興趣，這是伊斯蘭（Is for）的範圍。自動化行政任務以解決核心臨床問題。科技巨頭越來越多地爭奪用於高級診斷和治療的系統，為SRT-H成就創造了豐富而競爭的環境。
就在上個月，微軟聲稱其MAI-DXO系統可以診斷出比人類醫生更準確的複雜醫療病例。該系統對充滿挑戰的案例研究進行了評估，其精度達到85.5％，而一組醫生的精度僅為20％。 Microsoft AI的首席執行官Mustafa Suleyman大膽地表示:“ Microsoft邁出了邁向醫療超級智能的真正一步。 ”
這種診斷工具是Microsoft的更廣泛戰略推動的一部分，它包括Gigapath for Gigapath for Pathology for Pathology for Pathology and Dragon Copilot for Clinical Docuction的平台。但是，微軟並不孤單。 Google正在通過其Alphafold項目進行基礎科學，並與HCA Healthcare有關WorkFlow Automation的Healthcare合作，而OpenAI則吸引了FDA使用AI來簡化藥物評估。
在這些雄心勃勃的主張中，2025年3月的2025年Osaka University的元分析提供了對當前景觀的更多評估。對自然界發表的評論發表了83項研究發現，雖然診斷性AI變得強大，但它仍然遠遠落後於人類專家。正如研究員Hirotaka Takita博士所指出的那樣，“這項研究表明，生成的AI診斷能力與非專業醫生相當。 ”
從實驗室到手術室到手術室到手術室
的道路，儘管從實驗室到實驗室的過渡到實驗室的過渡到現場臨床持續的良好的設置，但它是臨床臨床師生的重要結果。現實世界中的手術涉及復雜性，例如出血，不可預測的組織運動和呼吸運動，這些運動在離體測試中未完全複製。此外，當前的硬件配置，尤其是腕相機，可能不適合標準的腹腔鏡端口，這是最小入侵性程序的關鍵要求。
研究人員承認這些挑戰並提出了前進的道路。他們認為，如果將這些變量納入將來的培訓數據，該系統可以適應運動和血液。對於硬件問題，他們指出，現代的次數攝像機可以集成到外科工具中。為了解決霧或血液中潛在的鏡頭遮擋，他們建議採用現有的解決方案，例如抗霧化藥物或機器人范圍清潔劑。
在技術之外，部署途徑充滿了道德和實際考慮，尤其是圍繞數據隱私和安全。培訓醫學AI所需的巨大數據集是引起公眾關注的重要來源，這是關於將NHS患者數據用於培訓模型的爭議所強調的。隨著這些系統變得更加自主，確保其行動是透明，可以解釋和安全的。
最終，SRT-H的開發不僅是要實現技術自治，還涉及建立信任。研究人員強調，他們的目標是增加外科醫生，而不是取代他們。該系統旨在支持人類專家的實時語言干預措施，將其作為減輕疲勞和標準化護理標準化的工具，這是獲得臨床醫生和患者接受的關鍵步驟。