Οι ερευνητές στο Πανεπιστήμιο Johns Hopkins έχουν αναπτύξει ένα νέο AI που μπορεί να εκτελέσει αυτόνομα σύνθετα χειρουργικά βήματα, ένα ορόσημο που ωθεί τα όρια της αυτοματοποίησης στην ιατρική. Το σύστημα, που ονομάζεται Μετασχηματιστής Ιεραρχικού Χειρουργικού Ρομπότ (SRT-H), καθοδήγησε με επιτυχία ένα πρότυπο da vinci surgical robot href=”https://arxiv.org/abs/2505.10251v3″target=”_ blank”> Λεπτομερής σε χαρτί του Ιουλίου 2025 που δημοσιεύθηκε στην Science Robotics, το AI πέτυχε ένα ποσοστό επιτυχίας 100% σε οκτώ αόρατες χοιρινές χάλυβα. Σε αντίθεση με τους προκατόχους του, η SRT-H μαθαίνει με την παρατήρηση των ανθρώπινων εμπειρογνωμόνων και μπορεί να διορθώσει τα δικά του λάθη σε πραγματικό χρόνο, ένα σημαντικό άλμα από τα αυστηρά, προ-προγραμματισμένα ρομποτικά συστήματα. Ο απώτερος στόχος, λένε οι ερευνητές, δεν είναι να αντικαταστήσουν τους χειρουργούς, αλλά να αυξήσουν τις ικανότητές τους, να βελτιώσουν τη διαδικαστική συνέπεια και ενδεχομένως Το αυτόνομο ρομπότ ιστών (Star) στο 2022 , Ωστόσο, αυτά τα συστήματα λειτουργούσαν υπό εξαιρετικά ελεγχόμενες συνθήκες, που συχνά απαιτούν ειδικούς φθορίζοντες δείκτες για την παρακολούθηση και βασίζοντας σε άκαμπτα, προ-προγραμματισμένα σχέδια που δεν είχαν προσαρμοστικότητα.”Το πρόγραμμα είπε στο ρομπότ ακριβώς πώς να κινηθεί και τι να κάνει, λειτούργησε όπως σε αυτά τα ρομποτικά όπλα Kuka, συγκόλληση αυτοκινήτων σε εργοστασιακά δάπεδα.”Αυτή η προσέγγιση, η οποία βασίστηκε σε χειροποίητες κρατικές μηχανές, δεν διέθετε την εκφραστικότητα για να χειριστεί την απρόβλεπτη φύση της χειρουργικής επέμβασης. Σε έντονη αντίθεση, το SRT-H είναι κατασκευασμένο για ένα πιο δυναμικό περιβάλλον.”Η τρέχουσα δουλειά μας είναι πολύ πιο ευέλικτη. Είναι ένα AI που μαθαίνει από τις διαδηλώσεις”, πρόσθεσε ο Kim. Αντί να προγραμματίζεται ρητά για κάθε έκτακτη ανάγκη, το SRT-H αποκτά τις εξελιγμένες δεξιότητές του χειρισμού, παρατηρώντας τις ανθρώπινες διαδηλώσεις. Ως αποτέλεσμα, δεν απαιτεί ειδικά φωτιστικά, δείκτες παρακολούθησης ή προσαρμοσμένες χειρουργικές συσκευές. Αυτό επιτρέπει στο AI να χειριστεί τις φυσικές παραλλαγές στην ανατομία και τον ιστό που θα συγχέουν μια προ-προγραμματισμένη μηχανή, που αντιπροσωπεύει μια θεμελιώδη κίνηση από την απλή αυτοματοποίηση σε γνήσια νοημοσύνη στο χειρουργείο. href=”https://h-surgical-robot-transformer.github.io/”target=”_ blank”> εξελιγμένη, δύο βαθμίδες αρχιτεκτονική , η οποία μιμείται μια συνεργατική ομάδα. Χρησιμοποιεί μια γλωσσική πολιτική υψηλού επιπέδου, βασισμένη σε μοντέλο μετασχηματιστή, που λειτουργεί ως”εγκέφαλος”. Αυτός ο προγραμματιστής αναλύει τις τροφοδοσίες βίντεο για να σχεδιάσει μια στρατηγική, εκδίδοντας οδηγίες σε επίπεδο εργασιών στη φυσική γλώσσα. Αυτό συνδυάζεται με μια πολιτική χαμηλού επιπέδου που μεταφράζει αυτές τις εντολές σε ακριβή, φυσικά κινήματα για τα όπλα του ρομπότ.
Αυτός ο ιεραρχικός σχεδιασμός είναι ζωτικής σημασίας για την αντιμετώπιση μακρών και σύνθετων διαδικασιών. Επιτρέπει στο σύστημα να διασπάσει μια χολοκυστοεκτομή 17 βημάτων σε διαχειρίσιμα καθήκοντα, όπως πιάσιμο, αποκοπή και κοπή. Το πιο σημαντικό είναι ότι επιτρέπει μια ζωτική ικανότητα: αυτο-διόρθωση. Εάν η πολιτική χαμηλού επιπέδου κάνει ένα λάθος, όπως λείπει μια κατανόηση, ο προγραμματιστής υψηλού επιπέδου ανιχνεύει το σφάλμα και εκδίδει μια διορθωτική εντολή για την ανάκτηση, Μια ικανότητα που έμαθε από εξειδικευμένα δεδομένα κατάρτισης . Σε δοκιμές, κατά μέσο όρο έξι τέτοιες διορθώσεις ανά διαδικασία, αποδεικνύοντας ισχυρή απόδοση χωρίς ανθρώπινη βοήθεια.”Αυτό που είναι ιδιαίτερο για το SRT-H είναι ότι είναι το πρώτο ρομποτικό σύστημα χειρουργικής επέμβασης για να είναι αυτό το αυτόνομο, ενώ εξακολουθεί να χρησιμοποιεί ένα τυπικό χειρουργικό ρομπότ, το Da Vinci.”Αυτή η ικανότητα να λειτουργεί σε μια ευρέως αναπτυγμένη πλατφόρμα, με πάνω από 10.000 μονάδες στα νοσοκομεία, θα μπορούσε να επιταχύνει σημαντικά την πορεία του προς την κλινική σημασία και την υιοθέτηση. Διοικητικά καθήκοντα για την αντιμετώπιση των βασικών κλινικών προβλημάτων. Οι τεχνολογικοί γίγαντες ανταγωνίζονται όλο και περισσότερο για την ανάπτυξη συστημάτων για προηγμένα διαγνωστικά και θεραπεία, δημιουργώντας ένα πλούσιο και ανταγωνιστικό πλαίσιο για το επίτευγμα SRT-H. Μόλις τον περασμένο μήνα, η Microsoft ισχυρίστηκε ότι το σύστημα Mai-DXO θα μπορούσε να διαγνώσει σύνθετες ιατρικές περιπτώσεις με πολύ μεγαλύτερη ακρίβεια από τους ανθρώπινους γιατρούς. Αξιολογήθηκε κατά των προκλητικών περιπτωσιολογικών μελετών, το σύστημα πέτυχε ποσοστό ακρίβειας 85,5%, σε σύγκριση με μόλις 20% για μια ομάδα γιατρών. Ο Διευθύνων Σύμβουλος της Microsoft AI, Mustafa Suleyman, δήλωσε με τόλμη:”Η Microsoft έχει κάνει ένα πραγματικό βήμα προς την ιατρική υπερνθυρία.”
Ωστόσο, η Microsoft δεν είναι μόνη. Η Google επιδιώκει θεμελιώδη επιστήμη με το έργο AlphaFold και συνεργάζεται με την HCA Healthcare για την αυτοματοποίηση της ροής εργασίας, ενώ η OpenAI εμπλέκεται στο FDA για τη χρήση του AI για τον εξορθολογισμό της αξιολόγησης των φαρμάκων. Δημοσιεύθηκε στη φύση, η ανασκόπηση 83 μελετών διαπίστωσε ότι ενώ το διαγνωστικό AI γίνεται ισχυρή, εξακολουθεί να υστερεί σημαντικά πίσω από τους ανθρώπινους ειδικούς. Όπως σημείωσε ο επικεφαλής ερευνητής Dr. Hirotaka Takita,”Η έρευνα αυτή δείχνει ότι οι διαγνωστικές δυνατότητες του AI είναι συγκρίσιμες με τους μη ειδικούς γιατρούς.”Η χειρουργική επέμβαση πραγματικού κόσμου περιλαμβάνει πολυπλοκότητες όπως αιμορραγία, απρόβλεπτη κίνηση ιστού και κινήσεις αναπνοής, οι οποίες δεν επαναλήφθηκαν πλήρως στις δοκιμές ex νίνο. Επιπλέον, η τρέχουσα διαμόρφωση υλικού, ιδιαίτερα οι κάμερες καρπού, πιθανότατα δεν θα ταιριάζει μέσω των τυποποιημένων λαπαροσκοπικών θυρών, μια βασική απαίτηση για ελάχιστα επεμβατικές διαδικασίες.
Οι ερευνητές αναγνωρίζουν αυτές τις προκλήσεις και προτείνουν μια πορεία προς τα εμπρός. Πιστεύουν ότι το σύστημα μπορεί να προσαρμοστεί στην κίνηση και το αίμα εάν αυτές οι μεταβλητές ενσωματωθούν σε μελλοντικά δεδομένα κατάρτισης. Για θέματα υλικού, σημειώνουν ότι οι σύγχρονες κάμερες υπο-χιλιοστών θα μπορούσαν να ενσωματωθούν σε χειρουργικά εργαλεία. Για την αντιμετώπιση των πιθανών φακών από την ομίχλη ή το αίμα, προτείνουν να υιοθετήσουν υπάρχουσες λύσεις όπως παράγοντες αντι-fogging ή καθαριστικά ρομποτικής εμβέλειας. Τα τεράστια σύνολα δεδομένων που απαιτούνται για την εκπαίδευση του ιατρικού AI αποτελούν πηγή σημαντικής δημόσιας ανησυχίας, όπως επισημαίνονται από διαμάχες σχετικά με τη χρήση δεδομένων ασθενών NHS για μοντέλα κατάρτισης. Καθώς αυτά τα συστήματα γίνονται πιο αυτόνομα, η διασφάλιση ότι οι ενέργειές τους είναι διαφανείς, εξηγούμενες και ασφαλείς είναι πρωταρχικές. Οι ερευνητές υπογραμμίζουν ότι ο στόχος τους είναι να αυξήσουν τους χειρουργούς, να μην τους αντικαταστήσουν. Το σύστημα έχει σχεδιαστεί για να υποστηρίζει γλωσσικές παρεμβάσεις σε πραγματικό χρόνο από ανθρώπινους εμπειρογνώμονες, να το πλαισιώσει ως εργαλείο για τη μείωση της κόπωσης και την τυποποίηση της φροντίδας, ένα κρίσιμο βήμα για την απόκτηση αποδοχής τόσο από τους κλινικούς όσο και για τους ασθενείς.