Forskere ved Johns Hopkins University har utviklet en ny AI som autonomt kan utføre komplekse kirurgiske trinn, en milepæl som skyver grensene for automatisering i medisin. Systemet, kalt den hierarkiske kirurgiske robottransformatoren (SRT-h), ledet vellykket en standard Detaljert i et papir fra juli 2025 Publisert i Science Robotics oppnådde AI en 100% suksessrate over åtte usett piggergallblader. I motsetning til forgjengerne, lærer SRT-H ved å observere menneskelige eksperter og kan rette opp sine egne feil i sanntid, et betydelig sprang fra stive, forhåndsprogrammerte robotsystemer.
Prestasjonssignalene signaliserer et skifte mot mer intelligente og tilpasningsdyktige kirurgiske verktøy. Det endelige målet, sier forskere, er ikke å erstatte kirurger, men å øke deres evner, forbedre prosessuell konsistens og potensielt exped to high-robot-surgery/”Target=”. src=”https://winbuzzer.com/wp-content/uploads/2025/07/surgical-robot-transformer-ssrt-h-ai-robot—-urgery-johns-hopkins.jpg”
fra stigid programmer til fleksibel læring
smart vevs autonom robot (stjerne) i 2022 , viste at han ble løftet på en levende robot (stjerne) i 2022 , viste at han var tomt på Imidlertid opererte disse systemene under sterkt kontrollerte forhold, og krever ofte spesielle fluorescerende markører for å spore og stole på stive, forhåndsprogrammerte planer som manglet tilpasningsevne.
Ji Woong Kim, en robotforsker ved Johns Hopkins, fremhevet ufleksibiliteten til disse eldre, logiske baserte metodene.”Programmet fortalte roboten nøyaktig hvordan de skulle bevege seg og hva de skulle gjøre. Det fungerte som i disse Kuka-robotarmene, sveisebiler på fabrikkgulv.”
Denne tilnærmingen, som stolte på håndlagde statsmaskiner, manglet ekspressiviteten for å håndtere den uforutsigbare karakteren av operasjonen. I sterk kontrast er SRT-H bygget for et mer dynamisk miljø.”Vårt nåværende arbeid er mye mer fleksibelt. Det er en AI som lærer av demonstrasjoner,”la Kim til.
Dette skiftet til imitasjonslæring er systemets kjerneinnovasjon. I stedet for å bli eksplisitt programmert for enhver beredskap, tilegner SRT-H sine sofistikerte manipulasjonsevner ved å observere menneskelige demonstrasjoner.
Som et resultat krever det ingen spesielle inventar, sporingsmarkører eller tilpassede kirurgiske enheter. Dette gjør at AI kan håndtere naturlige variasjoner i anatomi og vev som vil forvirre en forhåndsprogrammert maskin, og representerer et grunnleggende trekk fra enkel automatisering til ekte maskinintelligens i operasjonsrommet.
inne i AI-kirurgen: et hierarkisk tilnærming
SRT-h-S-S-S-system href=”https://h-urgical-robot-ransformer.github.io/”target=”_ blank”> sofistikert, to-lags arkitektur , som etterligner et samarbeidsteam. Den bruker en språkpolitikk på høyt nivå, bygget på en transformatormodell, som fungerer som”hjernen.”Denne planleggeren analyserer video feeds for å utforme en strategi og utstede instruksjoner på oppgavenivå på naturlig språk. Dette er sammenkoblet med en politikk på lavt nivå som oversetter disse kommandoene til presise, fysiske bevegelser for robotens armer.
Denne hierarkiske designen er avgjørende for å takle lange og komplekse prosedyrer. Det gjør at systemet kan dele ned en 17-trinns kolecystektomi i håndterbare oppgaver som å ta tak, klipping og skjære. Enda viktigere er at det muliggjør en viktig evne: selvkorreksjon. Hvis policyen på lavt nivå gjør en feil, som å savne et grep, oppdager planleggeren på høyt nivå feilen og utsteder en korrigerende instruksjon for å komme seg, en ferdighet lært fra spesialiserte treningsdata . I forsøk var det i gjennomsnitt seks slike korreksjoner per prosedyre, og demonstrerte robust ytelse uten menneskelig hjelp.
Axel Krieger, professor i maskinteknikk ved Johns Hopkins, la vekt på systemets unike posisjon i feltet.”Det som er spesielt med SRT-H, er at det er det første robotkirurgiske systemet som er så autonome mens du fremdeles bruker en standard kirurgisk robot, Da Vinci.”Denne muligheten til å operere på en bredt utplassert plattform, med over 10.000 enheter på sykehus, kunne betydelig akselerere veien mot klinisk relevans og adopsjon.
En kirurgisk milepæl i den bredere medisinske AI-rasen Denne kirurgiske gjennombruddet kommer til å være en wider-administrasjon av AiS i helsetilen til å fokusere til å fokusere til å fokusere til å fokusere til å fokusere til å fokusere til å fokusere. Å takle kjerne kliniske problemer. Tekniske giganter konkurrerer i økende grad om å utvikle systemer for avansert diagnostikk og behandling, og skaper en rik og konkurransedyktig kontekst for SRT-H-prestasjonen.
Bare forrige måned hevdet Microsoft at MAI-DXO-systemet kunne diagnostisere komplekse medisinske tilfeller med langt større nøyaktighet enn menneskelige leger. Evaluert mot utfordrende casestudier oppnådde systemet en nøyaktighetsgrad på 85,5%, sammenlignet med bare 20% for et panel av leger. Microsoft AIs administrerende direktør, Mustafa Suleyman, uttalte frimodig:”Microsoft har tatt et ekte skritt mot medisinsk superintelligens.”
Dette diagnostiske verktøyet er en del av et bredere strategisk press fra Microsoft, som inkluderer plattformer som Gigapath for patologi og drage-kopilot for klinisk dokumentasjon. Microsoft er imidlertid ikke alene. Google forfølger grunnvitenskap med sitt Alphafold-prosjekt og samarbeider med HCA Healthcare på arbeidsflytautomatisering, mens Openai engasjerer FDA på å bruke AI for å effektivisere medikamentvurdering.
Midt i disse ambisiøse påstandene ga en marsj 2025 metaanalyse fra Osaka-universitetet en mer SOBOBOBE av den nåværende landsbygdaanalysen fra Osaka University ga en mer SoBoB-vurdering av den nåværende metaanalysen fra Osaka-universitetet. Publisert i Nature, og gjennomgangen av 83 studier fant at mens diagnostisk AI blir mektig, henger den fortsatt betydelig bak menneskelige spesialister. Som hovedforsker Dr. Hirotaka Takita bemerket,”Denne forskningen viser at generative AIs diagnostiske evner er sammenlignbare med ikke-spesialistiske leger.”
til tross for laboratoriet til operasjonsrommet
til tross for de imponerende resultatene. Den virkelige verdenskirurgi involverer kompleksiteter som blødning, uforutsigbar vevsbevegelse og pustebevegelser, som ikke var fullstendig replikert i ex vivo-testene. Videre vil den nåværende maskinvarekonfigurasjonen, spesielt håndledds kameraene, sannsynligvis ikke passe gjennom standard laparoskopiske porter, et sentralt krav for minimalt invasive prosedyrer.
Forskerne erkjenner disse utfordringene og foreslår en vei fremover. De mener systemet kan tilpasse seg bevegelse og blod hvis disse variablene er integrert i fremtidige treningsdata. For maskinvareproblemer bemerker de at moderne kameraer under millimeter kan integreres i kirurgiske verktøy. For å adressere potensielle linser okklusjoner fra tåke eller blod, foreslår de å ta i bruk eksisterende løsninger som anti-fargemidler eller robotomfangsrensere.
Utover det tekniske, er veien til distribusjon full av etiske og praktiske hensyn, spesielt rundt datapersonvernet og sikkerhet. De enorme datasettene som kreves for å trene medisinsk AI er en kilde til betydelig offentlig bekymring, som fremhevet av kontroverser om bruk av NHS-pasientdata for treningsmodeller. Etter hvert som disse systemene blir mer autonome, er det å sikre at deres handlinger er gjennomsiktige, forklarbare og trygge er avgjørende.
Til slutt handler ikke utviklingen av SRT-H om å oppnå teknisk autonomi, men også om å bygge tillit. Forskerne understreker at målet deres er å øke kirurger, ikke erstatte dem. Systemet er designet for å støtte sanntidsspråkinngrep fra menneskelige eksperter, innramming av det som et verktøy for å redusere tretthet og standardisere omsorg, et avgjørende skritt for å få aksept fra både klinikere og pasienter.