Forskare vid Johns Hopkins University har utvecklat en ny AI som autonomt kan utföra komplexa kirurgiska steg, en milstolpe som driver gränserna för automatisering inom medicin. Systemet, kallat den hierarkiska kirurgiska robottransformatorn (SRT-h), ledde framgångsrikt en standard da vinci kirurgical robot genom en gallble-remtder remtder remtder remptur in incin a/p test. href=”https://arxiv.org/abs/2505.10251v3″Target=”_ blank”> Detaljerade i ett papper i juli 2025 Publicerad i Science Robotics, AI uppnådde en 100% framgångsrate över åtta osynliga porcine gallbladders. Till skillnad från sina föregångare lär sig SRT-H genom att observera mänskliga experter och kan korrigera sina egna misstag i realtid, ett betydande språng från styva, förprogrammerade robotsystem.
Prestationssignalerna en skift mot mer intelligenta och anpassningsbara kirurgiska verktyg. Det ultimata målet, säger forskare, är inte att ersätta kirurger utan att öka deras förmågor, förbättra procedurkonsistensen och potentiellt Expand till high-care
From Rigid Programs to Flexible Learning
The new system represents a clear evolution in surgical robotics, Flytta avgörande utöver begränsningarna för sina föregångare. Tidigare försök till automatisering, till exempel universitetets egna Smart Tissue autonomous robot (Star) i 2022 , visade promise genom att utföra en Living. Dessa system fungerade emellertid under mycket kontrollerade förhållanden, ofta krävde speciella fluorescerande markörer för att spåra och förlita sig på styva, förprogrammerade planer som saknade anpassningsförmåga.
ji Woong Kim, en robotforskare vid Johns Hopkins, framhöll oflexibiliteten hos dessa äldre, logikbaserade metoder.”Programmet berättade för roboten exakt hur man rör sig och vad man skulle göra. Det fungerade som i dessa Kuka-robotarmar, svetsade bilar på fabriksgolv.”
Detta tillvägagångssätt, som förlitade sig på handgjorda statsmaskiner, saknade uttrycksfullheten för att hantera den oförutsägbara naturen av operationen. I skarp kontrast är SRT-H byggd för en mer dynamisk miljö.”Vårt nuvarande arbete är mycket mer flexibelt. Det är en AI som lär sig av demonstrationer,”tilllade Kim.
Denna övergång till imitationslärande är systemets kärninnovation. Istället för att uttryckligen programmeras för varje beredskap, förvärvar SRT-H sina sofistikerade manipulationsförmågor genom att observera mänskliga demonstrationer.
Som ett resultat kräver det inga speciella fixturer, spårningsmarkörer eller anpassade kirurgiska apparater. This allows the AI to handle natural variations in anatomy and tissue that would confound a pre-programmed machine, representing a fundamental move from simple automation to genuine machine intelligence in the operating room.
Inside the AI Surgeon: A Hierarchical Approach
The SRT-H system’s success lies in its sofistikerad, tvåskiktsarkitektur , som efterliknar ett samarbetsgrupp. Den använder en språkpolicy på hög nivå, byggd på en transformatormodell, som fungerar som”hjärnan”. Denna planerare analyserar videoflöden för att utforma en strategi och utfärda instruktioner på uppgiftsnivå på naturligt språk. Detta är i par med en policy på låg nivå som översätter dessa kommandon till exakta, fysiska rörelser för robotens armar.
Denna hierarkiska design är avgörande för att hantera långa och komplexa procedurer. Det gör att systemet kan bryta ner en 17-stegs kolecystektomi i hanterbara uppgifter som att ta tag i, klippa och klippa. Ännu viktigare är att det möjliggör en viktig förmåga: självkorrigering. Om policyn på låg nivå gör ett misstag, som att sakna ett grepp, upptäcker planeraren på hög nivå felet och utfärdar en korrigerande instruktion för att återhämta sig, En färdighet som lärt sig från specialiserade träningsdata . I studier var det i genomsnitt sex sådana korrigeringar per förfarande och visade robust prestanda utan mänsklig hjälp.
Axel Krieger, professor i maskinteknik vid Johns Hopkins, betonade systemets unika position inom området.”Det som är speciellt med SRT-H är att det är det första robotkirurgisystemet som är så autonomt medan han fortfarande använder en standardkirurgisk robot, Da Vinci.”This ability to operate on a widely deployed platform, with over 10,000 units in hospitals, could significantly accelerate its path toward clinical relevance and adoption.
A Surgical Milestone in the Broader Medical AI Race
This surgical breakthrough arrives amidst a wider explosion of AI in healthcare, where the focus is rapidly shifting from Automatisering av administrativa uppgifter för att hantera kliniska problem med kärnor. Tekniska jättar tävlar alltmer för att utveckla system för avancerad diagnostik och behandling, vilket skapar ett rikt och konkurrenskraftigt sammanhang för SRT-H-prestationen.
Just förra månaden, hävdade Microsoft att dess MAI-DXO-system kunde diagnostisera komplexa medicinska fall med mycket större noggrannhet än mänskliga fysiker. Utvärderat mot utmanande fallstudier uppnådde systemet en 85,5% noggrannhetsgrad, jämfört med bara 20% för en panel av läkare. Microsoft AI: s VD, Mustafa Suleyman, uttalade djärvt,”Microsoft har tagit ett genuint steg mot medicinsk superintelligens.”
Detta diagnostiska verktyg är en del av en bredare strategisk push av Microsoft, som innehåller plattformar som Gigapath för patologi och drake copilot för klinisk dokumentation. Microsoft är dock inte ensam. Google bedriver grundläggande vetenskap med sitt AlphaFold-projekt och samarbetar med HCA Healthcare om arbetsflödesautomation, medan OpenAI engagerar FDA med att använda AI för att effektivisera läkemedelsutvärdering.
Mitt i dessa ambitiösa påståenden, en metaanalys i mars 2025 från Osaka-universitetet gav en mer nybörjad bedömning av det aktuella landskapet. Publicerad i naturen fann granskningen av 83 studier att medan diagnostisk AI blir kraftfull, ligger den fortfarande avsevärt bakom mänskliga specialister. Som ledande forskare Dr. Hirotaka Takita noterade:”Denna forskning visar att generativ AI: s diagnostiska förmågor är jämförbara med icke-specialistiska läkare.”
Banan från laboratoriet till operativrummet
trots de imponerande resultaten, övergången från laboratoriet till live kliniska kliniska presenter. Verklig kirurgi involverar komplexiteter som blödning, oförutsägbar vävnadsrörelse och andningsrörelser, som inte helt replikerades i ex vivo-testerna. Vidare skulle den aktuella hårdvarukonfigurationen, särskilt handledskamerorna, troligen inte passa igenom standard laparoskopiska portar, ett viktigt krav för minimalt invasiva procedurer.
Forskarna erkänner dessa utmaningar och föreslår en väg framåt. De tror att systemet kan anpassa sig till rörelse och blod om dessa variabler är integrerade i framtida träningsdata. För hårdvaruproblem noterar de att moderna, undermillimeterkameror kan integreras i kirurgiska verktyg. För att ta itu med potentiella linscclusioner från dimma eller blod föreslår de att man antar befintliga lösningar som anti-dimma-medel eller robotens rensare. De enorma datasätten som krävs för att utbilda medicinsk AI är en källa till betydande allmänhetens oro, vilket framhävs av kontroverser om användning av NHS-patientdata för träningsmodeller. När dessa system blir mer autonoma, är det inte bara att uppnå teknisk autonomi, att säkerställa att deras handlingar är transparenta, förklarbara och säkra. Forskarna betonar att deras mål är att förstärka kirurger, inte ersätta dem. Systemet är utformat för att stödja språkinterventioner i realtid från mänskliga experter, inrama det som ett verktyg för att minska trötthet och standardisera vård, ett avgörande steg för att få acceptans från både kliniker och patienter.
