นักวิจัยที่มหาวิทยาลัย Johns Hopkins ได้พัฒนา AI ใหม่ที่สามารถทำตามขั้นตอนการผ่าตัดที่ซับซ้อนได้อย่างอิสระซึ่งเป็นเหตุการณ์สำคัญที่ผลักดันขอบเขตของระบบอัตโนมัติในการแพทย์ ระบบที่เรียกว่าหม้อแปลงหุ่นยนต์ผ่าตัดแบบลำดับชั้น (SRT-H) ประสบความสำเร็จในการชี้นำมาตรฐาน รายละเอียดในกระดาษกรกฎาคม 2025 ตีพิมพ์ในหุ่นยนต์วิทยาศาสตร์ AI ได้รับอัตราความสำเร็จ 100% ในแปด ซึ่งแตกต่างจากรุ่นก่อน SRT-H เรียนรู้โดยการสังเกตผู้เชี่ยวชาญของมนุษย์และสามารถแก้ไขข้อผิดพลาดของตัวเองในแบบเรียลไทม์การก้าวกระโดดที่สำคัญจากระบบหุ่นยนต์ที่มีการตั้งโปรแกรมไว้ล่วงหน้า
ความสำเร็จส่งสัญญาณไปสู่เครื่องมือผ่าตัดที่ชาญฉลาด เป้าหมายสูงสุดนักวิจัยกล่าวว่าไม่ได้แทนที่ศัลยแพทย์ แต่เพื่อเพิ่มความสามารถของพวกเขาปรับปรุงความสอดคล้องของขั้นตอนและอาจเป็น เนื้อเยื่อสมาร์ท อย่างไรก็ตามระบบเหล่านี้ดำเนินการภายใต้สภาวะที่มีการควบคุมสูงมักจะต้องใช้เครื่องหมายฟลูออเรสเซนต์พิเศษสำหรับการติดตามและพึ่งพาแผนการที่มีการตั้งโปรแกรมไว้ล่วงหน้าซึ่งขาดความสามารถในการปรับตัว
Ji Woong Kim นักวิจัยหุ่นยนต์ที่ Johns Hopkins “ โปรแกรมบอกหุ่นยนต์อย่างแน่นอนว่าจะย้ายและทำอย่างไรมันทำงานได้ในแขนหุ่นยนต์ Kuka เหล่านี้เชื่อมต่อรถยนต์บนพื้นโรงงาน”
วิธีการนี้ซึ่งอาศัยเครื่องจักรของรัฐที่สร้างขึ้นด้วยมือขาดการแสดงออกเพื่อจัดการกับธรรมชาติของการผ่าตัดที่คาดเดาไม่ได้ ในทางตรงกันข้ามอย่างสิ้นเชิง SRT-H ถูกสร้างขึ้นสำหรับสภาพแวดล้อมแบบไดนามิกมากขึ้น “ งานปัจจุบันของเรามีความยืดหยุ่นมากขึ้นมันเป็น AI ที่เรียนรู้จากการสาธิต” คิมกล่าวเสริม
การเปลี่ยนไปสู่การเรียนรู้การเลียนแบบนี้เป็นนวัตกรรมหลักของระบบ แทนที่จะได้รับการตั้งโปรแกรมอย่างชัดเจนสำหรับทุกสิ่งฉุกเฉิน SRT-H ได้รับทักษะการจัดการที่ซับซ้อนโดยการสังเกตการสาธิตของมนุษย์
เป็นผลให้ไม่มีการติดตั้งพิเศษการติดตามเครื่องหมายหรืออุปกรณ์ผ่าตัดแบบกำหนดเอง สิ่งนี้ช่วยให้ AI สามารถจัดการกับความแปรปรวนตามธรรมชาติในกายวิภาคศาสตร์และเนื้อเยื่อที่จะทำให้เครื่องจักรที่ตั้งโปรแกรมไว้ล่วงหน้าซึ่งเป็นตัวแทนของการย้ายขั้นพื้นฐานจากระบบอัตโนมัติอย่างง่ายไปจนถึงหน่วยสืบราชการลับของเครื่องจักรของแท้ในห้องผ่าตัด
ภายในศัลยแพทย์ AI ของ AI href=”https://h-surgical-robot-transformer.github.io/”target=”_ blank”> สถาปัตยกรรมสองชั้นที่ซับซ้อน ซึ่งเลียนแบบทีมงานร่วมกัน มันใช้นโยบายภาษาระดับสูงที่สร้างขึ้นบนโมเดลหม้อแปลงซึ่งทำหน้าที่เป็น”สมอง”ผู้วางแผนนี้วิเคราะห์ฟีดวิดีโอเพื่อกำหนดกลยุทธ์ออกคำแนะนำระดับงานในภาษาธรรมชาติ สิ่งนี้ถูกจับคู่กับนโยบายระดับต่ำที่แปลคำสั่งเหล่านั้นให้เป็นการเคลื่อนไหวที่แม่นยำและทางกายภาพสำหรับแขนของหุ่นยนต์
การออกแบบลำดับชั้นนี้มีความสำคัญสำหรับการจัดการขั้นตอนที่ยาวนานและซับซ้อน ช่วยให้ระบบสามารถแยกการผ่าตัดถุงน้ำดี 17 ขั้นตอนออกเป็นงานที่จัดการได้เช่นการจับการตัดและการตัด ที่สำคัญกว่านั้นคือความสามารถที่สำคัญ: การแก้ไขด้วยตนเอง หากนโยบายระดับต่ำทำผิดพลาดเช่นการพลาดการจับผู้วางแผนระดับสูงจะตรวจพบข้อผิดพลาดและปัญหาคำสั่งแก้ไขเพื่อกู้คืน ทักษะที่เรียนรู้จากข้อมูลการฝึกอบรมเฉพาะ
Axel Krieger ศาสตราจารย์ด้านวิศวกรรมเครื่องกลที่ Johns Hopkins เน้นตำแหน่งที่เป็นเอกลักษณ์ของระบบในสนาม “ สิ่งที่พิเศษเกี่ยวกับ SRT-H คือมันเป็นระบบการผ่าตัดหุ่นยนต์แรกที่เป็นอิสระในขณะที่ยังคงใช้หุ่นยนต์ผ่าตัดมาตรฐาน Da Vinci” ความสามารถในการใช้งานบนแพลตฟอร์มที่มีการปรับใช้อย่างกว้างขวางโดยมีมากกว่า 10,000 หน่วยในโรงพยาบาลสามารถเร่งเส้นทางไปสู่ความเกี่ยวข้องทางคลินิกและการยอมรับได้อย่างมีนัยสำคัญ
การผ่าตัดครั้งสำคัญในการสำรวจการเกิดการสำรวจ งานเพื่อแก้ไขปัญหาทางคลินิกหลัก ยักษ์ใหญ่ด้านเทคโนโลยีกำลังแข่งขันกันมากขึ้นเพื่อพัฒนาระบบสำหรับการวินิจฉัยและการรักษาขั้นสูงสร้างบริบทที่หลากหลายและแข่งขันได้สำหรับความสำเร็จ SRT-H
เมื่อเดือนที่แล้ว Microsoft อ้างว่าระบบ MAI-DXO สามารถวินิจฉัยกรณีทางการแพทย์ที่ซับซ้อนซึ่งมีความแม่นยำสูงกว่าแพทย์มนุษย์ ประเมินกรณีศึกษาที่ท้าทายระบบได้รับอัตราความแม่นยำ 85.5% เมื่อเทียบกับเพียง 20% สำหรับคณะแพทย์ Mustafa Suleyman ซีอีโอของ Microsoft AI กล่าวอย่างกล้าหาญ“ Microsoft ได้ก้าวไปสู่การแพทย์อย่างแท้จริง”
เครื่องมือวินิจฉัยนี้เป็นส่วนหนึ่งของการผลักดันเชิงกลยุทธ์ที่กว้างขึ้นโดย Microsoft ซึ่งรวมถึงแพลตฟอร์มเช่น Gigapath สำหรับพยาธิวิทยา อย่างไรก็ตาม Microsoft ไม่ได้อยู่คนเดียว Google กำลังดำเนินการวิทยาศาสตร์พื้นฐานด้วยโครงการ Alphafold และร่วมมือกับ HCA Healthcare เกี่ยวกับ Workflow Automation ในขณะที่ OpenAI กำลังมีส่วนร่วมในการใช้ FDA ในการใช้ AI เพื่อปรับปรุงการประเมินยาเสพติด
ท่ามกลางการเรียกร้องความทะเยอทะยานเหล่านี้ ตีพิมพ์ในธรรมชาติการทบทวนการศึกษา 83 ครั้งพบว่าในขณะที่การวินิจฉัย AI กำลังมีพลัง แต่ก็ยังคงล่าช้าอย่างมีนัยสำคัญหลังผู้เชี่ยวชาญของมนุษย์ ในฐานะนักวิจัยนำดร. ฮิโรตากะ Takita กล่าวว่า“ งานวิจัยนี้แสดงให้เห็นว่าความสามารถในการวินิจฉัยของ AI ของ AI นั้นเทียบได้กับแพทย์ที่ไม่ใช่ผู้เชี่ยวชาญ”
เส้นทางจากห้องปฏิบัติการไปยังห้องปฏิบัติการ
การผ่าตัดในโลกแห่งความเป็นจริงเกี่ยวข้องกับความซับซ้อนเช่นการมีเลือดออกการเคลื่อนไหวของเนื้อเยื่อที่คาดเดาไม่ได้และการเคลื่อนไหวของการหายใจซึ่งไม่ได้ทำซ้ำอย่างเต็มที่ในการทดสอบวิฟแบบอดีต นอกจากนี้การกำหนดค่าฮาร์ดแวร์ปัจจุบันโดยเฉพาะอย่างยิ่งกล้องข้อมืออาจไม่เหมาะสมกับพอร์ตการส่องกล้องแบบมาตรฐานซึ่งเป็นข้อกำหนดที่สำคัญสำหรับขั้นตอนการบุกรุกน้อยที่สุด
นักวิจัยรับทราบความท้าทายเหล่านี้และเสนอเส้นทางไปข้างหน้า พวกเขาเชื่อว่าระบบสามารถปรับให้เข้ากับการเคลื่อนไหวและเลือดได้หากตัวแปรเหล่านี้รวมอยู่ในข้อมูลการฝึกอบรมในอนาคต สำหรับปัญหาฮาร์ดแวร์พวกเขาทราบว่ากล้องที่ทันสมัยมิลลิเมตรย่อยสามารถรวมเข้ากับเครื่องมือผ่าตัดได้ เพื่อจัดการกับเลนส์ที่อาจเกิดขึ้นจากหมอกหรือเลือดพวกเขาแนะนำให้ใช้วิธีการแก้ปัญหาที่มีอยู่เช่นสารต่อต้านการหมักหรือน้ำยาทำความสะอาดขอบเขตหุ่นยนต์
นอกเหนือจากทางเทคนิคเส้นทางสู่การปรับใช้นั้นเต็มไปด้วยการพิจารณาทางจริยธรรมและการปฏิบัติโดยเฉพาะอย่างยิ่งเกี่ยวกับความเป็นส่วนตัวของข้อมูลและความปลอดภัย ชุดข้อมูลอันยิ่งใหญ่ที่จำเป็นในการฝึกอบรม AI การแพทย์เป็นแหล่งที่มาของความกังวลสาธารณะที่สำคัญซึ่งเน้นโดยการถกเถียงเรื่องการใช้ข้อมูลผู้ป่วย NHS สำหรับรูปแบบการฝึกอบรม เมื่อระบบเหล่านี้มีอิสระมากขึ้นการทำให้มั่นใจว่าการกระทำของพวกเขานั้นโปร่งใสอธิบายได้และปลอดภัยเป็นสิ่งสำคัญยิ่ง
ในที่สุดการพัฒนา SRT-H ไม่ได้เกี่ยวกับการบรรลุความเป็นอิสระทางเทคนิค แต่ยังเกี่ยวกับการสร้างความไว้วางใจ นักวิจัยเน้นว่าเป้าหมายของพวกเขาคือการเพิ่มศัลยแพทย์ไม่ใช่แทนที่พวกเขา ระบบได้รับการออกแบบมาเพื่อรองรับการแทรกแซงภาษาแบบเรียลไทม์จากผู้เชี่ยวชาญของมนุษย์จัดกรอบเป็นเครื่องมือในการลดความเหนื่อยล้าและการดูแลที่เป็นมาตรฐานซึ่งเป็นขั้นตอนสำคัญสำหรับการได้รับการยอมรับจากแพทย์และผู้ป่วย
เมื่อเดือนที่แล้ว Microsoft อ้างว่าระบบ MAI-DXO สามารถวินิจฉัยกรณีทางการแพทย์ที่ซับซ้อนซึ่งมีความแม่นยำสูงกว่าแพทย์มนุษย์ ประเมินกรณีศึกษาที่ท้าทายระบบได้รับอัตราความแม่นยำ 85.5% เมื่อเทียบกับเพียง 20% สำหรับคณะแพทย์ Mustafa Suleyman ซีอีโอของ Microsoft AI กล่าวอย่างกล้าหาญ“ Microsoft ได้ก้าวไปสู่การแพทย์อย่างแท้จริง”
เครื่องมือวินิจฉัยนี้เป็นส่วนหนึ่งของการผลักดันเชิงกลยุทธ์ที่กว้างขึ้นโดย Microsoft ซึ่งรวมถึงแพลตฟอร์มเช่น Gigapath สำหรับพยาธิวิทยา อย่างไรก็ตาม Microsoft ไม่ได้อยู่คนเดียว Google กำลังดำเนินการวิทยาศาสตร์พื้นฐานด้วยโครงการ Alphafold และร่วมมือกับ HCA Healthcare เกี่ยวกับ Workflow Automation ในขณะที่ OpenAI กำลังมีส่วนร่วมในการใช้ FDA ในการใช้ AI เพื่อปรับปรุงการประเมินยาเสพติด
ท่ามกลางการเรียกร้องความทะเยอทะยานเหล่านี้ ตีพิมพ์ในธรรมชาติการทบทวนการศึกษา 83 ครั้งพบว่าในขณะที่การวินิจฉัย AI กำลังมีพลัง แต่ก็ยังคงล่าช้าอย่างมีนัยสำคัญหลังผู้เชี่ยวชาญของมนุษย์ ในฐานะนักวิจัยนำดร. ฮิโรตากะ Takita กล่าวว่า“ งานวิจัยนี้แสดงให้เห็นว่าความสามารถในการวินิจฉัยของ AI ของ AI นั้นเทียบได้กับแพทย์ที่ไม่ใช่ผู้เชี่ยวชาญ”
เส้นทางจากห้องปฏิบัติการไปยังห้องปฏิบัติการ
การผ่าตัดในโลกแห่งความเป็นจริงเกี่ยวข้องกับความซับซ้อนเช่นการมีเลือดออกการเคลื่อนไหวของเนื้อเยื่อที่คาดเดาไม่ได้และการเคลื่อนไหวของการหายใจซึ่งไม่ได้ทำซ้ำอย่างเต็มที่ในการทดสอบวิฟแบบอดีต นอกจากนี้การกำหนดค่าฮาร์ดแวร์ปัจจุบันโดยเฉพาะอย่างยิ่งกล้องข้อมืออาจไม่เหมาะสมกับพอร์ตการส่องกล้องแบบมาตรฐานซึ่งเป็นข้อกำหนดที่สำคัญสำหรับขั้นตอนการบุกรุกน้อยที่สุด
นักวิจัยรับทราบความท้าทายเหล่านี้และเสนอเส้นทางไปข้างหน้า พวกเขาเชื่อว่าระบบสามารถปรับให้เข้ากับการเคลื่อนไหวและเลือดได้หากตัวแปรเหล่านี้รวมอยู่ในข้อมูลการฝึกอบรมในอนาคต สำหรับปัญหาฮาร์ดแวร์พวกเขาทราบว่ากล้องที่ทันสมัยมิลลิเมตรย่อยสามารถรวมเข้ากับเครื่องมือผ่าตัดได้ เพื่อจัดการกับเลนส์ที่อาจเกิดขึ้นจากหมอกหรือเลือดพวกเขาแนะนำให้ใช้วิธีการแก้ปัญหาที่มีอยู่เช่นสารต่อต้านการหมักหรือน้ำยาทำความสะอาดขอบเขตหุ่นยนต์
นอกเหนือจากทางเทคนิคเส้นทางสู่การปรับใช้นั้นเต็มไปด้วยการพิจารณาทางจริยธรรมและการปฏิบัติโดยเฉพาะอย่างยิ่งเกี่ยวกับความเป็นส่วนตัวของข้อมูลและความปลอดภัย ชุดข้อมูลอันยิ่งใหญ่ที่จำเป็นในการฝึกอบรม AI การแพทย์เป็นแหล่งที่มาของความกังวลสาธารณะที่สำคัญซึ่งเน้นโดยการถกเถียงเรื่องการใช้ข้อมูลผู้ป่วย NHS สำหรับรูปแบบการฝึกอบรม เมื่อระบบเหล่านี้มีอิสระมากขึ้นการทำให้มั่นใจว่าการกระทำของพวกเขานั้นโปร่งใสอธิบายได้และปลอดภัยเป็นสิ่งสำคัญยิ่ง
ในที่สุดการพัฒนา SRT-H ไม่ได้เกี่ยวกับการบรรลุความเป็นอิสระทางเทคนิค แต่ยังเกี่ยวกับการสร้างความไว้วางใจ นักวิจัยเน้นว่าเป้าหมายของพวกเขาคือการเพิ่มศัลยแพทย์ไม่ใช่แทนที่พวกเขา ระบบได้รับการออกแบบมาเพื่อรองรับการแทรกแซงภาษาแบบเรียลไทม์จากผู้เชี่ยวชาญของมนุษย์จัดกรอบเป็นเครื่องมือในการลดความเหนื่อยล้าและการดูแลที่เป็นมาตรฐานซึ่งเป็นขั้นตอนสำคัญสำหรับการได้รับการยอมรับจากแพทย์และผู้ป่วย