在科技日新月异的今天，人工智能（AI）正以前所未有的速度渗透到医疗领域的各个角落。一篇发表于2025年7月的报告揭示了一项引人瞩目的突破：AI驱动的手术机器人在猪器官上成功完成了实验性手术。这项研究不仅展示了AI在外科手术方面的巨大潜力，也引发了关于医疗未来发展方向的深刻思考。
AI手术机器人的崛起
早在上世纪90年代末，Intuitive Surgical公司就推出了达芬奇（DaVinci）手术机器人，这被认为是远程手术领域的一项开创性技术。外科医生可以通过操纵机器人手臂和手术工具，利用达芬奇内置的摄像头和内窥镜提供的视频反馈，远程为患者进行手术。然而，这项技术仍然依赖于外科医生的专业技能和判断力。
如今，约翰·霍普金斯大学的研究人员更进一步，他们将类似ChatGPT的人工智能技术应用于达芬奇机器人，并成功地训练它执行胆囊切除手术。这一突破性的进展标志着AI在手术机器人领域的应用进入了一个全新的阶段。
从预编程到自主学习
事实上，将计算机应用于手术机器人并非全新的概念。早期的方法主要依赖于预先编程的动作，机器人严格按照设定的程序执行手术。正如领导这项自主手术研究的机器人专家Ji Woong Kim所说：“程序告诉机器人如何移动以及做什么，这就像工厂里焊接汽车的Kuka机器人手臂一样。”
为了突破这一局限，由约翰·霍普金斯大学机械工程助理教授Axel Krieger领导的团队开发了STAR（Smart Tissue Autonomous Robot，智能组织自主机器人）。2022年，STAR成功地在一头活猪身上完成了手术。STAR的关键创新在于其AI能够根据摄像头反馈调整预先设定的手术计划。然而，STAR仍然需要依赖特殊标记的组织和预定的手术方案。
相比之下，新型AI手术机器人具备更强的灵活性。“我们目前的工作更加灵活，”Kim解释说，“它是一种从演示中学习的AI。”这种新型系统被称为SRT-H（Surgical Robot Transformer，手术机器人转换器），由Kim和他的同事Krieger共同开发。
SRT-H：AI手术的新突破
SRT-H系统的首要改进在于硬件方面。与STAR不同，SRT-H基于达芬奇机器人平台，这已成为远程手术领域的行业标准。全球已有超过10000台达芬奇机器人部署在各大医院。第二个关键改进在于驱动系统的软件。SRT-H采用了两个Transformer模型，与驱动ChatGPT的架构相同。其中，高级策略模块负责任务规划，确保手术过程顺利进行；低级模块则负责执行高级模块发出的指令，将其转化为机器人手臂的具体运动轨迹。
为了训练SRT-H系统，Kim的团队采取了一种类似于指导新手医生的方法。
模仿学习：AI手术的训练之道
研究人员选择胆囊切除术作为机器人学习的主要手术类型。在美国，这是一种常见的手术，每年约进行70万次。“我们的目标是在不引起内部液体流出的情况下，切除连接胆囊与其他器官的管道，”Kim解释说。为了实现这一目标，外科医生需要首先在胆囊管（第一根管道）上放置三个夹子，然后将其切断，再以类似的方式夹住并切断胆囊动脉（第二根管道）。
Kim的团队将这一过程分解为17个步骤，从猪的尸体中获取大量的猪胆囊和肝脏样本用于实验，并安排一位训练有素的研究助理操作达芬奇机器人，一遍又一遍地执行手术，从而为机器人构建训练数据集。
驱动SRT-H的算法接受了超过17小时的视频训练，这些视频来自达芬奇内窥镜及其机器人手臂上安装的摄像头。视频数据还辅以运动学数据（机器人手臂的确切运动）和自然语言注释。
基于这些数据，Kim的机器人在未接受过训练的样本上进行胆囊切除术时，成功率达到了100%。它还可以接受自然语言形式的人工反馈——诸如“稍微向左移动你的手臂”或“把夹子放高一点”之类的简单提示。这些都是指导外科医生会给学生的提示，SRT-H也可以通过这种方式不断学习。
“你可以选择任何类型的手术，不仅仅是这一种，用同样的方式训练机器人，它就能够执行该手术，”Kim说。SRT-H对样本之间解剖结构的差异、其他组织造成的干扰以及不完善的图像都具有很强的鲁棒性。它甚至可以从训练过程中所犯的微小错误中恢复过来。与执行同样手术的专家级人类外科医生相比，机器人同样精确，但速度稍慢。
数据困境：AI手术的瓶颈
然而，要从猪尸体样本的手术过渡到活猪手术，再到最终的人体手术，像SRT-H这样的机器人需要极其难以获取的训练数据。Intuitive Surgical公司显然愿意发布来自达芬奇机器人的视频反馈数据，但该公司并不公开运动学数据。Kim认为，这些数据对于训练算法至关重要。“我认识Intuitive Surgical总部的人，我一直在和他们交谈，”Kim说，“我一直在恳求他们给我们这些数据，但他们没有同意。”
Intuitive Surgical公司领导层限制访问运动学数据的解释是，他们担心竞争对手会逆向工程其机器人的力学原理。“真正的问题在于高层管理人员没有跟上AI的发展步伐，”Kim认为，“他们没有意识到这些东西的潜力。他们的工程师、每一位科学家都希望开源这些数据，只是他们的法律部门非常保守。”
但他已经看到了解决这个问题的办法。“我们可以从将运动跟踪传感器连接到手动手术工具开始，以此来获取运动学数据，”Kim告诉Ars。然后，由专家级人类外科医生指导的这些工具的运动可以由STAR中使用的传统机器人手臂再现。
Kim认为，我们可以朝着更科幻的方向发展。“我目前在斯坦福大学，并且参与了一个人形机器人项目——构建一个通用模型。其中一个可能的应用就是在手术室里，”Kim说。
结论与展望
AI驱动的手术机器人无疑代表了医疗领域的一项重大突破。SRT-H等系统的成功证明了AI在执行复杂手术方面的潜力。然而，要将这项技术从实验室推向临床应用，仍然面临着诸多挑战。其中，数据获取和隐私保护是亟待解决的关键问题。随着技术的不断进步和相关法规的完善，我们有理由相信，AI手术机器人将在未来的医疗领域发挥越来越重要的作用，为患者带来更安全、更精准的治疗方案。
尽管前路漫漫，但AI手术机器人的发展前景无疑是光明的。我们期待着在不久的将来，能够见证AI与医疗的深度融合，为人类健康事业做出更大的贡献。
