达芬奇突出特点之一是：学术做得好。（2022年全球3000篇达芬奇的论文，累计超过3.5万篇。）MedRobot会陆续推出更多论文内容，帮助医生们找找思路、写好论文。
今日Medrobot提炼了一篇高分前瞻性文章，来自美国加州大学，英属哥伦比亚大学的学者Michael Yip等人在《Science Robot》（一区，IF=25）上发表了题为“Artificial intelligence meets medical robotics”的前瞻性文章。该文章详细阐述了人工智能(AI)在医疗机器人技术中应用、展望和挑战。
人工智能（A1）在医疗机器人中的应用为医学带来了一个新时代。先进的医疗机器人可以执行诊断和外科手术，帮助康复，并提供替代肢体的假肢。这些设备所使用的技术，包括计算机视觉、医学图像分析、触觉、导航、精确操作和机器学习（ML），可以让自主机器人执行诊断成像、远程手术、外科子任务，甚至整个外科手术。
此外，康复设备和先进的假肢可以提供个性化的支持，并改善功能性和移动性。未来，机器人技术、医学、材料科学和计算机技术的巨大进步将带来更安全、更高效、更广泛的病人护理。
医学影像引导机器人技术结合了医学影像和机器人技术，前者可以确定关键解剖结构、病变和物体的位置，后者则可以精确放置器械或工具，从而带来巨大优势。
机器人可用于辅助解剖成像，并引导其到达关键目标。在这里，人工智能的重点通常放在转向机械学和规划算法上，因为穿越软组织涉及曲线路径，而这些路径受到穿过组织的最小曲率半径以及器械插入时组织位移的限制。
机器人辅助也被用于内窥镜检查：在外科胃肠道成像和支气管镜检查中使用刚性或柔性内窥镜，甚至是带磁驱动的胶囊。
内窥镜的操作具有挑战性，需要相当丰富的经验才能掌握，因此自动操作很有吸引力。人工智能技术可用于内窥镜定位和绘图，以及分析诊断中涉及的大量图像集。术中和 X 射线成像可将术前医学图像注册到患者身上，以便进行活检和手术。在相应的腹腔镜相机视图中定位通过术中配准确定的目标仍是一个挑战。
与为日常场景建立神经网络模型不同，为医疗机器人应用的模型训练寻找标注数据是一个巨大的瓶颈。因此，获取实况数据的成本非常高昂，而且无法扩展。合成生成的图像有助于解决这一问题的一部分，但合成图像与真实图像有很大差异，可能导致过度拟合。
人工智能（Al）的各种应用，包括机器学习、机器视觉和触觉控制，极大程度上促成了机器人设备的发展，这些设备可用于病人护理的各个方面，包括诊断、外科手术、康复和肢体置换。机器人技术在医疗领域的应用旨在确保治疗的一致性、安全性和高效性，同时允许收集数据以改进治疗，并有可能增加服务不足的社区和偏远地区以及受自然灾害影响的人群获得治疗的机会。
手术机器人的形式多种多样，包括远程操作设备，可让外科医生在进行复杂手术时不必担心手部震颤对组织造成损害。目前正在开发用于微创外科手术的软机器人设备，为外科医生提供触觉反馈，并确保在软组织中安全操作和导航。此外，可进行缝合和清创等外科子任务的半自主机器人也在开发中。
每年，超过一百万例手术是由机器人完成的。这些机器人非常精密，但并非完全自主--它们完全由外科医生控制。这是因为外科手术不容错，存在大量罕见但潜在危险的边缘条件，即使是一次故障的后果也可能是致命的。
外科医生很容易忽略细小碎片，从而导致感染。手术机器人和摄像系统可以在外科医生的严密监督下系统地识别和清除碎片，如果系统将颜色不对的腐殖组织误认为是外来碎片，外科医生更清晰地发现他们。在实验室条件下，已经实现了手术清创的自主监督，但仍需进行研究以扩展这些结果并在中进行评估。
缝合需要均匀地放置缝合线，以平衡组织力。有监督的自主缝合可以使缝合更加一致，从而减少愈合时间和疤痕。
研究人员正在研究如何利用有监督的自主系统进行缝合，在这种系统中，外科医生可以用仪器触摸伤口的边界，勾勒出伤口的轮廓，系统就会计算并显示最佳的进针点和出针点的位置，使整个伤口的张力均匀分布。
研究人员已经在实验室里展示了初步结果，但在考虑在临床上进行缝合测试之前，必须解决插入过程中安全抓取手术针头、在抓取工具之间来回递针以及管理手术线松弛等问题。
经验丰富的外科专家可以在远处指导手术。远程手术有可能大大增加偏远地区或自然灾害期间获得熟练外科医生的机会。专家不可能直接控制所有手术器械的运动，因为光学和电信号固有的时间延迟会导致任何直接控制都不稳定。有监督的自动控制可解决这一问题。
远程外科手术是一种新的外科手术方法，它允许对外科子任务进行本地控制和远程监控。远程手术已通过使用专用高速光纤网络进行了演示，研究人员正在积极探索，但尚未被批准用于临床。
近年来，传感器和人工智能的进步使机器人技术有了长足的发展，在手术室中，人工智能有很多应用机会。人工智能可用于增强数码相机图像，并在手术过程中回答外科医生的口头询问。全世界的研究人员都在探索如何利用有监督的自主性来增强机器人辅助手术和远程手术。
随着手术机器人技术原始专利的到期，新的商用手术机器人系统正在增加硬件和接口的多样性。这种竞争正在推动新功能的商业开发，在未来十年内，监督下的自主操作很可能会应用于临床。
过去几十年来，机器人辅助微创手术（RAMIS）取得了长足的进步。RAMIS 系统使用细长的直线器械，通过病人皮肤上的小切口进行手术。
此外，RAMIS 还能生成大量数据，用于提高安全性和执行一些自主任务。尽管一些 RAMIS 平台取得了成功，如用于前列腺切除术和腹部矫形手术的达芬奇手术系统，但这些系统往往受到其刚性组件设计的限制，难以进入身体的某些区域，并可能导致组织损伤。
软体机器人技术是开发更灵活、适应性更强的手术机器人的一个前景广阔的途径，它具有必要的灵巧性和刚度调节能力，可以安全地执行外科手术。软体机器人的主要特点是使用可变形、弯曲、收缩和改变刚度的材料，将机器人手术的范式推向更安全、更柔软的方向。
这些机器人可用于耳部、腹部和等不同的身体部位，它们既可用于诊断，也可用于干预。例如，开发了一种流体驱动的软机器人系统，可在耳部治疗过程中提高病人的舒适度，并安全地将针头引导到所需的注射部位。胃肠道病理诊断也是软体机器人的一项重要应用，因为这些组织柔韧可伸展，而且经常塌陷，需要一系列软体和硬体工作模式。最近展示了一种用于内窥镜检查的胶囊机器人，该机器人使用ever-sion导航和软性形状变换机制。
2012 年至 2015 年期间，欧盟开展了 STIFF-FLOP（用于外科手术的硬度可控可弯曲可学习机械手）项目，这是一个探索用于 RAMIS 的软体机器人的大型项目。开发的软体机器人系统由生物相容性硅橡胶制成，采用气动驱动。
目前仍存在大量技术挑战。在传统的手术机器人中，电机直接或通过腱来移动机器人的关节，效应器由刚性部件制成，在操作过程中不会变形。由此产生的运动更难建模，可能导致位置精度降低，这可能是外科手术中的一个关键问题。为了克服这一挑战，目前正在开发基于 Al、Ml 和数据驱动控制的先进策略，以应对软体机器人的高度非线性运动行为。
最近在计算机电源、计算机视觉、ML、实时建模和仿真方面取得的进展可以使软体机器人在外科手术中的操作成为可能，而无需繁琐的远程操作模式和对外科医生的大量培训。用于 RAMIS 的软机器人将取代成熟的手术机器人，依靠形态学计算的软机器人设计规则将渗透到用于 RAMIS 的传统技术中。
自主手术机器人是未来的外科医生。它们能够独立于外科医生的经验和技能，对患者的治疗结果进行标准化处理；它们整合了 Al 和灵巧的工具，能够以比专业外科医生更高的一致性和准确性完成任务；它们还能在没有外科医生的环境中提供必要的护理，如人类太空飞行。
这种机器人将使高质量的外科手术无处不在，并最大限度地减少矫正手术的发生率，从而降低医疗成本，实现医疗保健的化。虽然大多数系统目前尚未获得临床批准，但它们在未来肯定会发挥作用。
一般来说，自主手术机器人按其不同的自主程度（LoA）进行分类，并采用负责提高手术决策能力的算法。随着自主程度的提高，机器人在手术中发挥作用的复杂程度以及与系统集成的 Al 数量也随之增加。
● LoA 0：无自治（例如，纯遥操作：达芬奇手术系统使用人类远程操作而不使用人工智能进行手术）；
● LoA 1：机器人辅助（由人类通过虚拟固定装置或主动约束通过一些机械引导或辅助来持续控制：EndoAssist 摄像头则使用人工智能进行手术）
● LoA 2：任务自主（机器人自主执行特定任务，例如运行缝合线，由人类通过离散控制而不是连续控制发起）；
● LoA 3：有条件的自治（一个系统生成任务策略，但依赖于人类从不同的策略中进行选择或批准自主选择的策略）；
机器人持有者使用算法限制工具运动。对于更高级别的自主性，外科医生将控制权交给机器人，由机器人利用人工智能执行手术任务。
而在 LoA 3（条件自主）阶段，智能组织自主机器人（STAR）使用 ML 跟踪软组织变形来执行缝合手术计划。
LoA 4（高度自主）和 LoA 5（完全自主）手术系统在当今的技术条件下还不可行，但其发展已指日可待。机器人需要更好地检测、处理和应对手术现场不可预测的变化。
在软组织手术中，这些挑战将被进一步放大，因为在软组织手术中，需要深入的学习和理解，才能预测并应对不断变化的手术场景。由此产生的技术将面临更严格的监管，因为目前还不清楚美国食品药品管理局（FDA）或其他地方的医疗设备监管机构将如何监管一个能够行医的系统。
为了取得公众信任，自主机器人可能会采用循序渐进的方式，逐步引入组织识别、内窥镜控制和缝合等自主子任务。然后，这些任务将被组合成一个完整的程序，为未来手术室中的自主机器人手术铺平道路。
康复治疗需要从诊所延伸到社区和家庭，为患者提供持续的护理。为了实现这一目标，工程师、临床医生和最终用户开发出了可穿戴机器人，让行动不便的人能够练习和体验更好的运动。
虽然这些系统在历史上一直被视为辅助技术，但目前的工作表明，这些便携式自主机器人及其捕获的数据可以带来根本不同的康复方法。可以想象，在未来，可穿戴机器人将被用于临床，在减轻临床医生的体力负担的同时，了解病人的具体损伤情况，然后被送到病人家中，利用个性化的人工智能算法跟踪他们的康复情况。
除了新的机械设计之外，基于学习的估算算法现在也可以利用可穿戴传感器来检测和量化运动，控制策略现在可以将用户引入控制环，提供个性化干预。可穿戴云连接机器人将开创数据驱动的物理远程康复时代，综合传感可为临床医生和用户提供重要的生物力学和生理指标反馈，类似于智能健身。
此外，在临床人群中开发通用的数据驱动的人工智能算法尤为复杂，因为来自任何特定个体的数据都很有限，而且个体之间的差异很大。由于缺乏真实世界环境中的地面实况数据，验证这些方法变得更加复杂。如果成功，来自患者和机器人的相应数据可与 ML 技术结合使用，以确定谁最有可能从特定设备中受益。
这种分类将能有效地开出干预处方，最大限度地降低临床医生和患者的成本。随后，该领域将有新的机会研究：纵向数据如何为生物反馈和设备优化等个性化训练参数的新方法提供信息。在现实世界中，穿戴的可穿戴机器人的数据将为康复过程中人与机器人互动的计算模型设计和实验验证提供信息，最终产生能更好地与最终用户协同的自适应系统。
先进的机器人假肢，如灵巧的假手和电动假肢，为恢复肢体缺失者的活动能力带来了范式转变。这些现代假肢将 Alint 嵌入到机器操作中，以适应使用者的意图、环境和使用者的身体状况。
智能假肢和人类用户作为一个系统在生活中无缝运行（例如，Alhas 实现了对假肢的神经控制。从简单的线性分类器到深度学习方法，这些方法都可用于识别用户有关关节运动（腕关节或膝关节屈伸或力量握持）的意图。
人类的双手可以灵巧地与不同尺寸和材料的物体互动：因此，共生假肢也应具有环境适应能力。机器视觉已被用于创建假肢的环境适应能力。
手部机器SPT可以重新识别想要抓取的物体，从而让假肢臂准备好合适的手腕姿势和手部抓取模式或力量，以方便抓取动作。同样，安装在假肢腿上的视觉传感器可以识别用户前方的地形、这样就能自动调整假肢控制，实现无缝地形转换。
由于截肢者之间的身体状况和运动障碍差异很大，因此共生假肢需要根据每个使用者的情况进行调整。在目前的临床中，机器人下肢假肢的个性化控制是通过人工和启发式方法实现的，这不仅不准确，而且费时费力。为了实现这一过程的自动化，研究人员开发了数种算法和其他数据驱动的优化方法，如贝叶斯优化法，以调整假肢控制，并将人带入回路，实现个性化行走辅助。
此外，人类用户在认知上是否接受和信任由 Al 支持的假肢也是一个未决问题。这些挑战应指导未来的研究工作，使由 Al 支持的共生机器人假肢具有多功能性、使用安全，并能被截肢用户在认知上接受。
