來源：器械之家，未經授權不得轉載，且24小時後方可轉載

近期，中國手術機器人達成了手術機器人“自主化”手術的歷史性創舉。國產手術機器人産業康諾思騰聯合香港中文大學多學科研究團隊，達成了全球首例「臨床場景下自主手術」驗證，並於頂級期刊《Science》的機器人範圍子刊《Science Robotics》（IF=27.5, 5年影響因子為32.9）發表論文。

就在不久前，美國約翰霍普金斯團隊通過手術機器人，自主完成離體豬膽囊切除的消息曾轟動全球。而國內團隊完成的這項研究堪稱2.0版本，主要達成了兩大技藝躍遷：

• 手術在活體動物內進行，須面臨諸多變化的手術場景幹擾（如多樣化的組織結構特征、呼吸運動等），達成難度更高；

• 應用的是已經獲批的商業化手術機器人——康諾思騰自主研制的Sentire思騰®腔鏡手術機器人，而非專為研究定製的模型機，為技藝轉化鋪平了道路，更具現實意義。

這意味着，此項研究是目前為止全球範圍內，最接近真實臨床場景的機器人自主手術，標誌着人類向自動化醫療邁進了一大步。

01

手術機器人的“ChatGPT時刻”

本次研究采用了活豬進行試驗，全程僅依靠手術機器人內窥鏡視覺反饋，在算法的驅動下，由Sentire思騰®自主執行了三項內窥鏡手術常見操作，即紗布抓取、血管夾閉和軟組織牽引。

這些看似簡單的基礎操作，完全憑借手術機器人自主運行，涉及許多復雜的挑戰。

比如，在紗布抓取場景中，放置在體內的紗布往往會被血液染色，使其與周圍軟組織混為一體，難以識別。這就要求視覺算法，不能僅基於顏色特征進行識別，還須具備更高水平的場景理解。此外，在抓取過程中動物的呼吸運動不停，機器人須準確識別紗布的核心，才能避免失誤。同樣，呼吸運動下血管夾閉任務的血管定位和機器人路徑規劃十分復雜，這要求手術機器人的手眼校準要十分精準。而在軟組織牽引中，各種軟組織外觀、方向和表面光反射均有差異，對圖像品質要求極高，能否充分按壓組織也是一大難題。

為了達成以上高難度任務，研究團隊首先進行了虛擬環境中的模擬。采用自研手術機器人具身智能模擬器SurRoL，進行多項任務預訓練，驗證了團隊研制的自動化方案能夠成功運作。

接下來，將上述算法嵌入Sentire思騰®腔鏡手術機器人，在離體動物上進行真實世界驗證。這種方法被稱為“零樣本學習”（zero-shot），即將仿真訓練的AI策略直接部署到真實手術機器人中，旨在模仿人類的推理過程，不僅能識別出訓練集中已有的數據類別，還可以對未見過的數據進行區分。這意味着訓練成本將大幅縮減，模擬與現實之間的差距被無限拉近。

在真實世界的試驗中，手術機器人自身性能須達到一定條件，才能媲美人類操作。首先是“眼”，Sentire思騰®腔鏡手術機器人內窥鏡供應1080p的高分辨率立體視頻流，為視覺識別供應保障；其次是“腦”與“手”，Sentire思騰®最先進的機電一體化平臺，能夠減少系統延遲，達成更快的控製響應和更精確的機械運動。

研究人員采用了保留左右胃網膜動脈的豬胃組織切片作為離體試驗樣本，在不同光照、煙霧等環境條件下，成功達成了內窥鏡攝像頭調整、針加持、紗布抓取、軟組織牽引和血管夾閉五項自主任務。

最後在活體豬內，進行了三項相對復雜，且體內外場景差異明顯的任務，即紗布抓取、軟組織牽引和血管夾閉。結果表明，在無人員介入的情況下，Sentire思騰®能夠準確且高效地完成自主操作，三項任務的成功率分別高達83%、77%和67%，且對於所有在體實驗，神經網絡均達成了實時推理速度。

其中，圖像感知模塊處理單帧圖像的時間僅為40毫秒（目標物體分割）和300毫秒（立體深度估計）。策略預測模塊速度更快，僅需7毫秒即可完成場景狀態評估，並據此預測機械臂末端執行器的動作。最終的視覺伺服低級控製器耗時2毫秒。

出於安全考量及便於人工實時監控，研究人員還適當降低了機器的運行速度，結果顯示紗布抓取任務平均耗時19.2秒，軟組織牽引任務17.0秒，血管夾閉任務8.3秒。這表明，在未來的實際應用中，運行速度不會成為自動化機器人手術的擴展瓶頸。

02

醫療終極暢想，照進現實

此次國內團隊應用純國產自研手術機器人，達成全球首例「臨床場景下自主手術」具有重大的意義。

人機協作，生產力倍增

當前，手術機器人超越人類的執行精度，已經得到了充分驗證。如何更進一步，賦予手術機器人自主決策的能力，成為醫生真正的得力助手，不僅是涉及到算法、機械運行的頂級技藝難題，更是臨床中普遍存在的迫切需求。

比如，即便手術機器人在很大程度上節約了醫生的體力，減少了助手的數量，但在操作過程中，仍存在大量簡單重復的任務，需要醫生切換機械臂進行操作。若能將這些繁琐的任務交由手術機器人自動執行，醫生的精力就能夠充分投入到困難費時的精細操作上。

在本次研究中，團隊探索了人機協作的手術模式。由Sentire思騰®的第三只機械臂自動牽引小腸，為醫生操控的另外兩只機械臂供應腸系膜解剖空間。醫生可以專註於兩只機械臂的操作，而無須頻頻中斷手術，執行軟組織牽引，極大程度上提升手術效率和護理品質。

AI指引，提升教學效率

在手術機器人培訓的提升上，此項研究同樣具有重要價值。研究人員用RL預測軌跡驅動機器人控製端操作主手，為學員供應實時力引導。初步結果顯示，新手在AI輔助訓練下，任務完成速度快了近一倍。此研究有望給外科醫生培訓資源稀缺問題帶來解決方案，降低醫療教育門槛。

開源平臺，能力指數級成長

團隊自研了開源手術機器人學習平臺SurRoL，進行算法研究和AI策略訓練。目前，該平臺在全球範圍內被廣泛應用，谷歌學術引用已達到100篇，被誉為手術機器人的「Android系統」。這意味着，全球機構的應用數據都能推動平臺進步。

安全概念同步跟進

本次研究，還對未來機器人自主手術的應用，進行了安全框架的探索。團隊創新引入了“自主監督”的概念，允許醫生隨時接管手術機器人的自主任務。並且在軟組織牽引任務中，可以由醫生提前勾畫出手術機器人安全執行操作的目標組織。這些安全理念的提出，具有很高的指導意義和參考價值。

國產廠家參與

此外，本次研究基於國產廠家康諾思騰自主研制的商業化手術機器人Sentire思騰®，且康諾思騰團隊深入參與到研究中。除了香港中文大學窦琪教授團隊外，康諾思騰聯合創始人、首席技藝官兼首席運營官王澤睿博士作為通訊作者共同領導了該項研究。

王澤睿博士

獨角獸産業康諾思騰聯合創始人、首席技藝官兼首席運營官

曾任香港中文大學機械與自動化工程學系研究助理教授，

專註於手術機器人核心技藝研制逾十年，深度參與國家藥監局手術機器人工業標準製定

窦琪教授

香港中文大學計算機科學與工程學系助理教授，博導，國家級青年人才

港中文智能醫療與擴展現實研究所副所長

港中文天石機器人研究所研究員，香港InnoHK醫療機械人創新技藝核心研究員

結合其廣泛的臨床經驗，以及手術機器人的開發經驗，能夠更加高效的達成自動化手術的落地探索。舉例來說，早在構建商品之初，康諾思騰便秉持了全栈自研與垂直整合的思路，成就了本次研究的基礎。Sentire 思騰®的系統架構具備卓越的可擴展性，其獨特的AI就緒且AI友好特性，在研究中完整達成了從算法到系統的優化閉環。其跨平臺部署能力不僅驗證了核心技藝的商業化潛力，也推動了自主手術從概念走向臨床應用。

具備自主意識的，能自動執行任務的手術機器人，一直是醫療範圍的終極暢想，國內團隊能夠率先在該範圍拿下“全球首個”，不僅彰顯了中國領先的科研能力，也充分證實了國產手術機器人的先進性能。這項技藝的達成，代表了中國在手術機器人高難度應用的探索上，處於領先地位，令人十分振奮。相信隨着研究的推動，未來我們可以看到機器人參與到另外、更復雜的醫療任務中，真正達成高端醫療技藝的民主化。