帮助外科医生的机器人手术生态系统
大语言模型（LLMs）在机器人手术领域的一项核心功能是辅助临床医生更精准地掌握手术环境信息，例如手术器械位置或术中器官接近度。Asensus Surgical公司研发副总裁达斯汀·沃恩指出，该公司开发的大语言模型和大型多模态模型（LMMs）能同时分析影像数据与文本信息，这种能力"有可能在关键时刻为外科决策提供关键信息"。
该公司的另一重点方向是将LLMs应用于研发支持团队，加速软件开发和生产流程。自采用GitHub Copilot和Cursor等工具以来，其代码生成效率显著提升。例如，在构建管线中部署的单元测试代理已证明能提高预演测试效果，并为全面测试套件提供优秀的代码覆盖率。
不完全依赖LLMs
当前LLMs的一大局限性在于可能生成不准确或虚构内容（即"幻觉"问题），这在临床环境中可能导致有害的医疗决策。沃恩强调，在手术机器人这类安全敏感领域，这种非确定性行为意味着"我们尚未达到能完全依赖AI工具和LLMs的程度"。为此，Asensus仍然要求对所有AI辅助生成的代码进行完整审查，并组建了专门团队持续测试新平台，以确保符合行业严格标准。
数据差异与未来前景
英国剑桥的CMR Surgical公司虽尚未在手术机器人协议中应用LLMs，但技术总监克里斯·弗莱尔表示相关讨论"非常活跃"。作为数字化先行企业，CMR自首台手术起就在获得患者许可后收集匿名手术视频数据，并建立了包含手术参数与患者预后的数据库。
弗莱尔指出，LLMs正被用于增强整体手术体验，例如在癌症治疗中帮助识别器官位置。公司正探索LLMs在整个患者数字化手术路径中的应用，包括手术决策支持和术后效果分析。他认为监管机构对模型控制的要求将决定技术发展方向，而"可解释性"和"可控性"将成为关键。正如他强调的："美国食品药品监督管理局（FDA）非常明确：你不能把这种技术当作黑箱对待。"
【全文结束】
