研究人员开发出名为SRT-H的人工智能系统，该系统成功引导达芬奇手术机器人自主完成了复杂的胆囊切除手术。这项突破性研究发表于《科学机器人》期刊，标志着医疗自动化领域的重要进展。与传统预编程机器人不同，SRT-H通过观察人类专家操作进行学习，并具备实时自我修正能力。
从刚性程序到灵活学习
该系统实现了手术机器人技术的重大进化。相比2022年该校开发的STAR机器人需依赖荧光标记和预设程序，SRT-H采用模仿学习技术，通过分析外科医生操作视频获取手术技巧。这种基于Transformer模型的分层架构使机器人能处理自然解剖变异，无需特殊定位设备或定制化手术工具。
约翰霍普金斯大学机器人专家Ji Woong Kim指出："传统程序像汽车焊接机械臂那样精确控制，而我们的AI系统能像人类外科医生一样学习。"实验显示，该系统在8个未知猪胆囊手术中达到100%成功率，平均每次手术完成6次自主修正。
智能手术系统的双层架构
SRT-H的核心在于其分层式架构：上层语言策略作为"大脑"，分析视频流制定手术计划；下层策略则负责执行具体机械动作。这种设计使系统能将17步胆囊切除术分解为夹持、切割等基本操作单元。
机械工程教授Axel Krieger强调："SRT-H的独特之处在于其兼容现有达芬奇手术系统。"这使得全球已部署的10000台达芬奇机器人具备升级潜力。系统通过双目摄像头实时监测手术环境，采用反雾化剂等现有技术解决镜头模糊问题。
医疗AI竞赛中的里程碑
这项突破正值医疗AI技术爆发期。微软近期发布的MAI-DxO诊断系统在复杂病例中达到85.5%准确率，远超人类医生20%的准确率。但大阪大学的meta分析显示，生成式AI诊断能力仍相当于非专科医生水平。
技术演进伴随伦理挑战：83项研究显示AI医疗系统需要处理海量敏感数据，其中NHS患者数据争议凸显了隐私保护的重要性。研究团队强调SRT-H的设计初衷是辅助而非取代外科医生，通过标准化操作减少疲劳影响。
从实验室到手术台的挑战
尽管取得突破性成果，实际临床应用仍需克服多重障碍：真实手术中出现的出血、组织移动和呼吸运动未在体外测试中验证；现有摄像头尺寸难以通过标准腹腔镜端口；以及自主系统的透明度和安全性要求。
研究团队提出改进方案：通过纳入运动与血液变量丰富训练数据；采用亚毫米级微型摄像头；借鉴现有防雾技术。他们认为这些改进将使智能手术系统逐步获得临床信任，最终实现人机协同的手术模式。
【全文结束】
