專欄【柳子厚專欄】人工智能遇上...

【柳子厚專欄】人工智能遇上醫療機器人

Date:

文 / 柳子厚

人工智能(AI)在醫療機器人中的應用正在給醫學帶來新時代。先進的醫療機器人可以執行診斷和外科手術,幫助復健,並提供共生義肢來替代肢體。這些設備中使用的技術,包括電腦視覺、醫學圖像分析、觸覺、導航、精確操作和機器學習(ML),可以讓自主機器人執行診斷成像、遠程手術、手術子任務,甚至整個手術過程。此外,復健設備和先進義肢中的人工智能可以提供個性化支持,以及改進的功能和移動性。機器人技術、醫學、材料科學和計算領域的非凡進步相結合,可以帶來更安全、更高效。邁克爾 ·葉( MICHAEL YIP)等人發表在《科學》(SCIENCE)期刊的<人工智能遇上醫療機器人>(Artificial intelligence meets medical robotics)詳細解說,科學家如何利用人工智能進行醫學圖像引導機器人技術。

識別關鍵解剖結構、病變和物體的位置

醫學圖像引導機器人技術結合了醫學圖像(可以識別關鍵解剖結構、病變和物體的位置)和機器人技術(其中儀器或工具的精確放置提供了巨大的優勢)。經常使用的成像方式包括超聲、核磁共振成像、電腦斷層掃描以及白光或螢光內視鏡檢查。機器人可用於協助對解剖結構進行成像,或者成像可協助機器人將其引導至關鍵目標。

人工智能在醫學圖像引導機器人領域的許多早期用例都涉及轉向儀器(通常是針)來識別組織切片檢查(Biopsy)的解剖結構。人工智能的重點通常集中在轉向力學和規劃運算法上,因為穿越軟組織涉及曲線路徑,這些路徑受到穿過組織的最小曲率半徑以及器械插入期間的組織位移的約束。儘管在解決與組織多次和間歇性接觸的微創機器人工具的導航方面仍然存在挑戰,但現在可以使用涉及人工智能驅動的儀器機器人轉向規劃的大量解決方案,並且高度靈巧的機器人系統已經被開發出來。提出可以藉助人工智能來規劃和實現目標。

機器人輔助使醫療已在多方面實現

現在大部分努力都集中在圖像理解上。以前的技術使用乏味的、人體分段的解剖特徵和/或對感興趣的解剖結構的弱的、基於特徵的識別。用於圖像引導的新人工智能策略利用語義信息,即直接從像素信息識別的關於解剖結構類型及其特徵的高級推理,以提供改進的、更安全的導航。隨著電腦視覺中對象定位和場景分割的顯著改進,這些技術已經開始應用於手術場景和手術相關對象。然後,機器人可以利用這些翻譯技術來高精度地規劃和實現目標。

圖像理解的一個有趣用途是圖像採集本身。例如,機器人輔助使醫療超音波更加一致,實現自主掃描,並可能改善偏遠和服務欠缺社區的檢查機會。針對患者移動超音波換能器以識別醫療診斷中使用的標準成像平面是一個具有挑戰性的 AI 問題,涉及深度學習網絡來預測必要的探頭運動、強化學習 (RL) 和演示學習。機器人輔助也用於內視鏡檢查,其中剛性或柔性內視鏡,甚至具有磁性驅動的膠囊,被部署在手術、胃腸道成像和支氣管鏡檢查中。操縱內視鏡具有挑戰性,需要大量經驗才能掌握,這使得自動運動很有吸引力。基於示範學習的方法是有前途的,例如,通過使用行為克隆。人工智能技術用於內視鏡定位和繪圖以及診斷中涉及的非常大的圖像數據集的分析。

術中超音波和 X 光攝影可以為患者配準術前醫學圖像,以進行切片檢驗和手術。通過術中配準在相應的腹腔鏡攝像機視圖中定位識別的目標仍然是一個挑戰。維持這種配準需要使用電腦視覺技術進行長期組織跟踪,並且隨著干預的進展存在組織變化。

應用於診斷、外科手術、復健和肢體置換

與為日常場景構建神經網絡模型不同,為醫療機器人應用的訓練模型尋找標記數據是一個重大瓶頸。準確的標記必須由經過培訓的專業人員(例如外科醫生和放射科醫生)完成。因此,獲取真實數據非常昂貴且不可擴展。合成生成的圖像有助於解決該問題的一部分,但合成圖像與真實圖像有很大不同,並且可能導致過度擬合。考慮到人工標記術中視頻序列以訓練神經網絡的相關挑戰,無監督或弱監督方法是可取的。

人工智能 (AI) 的各種應用,包括機器學習、機器視覺和觸覺控制,促進了機器人設備的發展,可用於患者護理的各個方面,包括診斷、外科手術、復健和肢體置換。機器人在醫學中的使用旨在確保一致、安全和高效的治療,並允許收集數據以進行改進,並可能增加服務不足的社區和偏遠地區以及受自然災害影響的人們獲得治療的機會。

最終,數據高效學習中的新技術、在增長和保留標記醫學圖像數據集方面的協調努力以及安全靈巧的機器人系統的進步的結合將把醫學圖像引導機器人技術推向下一代機器人技術的前沿。介入和診斷護理。

本文僅代表作者立場,不代表本平台立場

分享文章

Facebook Comments 文章留言

特別報導
特別報導
銳傳媒資料中心

專欄

推薦閱讀