👉Ένα ρομπότ, που εκπαιδεύτηκε για πρώτη φορά παρακολουθώντας βίντεο
)
Η επιτυχής χρήση της μίμησης εκμάθησης για την εκπαίδευση χειρουργικών ρομπότ εξαλείφει την ανάγκη προγραμματισμού ρομπότ με κάθε μεμονωμένη κίνηση που απαιτείται κατά τη διάρκεια μιας ιατρικής επέμβασης και φέρνει το πεδίο της ρομποτικής χειρουργικής πιο κοντά στην πραγματική αυτονομία, όπου τα ρομπότ θα μπορούσαν να εκτελούν πολύπλοκες επεμβάσεις χωρίς ανθρώπινη βοήθεια.
«Είναι πραγματικά μαγικό να έχουμε αυτό το μοντέλο και το μόνο που κάνουμε είναι να του τροφοδοτούμε την είσοδο της κάμερας και μπορεί να προβλέψει τις ρομποτικές κινήσεις που απαιτούνται για τη χειρουργική επέμβαση», δήλωσε ο ανώτερος συγγραφέας Axel Krieger. «Πιστεύουμε ότι αυτό σηματοδοτεί ένα σημαντικό βήμα προς τα εμπρός προς ένα νέο σύνορο στην ιατρική ρομποτική».
Τα ευρήματα με επικεφαλής τους ερευνητές του Πανεπιστημίου Τζονς Χόπκινς επικεντρώνονται αυτή την εβδομάδα στο Συνέδριο για τη Μάθηση Ρομπότ στο Μόναχο, μια κορυφαία εκδήλωση για τη ρομποτική και τη μηχανική μάθηση.
Η ομάδα, η οποία περιλάμβανε ερευνητές από το Πανεπιστήμιο του Στάνφορντ, χρησιμοποίησε τη μάθηση μίμησης για να εκπαιδεύσει το ρομπότ του χειρουργικού συστήματος da Vinci να εκτελεί θεμελιώδεις χειρουργικές επεμβάσεις: χειρισμός βελόνας. ανύψωση ιστού σώματος και συρραφή. Το μοντέλο συνδύασε τη μίμηση με την ίδια αρχιτεκτονική μηχανικής μάθησης που στηρίζει το ChatGPT. Ωστόσο, όπου το ChatGPT λειτουργεί με λέξεις και κείμενο, αυτό το μοντέλο μιλάει "ρομπότ" με κινηματική, μια γλώσσα που αναλύει τις γωνίες της ρομποτικής κίνησης σε μαθηματικά.
Οι ερευνητές έδωσαν στο μοντέλο τους εκατοντάδες βίντεο που καταγράφηκαν από κάμερες καρπού που τοποθετήθηκαν στα χέρια των ρομπότ ντα Βίντσι κατά τη διάρκεια χειρουργικών επεμβάσεων. Αυτά τα βίντεο, που έχουν καταγραφεί από χειρουργούς σε όλο τον κόσμο, χρησιμοποιούνται για μετεγχειρητική ανάλυση και στη συνέχεια αρχειοθετούνται. Σχεδόν 7.000 ρομπότ ντα Βίντσι χρησιμοποιούνται παγκοσμίως και περισσότεροι από 50.000 χειρουργοί εκπαιδεύονται στο σύστημα, δημιουργώντας ένα μεγάλο αρχείο δεδομένων για τα ρομπότ προς «μίμηση».
Ενώ το σύστημα da Vinci χρησιμοποιείται ευρέως, οι ερευνητές λένε ότι είναι εμφανώς ανακριβές. Αλλά η ομάδα βρήκε έναν τρόπο να λειτουργήσει η εσφαλμένη εισαγωγή. Το κλειδί ήταν η εκπαίδευση του μοντέλου να εκτελεί σχετικές κινήσεις και όχι απόλυτες ενέργειες, οι οποίες είναι ανακριβείς.
«Το μόνο που χρειαζόμαστε είναι εισαγωγή εικόνας και στη συνέχεια αυτό το σύστημα τεχνητής νοημοσύνης βρίσκει τη σωστή δράση», δήλωσε ο επικεφαλής συγγραφέας Ji Woong "Brian" Kim. «Διαπιστώνουμε ότι ακόμη και με μερικές εκατοντάδες επιδείξεις το μοντέλο είναι σε θέση να μάθει τη διαδικασία και να γενικεύσει νέα περιβάλλοντα που δεν έχει συναντήσει».
Η ομάδα εκπαίδευσε το ρομπότ να εκτελεί τρεις εργασίες: χειρισμό βελόνας, ανύψωση ιστού σώματος και ράμμα. Σε κάθε περίπτωση, το ρομπότ που εκπαιδεύτηκε στο μοντέλο της ομάδας έκανε τις ίδιες χειρουργικές επεμβάσεις τόσο επιδέξια όσο και οι άνθρωποι γιατροί.
«Εδώ το μοντέλο μαθαίνει τόσο καλά πράγματα που δεν το έχουμε διδάξει», είπε ο Κρίγκερ. "Όπως αν πέσει η βελόνα, θα τη σηκώσει αυτόματα και θα συνεχίσει. Αυτό δεν είναι κάτι που το έμαθα να κάνει."
Το μοντέλο θα μπορούσε να χρησιμοποιηθεί για να εκπαιδεύσει γρήγορα ένα ρομπότ να εκτελεί κάθε τύπο χειρουργικής επέμβασης, είπαν οι ερευνητές. Η ομάδα χρησιμοποιεί τώρα την εκμάθηση μίμησης για να εκπαιδεύσει ένα ρομπότ ώστε να εκτελεί όχι μόνο μικρές χειρουργικές εργασίες αλλά μια πλήρη χειρουργική επέμβαση.
Πριν από αυτή την πρόοδο, ο προγραμματισμός ενός ρομπότ ώστε να εκτελεί ακόμη και μια απλή πτυχή μιας χειρουργικής επέμβασης απαιτούσε κωδικοποίηση με το χέρι σε κάθε βήμα. Κάποιος μπορεί να περάσει μια δεκαετία προσπαθώντας να δημιουργήσει μοντέλο συρραφής, είπε ο Krieger. Και αυτό είναι η συρραφή μόνο για έναν τύπο χειρουργικής επέμβασης.
«Είναι πολύ περιοριστικό», είπε ο Κρίγκερ. "Αυτό που είναι καινούργιο εδώ είναι ότι πρέπει να συλλέξουμε μόνο μίμηση εκμάθησης διαφορετικών διαδικασιών και μπορούμε να εκπαιδεύσουμε ένα ρομπότ για να το μάθει σε λίγες μέρες. Μας επιτρέπει να επιταχύνουμε τον στόχο της αυτονομίας, μειώνοντας παράλληλα τα ιατρικά λάθη και επιτυγχάνοντας πιο ακριβή χειρουργική επέμβαση ."
Οι συγγραφείς από το Johns Hopkins περιλαμβάνουν τον διδακτορικό φοιτητή Samuel Schmidgall. Συνεργάτης Μηχανικός Έρευνας Anton Deguet; και Αναπληρωτής Καθηγητής Μηχανολόγων Μηχανικών Marin Kobilarov. Οι συγγραφείς του Πανεπιστημίου του Στάνφορντ είναι ο διδακτορικός φοιτητής Tony Z. Zhao
Η ομάδα, η οποία περιλάμβανε ερευνητές από το Πανεπιστήμιο του Στάνφορντ, χρησιμοποίησε τη μάθηση μίμησης για να εκπαιδεύσει το ρομπότ του χειρουργικού συστήματος da Vinci να εκτελεί θεμελιώδεις χειρουργικές επεμβάσεις: χειρισμός βελόνας. ανύψωση ιστού σώματος και συρραφή. Το μοντέλο συνδύασε τη μίμηση με την ίδια αρχιτεκτονική μηχανικής μάθησης που στηρίζει το ChatGPT. Ωστόσο, όπου το ChatGPT λειτουργεί με λέξεις και κείμενο, αυτό το μοντέλο μιλάει "ρομπότ" με κινηματική, μια γλώσσα που αναλύει τις γωνίες της ρομποτικής κίνησης σε μαθηματικά.
Οι ερευνητές έδωσαν στο μοντέλο τους εκατοντάδες βίντεο που καταγράφηκαν από κάμερες καρπού που τοποθετήθηκαν στα χέρια των ρομπότ ντα Βίντσι κατά τη διάρκεια χειρουργικών επεμβάσεων. Αυτά τα βίντεο, που έχουν καταγραφεί από χειρουργούς σε όλο τον κόσμο, χρησιμοποιούνται για μετεγχειρητική ανάλυση και στη συνέχεια αρχειοθετούνται. Σχεδόν 7.000 ρομπότ ντα Βίντσι χρησιμοποιούνται παγκοσμίως και περισσότεροι από 50.000 χειρουργοί εκπαιδεύονται στο σύστημα, δημιουργώντας ένα μεγάλο αρχείο δεδομένων για τα ρομπότ προς «μίμηση».
Ενώ το σύστημα da Vinci χρησιμοποιείται ευρέως, οι ερευνητές λένε ότι είναι εμφανώς ανακριβές. Αλλά η ομάδα βρήκε έναν τρόπο να λειτουργήσει η εσφαλμένη εισαγωγή. Το κλειδί ήταν η εκπαίδευση του μοντέλου να εκτελεί σχετικές κινήσεις και όχι απόλυτες ενέργειες, οι οποίες είναι ανακριβείς.
«Το μόνο που χρειαζόμαστε είναι εισαγωγή εικόνας και στη συνέχεια αυτό το σύστημα τεχνητής νοημοσύνης βρίσκει τη σωστή δράση», δήλωσε ο επικεφαλής συγγραφέας Ji Woong "Brian" Kim. «Διαπιστώνουμε ότι ακόμη και με μερικές εκατοντάδες επιδείξεις το μοντέλο είναι σε θέση να μάθει τη διαδικασία και να γενικεύσει νέα περιβάλλοντα που δεν έχει συναντήσει».
Η ομάδα εκπαίδευσε το ρομπότ να εκτελεί τρεις εργασίες: χειρισμό βελόνας, ανύψωση ιστού σώματος και ράμμα. Σε κάθε περίπτωση, το ρομπότ που εκπαιδεύτηκε στο μοντέλο της ομάδας έκανε τις ίδιες χειρουργικές επεμβάσεις τόσο επιδέξια όσο και οι άνθρωποι γιατροί.
«Εδώ το μοντέλο μαθαίνει τόσο καλά πράγματα που δεν το έχουμε διδάξει», είπε ο Κρίγκερ. "Όπως αν πέσει η βελόνα, θα τη σηκώσει αυτόματα και θα συνεχίσει. Αυτό δεν είναι κάτι που το έμαθα να κάνει."
Το μοντέλο θα μπορούσε να χρησιμοποιηθεί για να εκπαιδεύσει γρήγορα ένα ρομπότ να εκτελεί κάθε τύπο χειρουργικής επέμβασης, είπαν οι ερευνητές. Η ομάδα χρησιμοποιεί τώρα την εκμάθηση μίμησης για να εκπαιδεύσει ένα ρομπότ ώστε να εκτελεί όχι μόνο μικρές χειρουργικές εργασίες αλλά μια πλήρη χειρουργική επέμβαση.
Πριν από αυτή την πρόοδο, ο προγραμματισμός ενός ρομπότ ώστε να εκτελεί ακόμη και μια απλή πτυχή μιας χειρουργικής επέμβασης απαιτούσε κωδικοποίηση με το χέρι σε κάθε βήμα. Κάποιος μπορεί να περάσει μια δεκαετία προσπαθώντας να δημιουργήσει μοντέλο συρραφής, είπε ο Krieger. Και αυτό είναι η συρραφή μόνο για έναν τύπο χειρουργικής επέμβασης.
«Είναι πολύ περιοριστικό», είπε ο Κρίγκερ. "Αυτό που είναι καινούργιο εδώ είναι ότι πρέπει να συλλέξουμε μόνο μίμηση εκμάθησης διαφορετικών διαδικασιών και μπορούμε να εκπαιδεύσουμε ένα ρομπότ για να το μάθει σε λίγες μέρες. Μας επιτρέπει να επιταχύνουμε τον στόχο της αυτονομίας, μειώνοντας παράλληλα τα ιατρικά λάθη και επιτυγχάνοντας πιο ακριβή χειρουργική επέμβαση ."
Οι συγγραφείς από το Johns Hopkins περιλαμβάνουν τον διδακτορικό φοιτητή Samuel Schmidgall. Συνεργάτης Μηχανικός Έρευνας Anton Deguet; και Αναπληρωτής Καθηγητής Μηχανολόγων Μηχανικών Marin Kobilarov. Οι συγγραφείς του Πανεπιστημίου του Στάνφορντ είναι ο διδακτορικός φοιτητής Tony Z. Zhao
Το διάβασα στο sciencedaily.com
