Un robot per la chirurgia

4 applicazioni utili di machine learning in chirurgia robotica

La chirurgia farà sempre più affidamento a tecnologie robotiche e di intelligenza artificiale (IA).

Oggi esistono alcune applicazioni di machine learning destinate a cambiare questo settore. TechEmergence ha individuato 4 applicazioni utili che mostrano la convergenza tra robotica e chirurgia.

Vediamo quali sono e quali vantaggi offrono.

 

1. Sutura automatizzata

La sutura è una parte importante dell’intervento chirurgico che non bisogna sottovalutare. Questa operazione può richiedere tempo. Tempo che potrebbe essere speso per dare spazio ad altri interventi.

L’automazione di questo processo potrebbe ridurre il tempo totale degli interventi chirurgici. Inoltre, farebbe risparmiare anche un bel po’ di fatica ai chirurghi.

Nel 2013 alcuni ricercatori dell’Università della California di Berkeley pubblicarono una ricerca sull’applicazione di un algoritmo per la sutura automatica eseguita dai robot.

L’algoritmo fu testato su due modelli di robot: il robot Raven II e il robot PR2. Il primo è stato progettato per la chirurgia laparoscopica, mentre il secondo può essere adottato per diverse applicazioni.

Il tasso di successo della sutura automatizzata tramite questi 2 robot è stato dell’87%. Il problema, però, era che all’aumento della complessità dell’operazione di sutura corrispondeva una diminuzione dell’accuratezza.

Sono comunque dei risultati incoraggianti. Nel video qui sotto puoi vedere il robot PR2 in uno degli esperimenti per la sutura automatizzata.

Nel 2016 la Johns Hopkins University annunciò che una delle sue ricerche contribuì allo sviluppo di un sistema chirurgico robotizzato chiamato STAR (Smart Tissue Autonomous Robot). Il sistema integra una tecnologia computerizzata di immagini 3D e sensori per guidare il robot attraverso il processo di sutura.

Nel video di seguito gli scienziati spiegano come funziona STAR.

La performance del robot è stata confrontata con il lavoro di cinque chirurghi umani in tre diverse procedure: “chirurgia invasiva, laparoscopica e chirurgia assistita da robot“. I risultati sono stati paragonabili o migliori rispetto alle prestazioni chirurgiche standard.

Non sappiamo quando STAR potrà essere adottato negli ospedali. Tuttavia, i ricercatori ritengono che il sistema chirurgico robotico possa ridurre gli errori di funzionamento e migliorare i risultati degli interventi. Ci vorrà del tempo prima che i robot effettueranno operazioni di sutura completamente affidabili. Ma negli anni stiamo assistendo a progressivi miglioramenti.

 

2. Valutazione delle abilità chirurgiche

I ricercatori stanno anche esplorando nuovi metodi automatizzati per valutare le prestazioni dei chirurghi.

Nel 2016 fu presentato uno studio al World Congress on Engineering and Computer Science sull’applicazione del machine learning per valutare le prestazioni dei chirurghi negli interventi minimamente invasivi assistiti da robot.

I ricercatori hanno valutato i dati raccolti dividendo i chirurghi in due categorie: novizi ed esperti. L’algoritmo è stato sviluppato per misurare 6 aspetti: durata dell’intervento, lunghezza della curva eseguita con gli strumenti, percezione della profondità, velocità, fluidità e curvatura (precisione rettilinea).

Il sistema di valutazione ha classificato con accuratezza le capacità chirurgiche di circa l’85% delle prove. Questo è un risultato promettente che offrirà la possibilità di adottare metodi di valutazione più standardizzati.

 

3. Miglioramento della chirurgia robotica

In neurochirurgia sono necessarie sensibilità e destrezza. I robot hanno ancora qualche carenza sotto questo aspetto.

I ricercatori dell’University of California, San Diego (UCSD) Advanced Robotics and Controls Lab stanno studiando applicazioni di machine learning per migliorare la robotica chirurgica.

I “continuum robots” (robot di continuità) sono fatti di materiale robotico flessibile e sono fondamentali per interventi minimamente invasivi.

L’automazione funziona particolarmente bene nei processi di routine. Tuttavia, l’ambiente chirurgico non è sempre prevedibile. Questo può influire negativamente sull’affidabilità di questi robot. Ecco perché i ricercatori stanno cercando nuovi modi per permettere a queste macchine di riuscire a navigare in ambienti più complessi.

 

4. Modellazione del flusso di lavoro chirurgico

L’utilità dell’automazione della chirurgia va al di là del tavolo operatorio. Questa può offrire vantaggi anche prima e dopo gli interventi.

Le liste di controllo, ad esempio, sono state suggerite come una strategia utile a mitigare errori evitabili. Per migliorare l’elaborazione dei rapporti clinici, un team di ricercatori ha sviluppato un sistema clinico di estrazione di informazioni chiamato IDEAL-X.

Il processo manuale spesso richiede tempo e non fornisce un feedback automatico da parte dell’utente su come migliorare il processo. La piattaforma di apprendimento IDEAL-X sfrutta il machine learning per capire come un utente genera i rapporti e crea modelli di previsione per migliorare la velocità e l’efficienza del processo.

I ricercatori hanno riferito che il sistema è stato “molto efficace” e che ha raggiunto un tasso di precisione del 95% rispetto ad altri due metodi di estrazione di informazioni cliniche. Secondo i ricercatori, non sono necessarie abilità avanzate per operare il sistema che sarà liberamente disponibile online.

 

Una chirurgia sempre più robotica

Abbiamo visto che le potenziali applicazioni di apprendimento automatico nel campo chirurgico sono diverse e affrontano diversi aspetti. La formazione, le operazioni e la gestione clinica dei dati potranno essere affidate alle macchine per ottenere diversi vantaggi. I chirurghi risparmieranno tempo prezioso per concentrarsi laddove ci sarà più bisogno e con il supporto delle macchine lavoreranno con più precisione ed efficacia.

Difficile fare previsioni in quest’ambito. Secondo alcuni esperti, ci vorranno circa un paio di decenni prima di vedere robot chirurghi eseguire interventi in modo completamente autonomo. Il machine learning si basa su dati abbondanti e sul riconoscimento di modelli. La complessità di alcuni interventi spesso crea un ambiente meno uniforme e imprevedibile: una situazione scomoda per un’intelligenza artificiale di questo tipo.

Ma da qui a 20 anni potremo assistere a interessanti innovazioni in robotica e nell’IA. Passeremo dall’avere robot radiologi, di supporto ai medici, a robot in grado di eseguire specifici compiti in modo autonomo. Proprio l’IA, intanto, sta entrando in diversi ospedali americani per facilitare diverse attività.

Per ricevere aggiornamenti dal blog su questa evoluzione digitale, iscriviti alla newsletter.

Controcorrente Newsletter

Foto: Flickr


Lascia un commento