来源：器械之家，未经授权不得转载，且24小时后方可转载

近期，中国手术机器人实现了手术机器人“自主化”手术的历史性创举。国产手术机器人企业康诺思腾联合香港中文大学多学科研究团队，实现了全球首例「临床场景下自主手术」验证，并于顶级期刊《Science》的机器人领域子刊《Science Robotics》（IF=27.5, 5年影响因子为32.9）发表论文。

就在不久前，美国约翰霍普金斯团队通过手术机器人，自主完成离体猪胆囊切除的消息曾轰动全球。而国内团队完成的这项研究堪称2.0版本，主要实现了两大技术跃迁：

• 手术在活体动物内进行，须面临诸多动态的手术场景干扰（如多样化的组织结构特征、呼吸运动等），实现难度更高；

• 应用的是已经获批的商业化手术机器人——康诺思腾自主研发的Sentire思腾®腔镜手术机器人，而非专为研究定制的模型机，为技术转化铺平了道路，更具现实意义。

这意味着，此项研究是目前为止全球范围内，最接近真实临床场景的机器人自主手术，标志着人类向自动化医疗迈进了一大步。

01

手术机器人的“ChatGPT时刻”

本次研究采用了活猪进行试验，全程仅依靠手术机器人内窥镜视觉反馈，在算法的驱动下，由Sentire思腾®自主执行了三项内窥镜手术常见操作，即纱布抓取、血管夹闭和软组织牵引。

这些看似简单的基础操作，完全凭借手术机器人自主运行，涉及许多复杂的挑战。

比如，在纱布抓取场景中，放置在体内的纱布往往会被血液染色，使其与周围软组织混为一体，难以识别。这就要求视觉算法，不能仅基于颜色特征进行识别，还须具备更高水平的场景理解。此外，在抓取过程中动物的呼吸运动不停，机器人须准确识别纱布的中心，才能避免失误。同样，呼吸运动下血管夹闭任务的血管定位和机器人路径规划十分复杂，这要求手术机器人的手眼校准要十分精准。而在软组织牵引中，各种软组织外观、方向和表面光反射均有差异，对图像质量要求极高，能否充分按压组织也是一大难题。

为了实现以上高难度任务，研究团队首先进行了虚拟环境中的模拟。采用自研手术机器人具身智能模拟器SurRoL，进行多项任务预训练，验证了团队研发的自动化方案能够成功运作。

接下来，将上述算法嵌入Sentire思腾®腔镜手术机器人，在离体动物上进行真实世界验证。这种方法被称为“零样本学习”（zero-shot），即将仿真训练的AI策略直接部署到真实手术机器人中，旨在模仿人类的推理过程，不仅能识别出训练集中已有的数据类别，还可以对未见过的数据进行区分。这意味着训练成本将大幅缩减，模拟与现实之间的差距被无限拉近。

在真实世界的试验中，手术机器人自身性能须达到一定条件，才能媲美人类操作。首先是“眼”，Sentire思腾®腔镜手术机器人内窥镜提供1080p的高分辨率立体视频流，为视觉识别提供保障；其次是“脑”与“手”，Sentire思腾®最先进的机电一体化平台，能够减少系统延迟，实现更快的控制响应和更精确的机械运动。

研究人员采用了保留左右胃网膜动脉的猪胃组织切片作为离体试验样本，在不同光照、烟雾等环境条件下，成功实现了内窥镜摄像头调整、针加持、纱布抓取、软组织牵引和血管夹闭五项自主任务。

最后在活体猪内，进行了三项相对复杂，且体内外场景差异明显的任务，即纱布抓取、软组织牵引和血管夹闭。结果表明，在无人员介入的情况下，Sentire思腾®能够准确且高效地完成自主操作，三项任务的成功率分别高达83%、77%和67%，且对于所有在体实验，神经网络均实现了实时推理速度。

其中，图像感知模块处理单帧图像的时间仅为40毫秒（目标物体分割）和300毫秒（立体深度估计）。策略预测模块速度更快，仅需7毫秒即可完成场景状态评估，并据此预测机械臂末端执行器的动作。最终的视觉伺服低级控制器耗时2毫秒。

出于安全考量及便于人工实时监控，研究人员还适当降低了机器的运行速度，结果显示纱布抓取任务平均耗时19.2秒，软组织牵引任务17.0秒，血管夹闭任务8.3秒。这表明，在未来的实际应用中，运行速度不会成为自动化机器人手术的发展瓶颈。

02

医疗终极畅想，照进现实

此次国内团队应用纯国产自研手术机器人，实现全球首例「临床场景下自主手术」具有重大的意义。

人机协作，生产力倍增

当前，手术机器人超越人类的执行精度，已经得到了充分验证。如何更进一步，赋予手术机器人自主决策的能力，成为医生真正的得力助手，不仅是涉及到算法、机械运行的顶级技术难题，更是临床中普遍存在的迫切需求。

比如，即便手术机器人在很大程度上节约了医生的体力，减少了助手的数量，但在操作过程中，仍存在大量简单重复的任务，需要医生切换机械臂进行操作。若能将这些繁琐的任务交由手术机器人自动执行，医生的精力就能够充分投入到困难费时的精细操作上。

在本次研究中，团队探索了人机协作的手术模式。由Sentire思腾®的第三只机械臂自动牵引小肠，为医生操控的另外两只机械臂提供肠系膜解剖空间。医生可以专注于两只机械臂的操作，而无须频频中断手术，执行软组织牵引，极大程度上提升手术效率和护理质量。

AI指引，提升教学效率

在手术机器人培训的提升上，此项研究同样具有重要价值。研究人员用RL预测轨迹驱动机器人控制端操作主手，为学员提供实时力引导。初步结果显示，新手在AI辅助训练下，任务完成速度快了近一倍。此研究有望给外科医生培训资源稀缺问题带来解决方案，降低医疗教育门槛。

开源平台，能力指数级成长

团队自研了开源手术机器人学习平台SurRoL，进行算法研究和AI策略训练。目前，该平台在全球范围内被广泛应用，谷歌学术引用已达到100篇，被誉为手术机器人的「Android系统」。这意味着，全球机构的应用数据都能推动平台进步。

安全概念同步跟进

本次研究，还对未来机器人自主手术的应用，进行了安全框架的探索。团队创新引入了“自主监督”的概念，允许医生随时接管手术机器人的自主任务。并且在软组织牵引任务中，可以由医生提前勾画出手术机器人安全执行操作的目标组织。这些安全理念的提出，具有很高的指导意义和参考价值。

国产厂家参与

此外，本次研究基于国产厂家康诺思腾自主研发的商业化手术机器人Sentire思腾®，且康诺思腾团队深入参与到研究中。除了香港中文大学窦琪教授团队外，康诺思腾联合创始人、首席技术官兼首席运营官王泽睿博士作为通讯作者共同领导了该项研究。

王泽睿博士

独角兽企业康诺思腾联合创始人、首席技术官兼首席运营官

曾任香港中文大学机械与自动化工程学系研究助理教授，

专注于手术机器人核心技术研发逾十年，深度参与国家药监局手术机器人行业标准制定

窦琪教授

香港中文大学计算机科学与工程学系助理教授，博导，国家级青年人才

港中文智能医疗与扩展现实研究所副所长

港中文天石机器人研究所研究员，香港InnoHK医疗机械人创新技术中心研究员

结合其广泛的临床经验，以及手术机器人的开发经验，能够更加高效的实现自动化手术的落地探索。举例来说，早在构建产品之初，康诺思腾便秉持了全栈自研与垂直整合的思路，成就了本次研究的基础。Sentire 思腾®的系统架构具备卓越的可扩展性，其独特的AI就绪且AI友好特性，在研究中完整实现了从算法到系统的优化闭环。其跨平台部署能力不仅验证了核心技术的商业化潜力，也推动了自主手术从概念走向临床应用。

具备自主意识的，能自动执行任务的手术机器人，一直是医疗领域的终极畅想，国内团队能够率先在该领域拿下“全球首个”，不仅彰显了中国领先的科研能力，也充分证实了国产手术机器人的先进性能。这项技术的实现，代表了中国在手术机器人高难度应用的探索上，处于领先地位，令人十分振奋。相信随着研究的推动，未来我们可以看到机器人参与到更多、更复杂的医疗任务中，真正实现高端医疗技术的民主化。