Toward Safe Autonomous Robotic Endovascular Interventions using World Models
تقدم هذه الورقة إطار عمل للملاحة الذاتية القائم على نموذج عالمي باستخدام خوارزمية TD-MPC2 لعمليات استئصال الخثرة الميكانيكي، والذي أظهر متانة وسلامة فائقتين مقارنة بخوارزميات "Soft Actor-Critic" المتطورة في كل من التجارب المحاكاتية والتجارب المختبرية، مما يفتح مساراً واعداً نحو تدخلات الأوعية الدموية المدعومة بالذكاء الاصطناعي القابل للتعميم.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل طبيبًا يحاول إجراء جراحة دقيقة داخل دماغ مريض. للقيال بذلك، يتعين عليه تمرير سلك مرن وصغير وأنبوب رفيع (قسطرة) عبر متاهة من الأوعية الدموية، بدءًا من منطقة الأربية وصولاً إلى الدماغ. الأمر يشبه محاولة لضم خيط في إبرة أثناء ركوب دراجة أحادية العجلة على حبل مشدود، لكن "الإبرة" هنا داخل جسم حي، و"الدراجة" هي ذراع روبوت يتحكم فيها إنسان.
تسمى هذه العملية استئصال الخثرة الميكانيكي (MT)، وتُستخدم لإزالة الجلطات التي تسبب السكتات الدماغية. إنها عملية صعبة للغاية، وخطيرة، وتتطلب سنوات من التدريب. كما أن الأطباء يصابون بالتعب، كما أن أجهزة الأشعة السينية التي يستخدمونها لرؤية ما بداخل الجسم تعرضهم للإشعاع.
المشكلة: الروبوتات تحتاج لتعلم المتاهة
حاول العلماء بناء روبوتات يمكنها القيام بهذه الملاحة بشكل تلقائي. لقد استخدموا نوعًا من الذكاء الاصطناعي يسمى التعلم التعزيزي (RL). فكر في التعلم التعزيزي كتدريب كلب: تعطي الكلب مكافأة (جائزة) عندما يفعل شيئًا صحيحًا، ولا تعطيه شيئًا عندما يخطئ. في النهاية، يتعلم الكلب المسار الأفضل.
ومع ذلك، كان للمحاولات السابقة عيب كبير. فقد تم تدريب "الكلاب" (وكلاء الذكاء الاصطناني) على خريطة واحدة محددة لنوع معين من الأوعية الدموية فقط. وعندما تُعرض عليهم حالة مريض جديد به تشريح مختلف قليلاً، فإنهم يفقدون الطريق أو يصطدمون. كان الأمر أشبه بتدريب سائق على طريق سريع مستقيم فقط، ثم توقع قيادته بشكل مثالي عبر مدينة معقدة ومتعرجة لم يرها من قبل.
الحل: "محاكي ألعاب الفيديو" (نماذج العالم)
يقدم هذا البحث طريقة أذكى لتدريب الروبوت باستخدام ما يسمى نموذج العالم (World Model).
تخيل أنك تلعب لعبة فيديو. قبل أن تلعب فعليًا، تبني نموذجًا ذهنيًا لعالم اللعبة. أنت تعرف أنه "إذا قفزت هنا، فسأصطدم بحائط"، أو "إذا انعطفت يسارًا، فسأجد طريقًا مختصرًا". لست بحاجة للاصطدام بالحائط ألف مرة لتتعلم ذلك؛ بل يمكنك محاكاة الأمر في عقلك فقط.
استخدم الباحثون ذكاءً اصطناعيًا يُدعى TD-MPC2 يعمل مثل هذا المحاكي فائق الذكاء. فبدلاً من مجرد التفاعل مع ما يراه الآن، يقوم ببناء خريطة ذهنية لكيفية تحرك وانحناء الأوعية الدموية. إنه "يحلم" بآلاف المسارات المختلفة في عالم افتراضي قبل أن يلمس روبوتًا حقيقيًا. وهذا يسمح له بالتخطيط مسبقًا والتكيف مع المرضى الجدد غير المرئيين بشكل أفضل بكثير من الطرق القديمة.
التجربة: الافتراضي مقابل الواقعي
اختبر الفريق "سائقين" من الذكاء الاصطناعي:
- السائق القديم (SAC): المعيار الحالي، الذي يتعلم عن طريق التجربة والخطأ دون خريطة ذهنية.
- السائق الجديد (TD-MPC2): الذي يمتلك محاكي "نموذج العالم".
قاموا باختبارهم بطريقتين:
- في السيليكو (داخل المحاكاة/لعبة الفيديو): قاموا بتشغيل عمليات محاكاة على 15 خريطة مختلفة لأوعية دموية لمرضى. كان السائق الجديد أفضل بكثير في إيجح المسار الصحيح (معدل نجاح 58% مقابل 36% للسائق القديم).
- في المختبر (الاختبار الواقعي): قاموا ببناء نموذج بلاستيكي شفاف لشريان الأبهر والدماغ البشري. وضعوا ذراع روبوت حقيقي في غرفة عمليات وهمية واستخدموا كاميرات أشعة سينية حقيقية (تصوير فلوروسكوبي) لتوجيه الروبوت، تمامًا كما يحدث في الجراحة الحقيقية.
النتائج: أبطأ ولكن أكثر أمانًا وذكاءً
إليك ما وجدوه:
- معدل النجاح: كان الذكاء الاصطناعي الجديد (TD-MPC2) أفضل بشكل ملحوظ في التنقل عبر الأجزاء المعقدة والصعبة، خاصة في عمليات المحاكاة. وفي النموذج البلاستيكي الحقيقي، كان أداؤه أفضل قليلاً، رغم أن الفرق لم يكن كبيرًا بعد.
- السلامة: أحد المخاوف الرئيسية هو أن الروبوت قد يضغط بقوة زائدة على جدران الأوعية الدموية الرقيقة، مما يسبب تمزقًا. كان الذكاء الاصطناعي الجديد لطيفًا للغاية. ورغم أنه ضغط بقوة أكبر قليلاً من الذكاء الاصطناعي القديم، إلا أن القوة كانت لا تزال أقل بـ 10 مرات من المستوى الذي يسبب الضرر. كان الأمر يشبه الفرق بين قطة تمشي على طاولة وكلب يقفز عليها؛ كلاهما قد يصطدم بالطاولة، لكن القطة أكثر أمانًا بكثير.
- السرعة: كان الذكاء الاصطناي الجديد أبطأ. فقد استغرق ضعف الوقت تقريبًا لإنهاء المهمة. لماذا؟ لأنه كان حذرًا. كان يفكر: "إذا ذهبت بسرعة هنا، فقد أصطدم بحائط، لذا دعني أبطئ وأتحقق من خريطتي أولاً". أما الذكاء الاصطناعي القديم فكان أسرع ولكنه متهور، وغالبًا ما كان يصطدم بنهايات مسدودة.
تحدي "القدرة الفائقة"
كانت هناك مهمة واحدة محددة (الانعطاف إلى الشريان السباتي الأيسر) صعبة للغاية لدرجة أن حتى الخبراء البشر يجدون صعوبة فيها باستخدام الأدوات القياسية. تمكن الذكاء الاصطناعي الجديد من حل هذه المهمة في محاكاة الكمبيوتر (وهو ما يُعد قدرة "فائقة للبشر")، لكنه فشل في النموذج البلاستيكي. أدرك الباحثون أنه في العالم الحقيقي، يستخدم الأطباء أدوات منحنية خاصة لهذا الانعطاف تحديدًا، وهو ما لم يمتلكه الروبوت بعد.
لماذا هذا مهم؟
تعد هذه الدراسة خطوة كبيرة للأمام لأنها تثبت أن ذكاءً اصطناعيًا يتم تدريبه في الكمبيوتر يمكنه بنجاح قيادة روبوت حقيقي في بيئة واقعية.
- التعميم: لم يقم الذكاء الاصطناعي بمجرد حفظ خريطة واحدة؛ بل تعلم كيفية التنقل، لذا استطاع التعامل مع مرضى جدد لم يسبق له رؤيتهم.
- السلامة: أثبت أنه يمكن للذكاء الاصطناعي أن يكون أكثر أمانًا من البشر من خلال الحفاظ على قوى التلامس منخفضة.
- المستقبل: على الرغم من أن الروبوت حاليًا أبطأ قليلاً ويحتاج إلى أدوات أفضل للمنعطفات الأكثر صعوبة، إلا أن نهج "نموذج العالم" هذا هو المفتاح لجعل جراحة السكتة الدماغية ذاتية القيادة حقيقة واقعة. قد يسمح ذلك للأطباء في المستشفيات الصغيرة بإجراء هذه الجراحات المنقذة للحياة بمساعدة روبوت ذكي، أو يسمح للمتخصصين بإجراء العمليات عن بُعد من مدينة أخرى.
باخت مختصر: علم الباحثون الروبوت كيف "يحلم" بالتنقل عبر الأوعية الدموية. هذا "الحالم" أبطأ من السائق المتهور، لكنه أكثر ذكاءً وأمانًا وقدرة على التعامل مع الخرائط الجديدة والمربكة من أي روبوت امتلكناه من قبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.