Imitation Learning for Robot Assistance in Open Surgery: A Multi-Policy Evaluation on Suture Following
تقدم هذه الدراسة أول تقييم متعدد السياسات للتعلم بالتقليد عام الأغراض للمساعدة التعاونية بين الجراح والروبوت في الجراحة المفتوحة، مظهرةً أن سياسة تحقق متانة فائقة ومعدل إتمام غرز بنسبة 92% مع تحديد إدراك العمق وتصميم النهاية الطرفية كأولويات حاسمة للنقل السريري.
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 عالماً لا تكون فيه الروبوتات مجرد صناديق معدنية خرقاء تصطدم بالأشياء، بل مساعدين رشيقين يمكنهم التعلم من خلال مراقبتنا. هذا هو مجال تعلم التقليد (Imitation Learning)، وهو فرع من فروع الذكاء الاصطناعي حيث لا يحتاج الكمبيوتر إلى برمجة كل قاعدة من قواعد كيفية الحركة. بدلاً من ذلك، يعمل كمتدرب شديد الملاحظة: تُريه ما يجب فعله بضع مرات، فيحاول تقليد حركاتك. فكر في الأمر مثل تعليم كلب جلب الكرة؛ أنت لا تكتب دليلاً حول كيفية حساب مسار قفزة الكلب، بل ترمي الكرة فقط، ويتعلم الكلب النمط. وفي عالم الجراحة عالي المخاطر، تعتبر هذه الفكرة تغييراً جذرياً لقواعد اللعبة. الجراحون مهارة فائقة، لكنهم غالباً ما يحتاجون إلى يد ثانية لتثبيت الأشياء، أو شد الخيوط، أو تنظيم الأدوات بينما يركزون هم على العمل الدقيق للقطع والخياطة. والسؤال الكبير الذي طرحه الباحثون هو: هل يمكن للروبوت أن يتعلم ليكون ذلك المساعد المفيد، ليس فقط في عالم فيديو مثالي ونظيف، بل في الفوضى الحقيقية والمبعثرة لغرفة العمليات؟
يغوص هذا البحث مباشرة في هذا السؤال، ولكن مع لمسة مختلفة: فبدلاً من محاولة بناء روبوت يقوم بإجراء الجراحة نفسها (وهو أمر خطير ومعقد للغاية)، تساءل المؤلفون عما إذا كان بإمكان الروبوت تعلم وظيفة المساعد. وتحديداً، ركزوا على مهمة تسمى "تتبع الغرزة" (suture following). تخيل جراحاً يخيط جرحاً؛ وبينما يشد الخيط، يتدلى الطرف المتراخي من الخيط حوله. يتعين على المساعد البشري باستمرار الإمساك بهذا الخيط المرتخي، وشده ليصبح مشدوداً، وإبعاده عن الطريق حتى يتمكن الجراح من إجراء الغرزة التالية دون أن يتشابك الخيط أو يرتخي. إنها وظيفة متكررة ودقيقة تتطلب الدقة ولكنها ليست "الحدث الرئيسي". أراد الباحثون معرفة ما إذا كانت روبوتات الذكاء الاصطناعي العامة، المدربة على مجموعة صغيرة من العروض التوضيحية، يمكنها تعلم هذه الرقصة المساعدة المحددة.
أعد الفريق "معسكراً تدريبياً" باستخدام ذراع روبوت مفتوح المصدر وقطعة جلد مزيفة (نموذج سيليكون) مع خيط يمر عبرها. جعلوا مشغلاً بشرياً يتحكم في ذراع روبوت "قائد" لاستعراض حركة الإمساك والشد 160 مرة، مما خلق مجموعة بيانات تضم أكثر من 32,000 إطار فيديو. ثم وضعوا أربعة "عقول طلاب" مختلفة من الذكاء الاصطناعي في مواجهة بعضهم البعض لمعرفة أيهم سيتعلم بشكل أفضل. تراوحت هؤلاء الطلاب من نموذج "ترانسفورمر" قياسي إلى نموذج ضخم مدرب مسبقاً على "الرؤية واللغة والعمل" (وهو نوع من الذكاء الاصطناعي الذي شاهد بالفعل ملايين الصور والأفعال قبل هذا التدريب المحدد).
كانت النتائج مزيجاً من "ليس سيئاً" و"واعدة جداً". في ظل ظروف مثالية ومسيطر عليها، نجحت الروبوتات في الإمساك بالخيط بنسبة تتراوح بين 50% و75% من الوقت. وكان نجم العرض هو النموذج المدرب مسبقاً، الذي نجح بنسبة 75% من الوقت. ومع ذلك، وجد الباحثون نقطة ضعف محددة: إدراك العمق. فبينما كانت الروبوتات جيدة في رؤية الخيط يميناً أو يساراً (الحركة الجانبية)، إلا أنها غالباً ما واجهت صعوبة في تقدير مدى المسافة التي يجب الوصول إليها للأمام. الأمر يشبه شخصاً يرى كرة بوضوح ولكنه يخطئ باستمرار في تقدير ما إذا كان عليه التقدم للأمام أو التراجع للخلف للإمساك بها. كان هذا هو السبب الرئيسي للفشل في جميع النماذج.
كما اختبرت الدراسة مدى قدرة هذه الروبوتات على التعامل مع فوضى "العالم الحقيقي". عندما قام الباحثون بتغيير الخلفية أو إزالة غطاء الجراحة الأزرق المثالي لإظهار طاولة مزدحمة، انهارت الروبوتات التي تدربت من الصفر (التي لم تشهد العالم من قبل) تماماً، وفشلت في كل مرة تقرياً. ولكن ماذا عن النموذج المدرب مسبقاً؟ لقد استمر في العمل، وانخفض معدل نجاحه قليلاً فقط. هذا يشير إلى أن امتلاك "عقل" يفهم العالم مسبقاً يساعد الروبوت على التكيف عندما تتغير البيئة.
أخيراً، أخذ الفريق أفضل روبوت لديهم في تجربة حية مع جراح حقيقي. في هذا الاختبار، لم يكن على الروبوت أن يكون مثالياً؛ حيث يمكن للجراح إجراء تعديلات طفيفة إذا أخطأ الروبوت قليلاً. في هذا السيناريو الأكثر تسامحاً والواقعي، نجح الروبوت في المساعدة في إكمال 23 غرزة من أصل 25 غرزة (بنسبة نجاح 92%). ويخلص المؤلفون إلى أنه على الرغم من أن هذه التكنولوجيا ليست جاهزة لاستبدال المساعد البشري غداً، إلا أنها تشير إلى أن الروبوت يمكنه أن يتعلم ليكون شريكاً مفيداً في الجراحة المفتوحة. العقبات الكبرى المتبقية هي تعليم الروبوت تقدير العمق بشكل أفضل، وتصميم قابض يمكنه الإمساك بخيط رفيع وزلق دون إسقاطه. لكن الباب مفتوح: المساعد الروبوتي الذي يتعلم من خلال المشاهدة ليس مجرد حلم من أفلام الخيال العلمي؛ بل هو واقع ممكن ينتظر بضع تحسينات إضافية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.