Learning-Based Modeling of a Magnetically Steerable Soft Suction Device for Endoscopic Endonasal Interventions

技術要約：磁気ステアリング式ソフト吸引デバイスの学習ベース・モデリング

問題提起
内視鏡下経鼻脳腫瘍摘出術は、狭い解剖学的経路をナビゲートすることに依存する低侵襲技術である。しかし、従来の硬い器具の操作性は、患者固有の解剖学的複雑性（例：狭い鼻腔、減少した頭蓋底）によって制限されることが多く、重要な神経血管構造への損傷リスクを高める。柔軟なロボット器具は解決策となるが、その固有の非線形かつ超弾性的な挙動や直感的な制御の欠如が大きな課題となっている。従来の物理ベースのモデリング手法（定曲率理論、コセラ・ロッド理論、幾何学的可変歪みなど）は、3Dプリントされた材料特性の正確な特性評価の困難さ、構成依存的な磁気トルクの複雑さ、およびリアルタイム・シミュレーションの計算コストにより、磁気駆動されるソフトデバイスに対しては苦戦している。さらに、既存の学習ベースの研究は主に腱駆動型または空気圧式ロボットに焦点を当てており、埋め込み型センサを備えた磁気駆動式ソフト手術器具のデータ駆動型モデリングには空白領域が残されている。

手法
著者らは、磁気駆動入力からカスタム・ソフト吸引デバイスの幾何学的構成へ直接マッピングする、データ駆動型のモデリングフレームワークを提案している。

• デバイス設計： 生体適合性のあるSIL 30シリコーンを用いて、小型化された（外径4 mm、内径2 mm、有効長40 mm）ソフト吸引デバイスを3Dプリントした。このデバイスは、ステアリング用の遠位永久磁石と、リアルタイムの形状センシングのための埋め込み型マルチコアファイバ・ブラッグ・グレーティング（FBG）センサを備えている。
• 形状エンコーディング： 生のFBG歪みデータを処理して、ロボットの3D中心線を再構成する。学習に適したコンパクトで低次元な表現を作成するために、再構成された形状を4つの制御点（$p_0$ から $p_3$）によって定義される3次ベジェ曲線に適合させる。端点（$p_0, p_3$）はデバイスの基部と先端に制約され、中間点（$p_1, p_2$）は曲率プロファイルを定義する。
• 実験データの収集： 実験は8コイル電磁システムを用いて行われた。デバイスは、変動するパラメータ（振幅（0–14 mT）、周波数（0.2–1.0 Hz）、コイルテーブルからの垂直先端距離（90 mm および 100 mm））を持つ回転磁界の下で駆動された。これにより、5,097個の実験サンプルからなるデータセットが得られた。
• モデリング手法： 磁界パラメータ（$b_x, b_y$、振幅、周波数、および距離）から4つのベジェ制御点を予測するために、2つの機械学習アーキテクチャを訓練した。
  1. ニューラルネットワーク (NN): 3つの隠れ層を持つフィードフォワードネットワーク。
  2. ランダムフォレスト (RF): 各200個の決定木を持つ12個の回帰器のエンサンブル。

主な貢献

1. デバイス製作： 内視鏡下経鼻脳神経外科手術に特化して設計・製作された、FBGセンシングを統合した小型化された3Dプリント生体適合性ソフト吸引デバイス。
2. 新しいモデリングパラダイム： 磁気フィールド入力をベジェ制御点に直接結びつける学習ベースのフレームワークの導入。このアプローチは、明示的な構成パラメータの同定や解析的な運動学の導出を回避し、コンパクトで解釈可能な幾何学的表現を提供する。
3. 統合フレームワーク： 磁界特性、埋め込み型FBGセンシング、およびベジェベースの学習を、他の磁気駆動型連続体ロボットに適用可能な単一のモデリング戦略へと概念的に統合したこと。
4. 実験的検証： 磁気駆動下にある超弾性ソフトロボットの複雑で非線形的かつ周波数依存的な挙動を、提案されたフレームワークが正確にモデル化できることを示す包括的な検証。

結果

• モデル性能： ランダムフォレスト（RF）モデルは、すべての指標においてニューラルネットワーク（NN）を大幅に上回った。RFモデルは、制御点の予測において平均平方二乗誤差（RMSE）0.087 mmを達成したが、これはNNの0.121 mmと比較して優れている。
• 形状再構成： RFモデルは、0.064 mmの平均形状再構成誤差を示した。誤差分布は、特に先端の位置決めにおいて極めて重要な遠位制御点（$p_2$ および $p_3$）において、RFモデルの方がよりタイトでゼロ付近に集中していた。
• 特徴量の重要度： 分析により、磁界成分（$b_x, b_y$）が主に遠位制御点に影響を与え、一方で駆動周波数と垂直距離は基部の構成および垂直方向の位置付けに大きく影響することが明らかになった。
• 計算効率： RFモデルは高い計算効率を示し、リアルタイム推論に適しており、サンプルあたりの予測時間は約$7.89 \times 10^{-5}$秒であった。

意義と主張
本論文は、埋め込み型FBGセンシングを備えた磁気駆動式ソフト手術デバイスに特化した、学習ベースの形状予測モデルの最初の適用事例を提示していると主張している。本研究の意義は、簡略化された物理的仮定や入手困難な材料パラメータに依存することなく、ソフトロボットの複雑な非線形挙動をモデル化できる能力にある。サブミリメートル単位の予測精度とリアルタイム推論を実現することで、本フレームワークは、低侵襲脳神経外科における磁気駆動型ツールのインテリジェントな制御のための基礎を確立する。

著者らは、学習ベースのアプローチは迅速なデバイス特性評価のための実用的な経路を提供するものであるが、物理ベースのフレームワークを補完するものであると強調している。また、限界についても認めており、単一のプロトタイプへの依存（デバイス固有性）、理想化された回転磁界の使用、および現在の訓練データにおける組織相互作用効果の欠如が含まれる。したがって、著者らは本研究を、複数のデバイス間での汎用性の検証、組織相互作用データの組み込み、および複雑な臨床的磁気環境における性能テストのための将来的な研究が必要となる、不可欠なベースライン特性評価として位置づけている。