Toward Safe Autonomous Robotic Endovascular Interventions using World Models

1. Problema e Contexto

A trombectomia mecânica (MT) é um tratamento crucial para o AVC isquêmico, mas sua eficácia diminui com o atraso no tratamento. Atualmente, a MT enfrenta desafios significativos:

• Acesso e Especialização: Apenas uma pequena fração dos pacientes elegíveis recebe o tratamento devido à falta de centros especializados e longos tempos de transferência.
• Riscos para o Operador: A exposição à radiação e o esforço físico (ortopédico) devido ao uso de equipamentos de proteção.
• Limitações da Autonomia Atual: Abordagens anteriores de navegação endovascular autônoma baseadas em Aprendizado por Reforço (RL) (como o algoritmo Soft Actor-Critic - SAC) demonstraram:
  • Baixa robustez frente a variações anatômicas entre pacientes.
  • Dificuldade em lidar com horizontes de tempo longos (navegações complexas).
  • Falta de validação em dados "não vistos" (hold-out) e em ambientes físicos (in vitro).
  • Preocupações de segurança sobre as forças de contato nas paredes dos vasos.

O objetivo deste estudo é desenvolver e validar um agente de RL baseado em Modelos de Mundo capaz de realizar múltiplas tarefas de navegação endovascular de forma segura, generalizando para anatomias não vistas e validando-se em modelos físicos.

2. Metodologia

Abordagem Baseada em Modelos de Mundo

Os autores investigaram o TD-MPC2, um algoritmo de RL baseado em modelo que integra aprendizado de dinâmica e planejamento (Model Predictive Control).

• Vantagem: Ao contrário do SAC (baseado em modelo livre), o TD-MPC2 aprende uma representação do ambiente (modelo de dinâmica) que permite ao agente simular transições e planejar sequências de ações em um ambiente virtual, otimizando ações com base em recompensas previstas e restrições de tarefa.
• Arquitetura: Utiliza um modelo de dinâmica latente e um método de planejamento de entropia cruzada, com uma camada LSTM para incorporar representações de estado dependentes da trajetória.

Configuração Experimental

• Tarefas de Navegação: A primeira fase da MT (navegação da artéria femoral até a artéria carótida interna) foi dividida em 5 tarefas complexas (A1, A2L, A2R, A3L, A3R), incluindo uma tarefa "super-humana" (A2L) que desafia cateteres retos em ângulos agudos.
• Ambiente de Simulação (In Silico):
  • Utilizou-se o framework stEVE e o simulador SOFA.
  • Dados de 15 pacientes reais (angiotomografias) foram processados em malhas 3D.
  • 10 pacientes foram usados para treinamento e 5 como conjunto de teste hold-out (não vistos durante o treinamento).
  • Dispositivos simulados: Cateter multipropósito (MP) e guia de 0.035".
• Ambiente Físico (In Vitro):
  • Fantoma vascular impresso em 3D (resina transparente) baseado em uma anatomia do conjunto de treinamento.
  • Robô manipulador independente para cateter e guia, controlado por motores de passo.
  • Navegação guiada por fluoroscopia (imagens 2D), sem visualização 3D da geometria, simulando condições clínicas reais.
• Comparação: O desempenho do TD-MPC2 foi comparado diretamente com o estado da arte SAC (Soft Actor-Critic).
• Métricas de Segurança: Forças de contato na ponta do guia (limiar de ruptura vascular proposto: 1.5 N) e velocidade da ponta.

3. Contribuições Principais

1. Validação de Segurança: Primeira demonstração de um modelo de mundo capaz de realizar múltiplas tarefas de navegação endovascular em dados hold-out com métricas de segurança (forças de contato) validadas.
2. Validação In Vitro: Desenvolvimento de um banco de testes clínico relevante com fantomas de pacientes e fluoroscopia, preenchendo a lacuna entre estudos puramente simulados e a tradução clínica.
3. Generalização: Comparação robusta entre TD-MPC2 e SAC em cenários de dados não vistos e ambientes físicos, demonstrando a superioridade do aprendizado baseado em modelo para generalização.
4. Técnicas de Augmentation: Aplicação de técnicas de aumento de dados (escala e rotação da malha) para facilitar a transferência simulação-real (sim-to-real).

4. Resultados

Avaliação In Silico (Simulação)

• Taxa de Sucesso: O TD-MPC2 superou significativamente o SAC (58% vs. 36%, p < 0.001).
• Razão de Caminho (Path Ratio): O TD-MPC2 navegou mais perto do alvo em tentativas falhas (49% vs. 22%, p < 0.001).
• Tempo de Procedimento: O TD-MPC2 foi mais lento (17.1s vs. 9.6s), indicando uma exploração mais cautelosa e deliberada.
• Segurança: A força média de contato da ponta foi de 0.15 N para o TD-MPC2, bem abaixo do limiar de ruptura de 1.5 N. Houve um aumento estatisticamente significativo, mas clinicamente aceitável, nas forças em comparação ao SAC.

Avaliação In Vitro (Física)

• Taxa de Sucesso: Não houve diferença estatisticamente significativa entre os dois modelos (TD-MPC2: 68% vs. SAC: 60%, p = 0.567), embora o TD-MPC2 tenha mostrado tendência de superioridade em tarefas específicas (ex: A2R e A3R).
• Razão de Caminho: O TD-MPC2 manteve uma razão de caminho superior (p = 0.017).
• Tempo: O TD-MPC2 foi significativamente mais lento (111.0s vs. 66.2s), devido à necessidade de movimentos robóticos mais cuidadosos e atrasos de controle.
• Falhas: As falas do SAC foram frequentemente devido a cateterização de ramos errados ou timeout. O TD-MPC2 falhou principalmente por timeout ou por não conseguir recuperar de enrolamentos do dispositivo, mas demonstrou melhor capacidade de navegação em trajetórias complexas.
• Tarefa A2L: Nenhum dos modelos conseguiu completar a tarefa A2L (navegação para a carótida esquerda) no ambiente físico, destacando a dificuldade extrema dessa anatomia específica sem cateteres especializados curvados.

5. Significado e Conclusão

Este trabalho representa um marco significativo na direção de intervenções endovasculares robóticas autônomas e seguras:

• Superioridade do Modelo de Mundo: O TD-MPC2 provou ser mais robusto e generalizável do que os métodos baseados em modelo livre (SAC) para tarefas de navegação complexas e de longo horizonte em anatomias variadas.
• Segurança Viável: A navegação autônoma pode ser realizada com forças de contato muito abaixo dos limites de segurança vascular, mitigando riscos de perfuração.
• Validação Realista: A transição bem-sucedida de simulação para um fantoma físico sob fluoroscopia valida a viabilidade de levar esses sistemas para a prática clínica.
• Trade-off Eficiência vs. Segurança: Embora o TD-MPC2 seja mais lento, a maior taxa de sucesso e a natureza cautelosa da navegação são aceitáveis, especialmente considerando que o tempo de transferência do paciente (horas) é o gargalo atual que a automação visa resolver.

O estudo conclui que os modelos de mundo oferecem um caminho promissor para criar sistemas de IA assistida que sejam não apenas precisos, mas também seguros e generalizáveis para a diversidade anatômica humana, um passo essencial antes da implementação clínica.