A Position Statement on Endovascular Models and Effectiveness Metrics for Mechanical Thrombectomy Navigation, on behalf of the Stakeholder Taskforce for AI-assisted Robotic Thrombectomy (START)
该论文由 START 任务组发布，旨在通过多领域专家共识，为 AI 辅助机械取栓机器人的开发确立标准化的验证框架，明确涵盖从体外到体内不同阶段测试床的逼真度要求及相应的有效性评估指标，以确保技术安全并提升地理分布不均地区的卒中救治可及性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文就像是一份**“未来手术导航系统的蓝图与使用说明书”**。
想象一下，中风（尤其是大血管堵塞）就像是一条城市的主干道被巨石堵死了，必须立刻派“清障车”（机械取栓手术）把石头搬走，否则道路（大脑）就会永久瘫痪。目前，只有少数拥有顶级“清障专家”（神经介入医生）的城市能处理这种紧急情况，而且专家太忙，很多偏远地区的人根本等不到救援。
为了解决这个问题，科学家们想开发一种**“自动驾驶清障车”**（AI 辅助的机器人手术系统）。它可以让普通医生操作，甚至让机器自己开，还能让远在千里之外的专家通过遥控来指挥。
但是，在把这种“自动驾驶车”真正开上马路（临床应用）之前，大家必须达成共识：怎么测试它？怎么证明它比人工开得好？怎么保证它不会撞坏道路（血管）？
这份文件就是由全球顶尖的医生、工程师、数据科学家和患者代表组成的“专家委员会”（START 任务组），经过反复讨论（德尔菲法）后达成的**“行业共识”**。
以下是用通俗语言和比喻对核心内容的解读：
1. 为什么要搞这个？（背景与痛点）
- 现状： 中风很可怕，但治疗时间窗口极短（就像救火，晚了就烧光了）。现在的问题是，很多地方的医生技术不够，或者离专家太远，导致病人得不到及时救治。
- 方案： 用机器人 + 人工智能（AI）。
- 比喻： 就像给普通司机（当地医生）装上了“高级自动驾驶辅助系统”，或者让专家在千里之外通过“远程遥控”来开车。这样，无论病人住在哪里，都能得到专家级的治疗。
- 问题： 现在的机器人和 AI 还在“实验室阶段”（就像刚造出来的原型车），大家测试的方法五花八门，有的用电脑模拟，有的用塑料管，有的用猪血管。因为没有统一标准，大家没法说谁的技术更好，也没法证明它比人开得更安全。
2. 专家达成了什么共识？（核心内容）
专家委员会把测试过程分成了四个阶段，就像游戏通关一样，难度逐渐升级：
第一阶段：电脑模拟（In Silico）——“在虚拟游戏里练手”
- 做什么： 在电脑里建立血管模型，让 AI 在虚拟世界里练习。
- 要求： 血管长得要像真的，最好还能有点弹性（像橡胶管），甚至要有“生病”的斑块（像生锈的管道）。
- 怎么算赢： 看它能不能成功到达终点，走了多少步，有没有走错路，花了多少时间。
第二阶段：物理模型（In Vitro）——“在透明水槽里试车”
- 做什么： 用硅胶或塑料做的假血管，放在水槽里，连接水泵模拟血流。
- 要求： 血管要能变形（因为真血管是软的），要有血流冲击，要能同时操作导丝（像钓鱼线）和导管（像软管）。
- 怎么算赢： 除了看成功率，还要看机器人操作时，有没有用力过猛把“假血管”撞破（接触力）。
第三阶段：尸体实验（Ex Vivo）——“在真实生物组织里试驾”
- 做什么： 使用动物器官或人类遗体（尸体）的血管。这是最接近真实人体的非活体测试。
- 要求： 必须包含真实的血管结构、病变斑块，甚至要模拟呼吸带来的血管晃动。
- 怎么算赢： 这里开始测试更复杂的操作，比如把工具撤出来并封住入口（这是尸体实验特有的优势）。
第四阶段：活体实验（In Vivo）——“在活体动物身上路测”
- 做什么： 在活着的动物（如猪）身上进行手术。
- 要求： 这是最真实的，有血压、心跳、真实的血液流动。
- 怎么算赢： 不再只看“走得顺不顺”，而是看临床结果：血管通了吗？（mTICI 评分）有没有出血？有没有把血栓冲到更远的地方？有没有把血管弄破？
3. 两个重要的“评分表”（指标体系）
专家们把测试指标分成了两类：
技术类指标（给前三个阶段用的）：
- 比喻： 就像考驾照的“科目二”评分。
- 内容： 成功到达目标几次？走了多少步？有没有碰到墙壁？花了多少时间？操作力度是否温柔？
- 核心： 只要成功率（Success Rate）是 100% 通过的硬指标。
临床类指标（给最后阶段用的）：
- 比喻： 就像考驾照的“科目三”路考，看能不能安全地把人送到目的地。
- 内容： 血管打通了吗？有没有造成新的伤害（出血、血管撕裂）？
- 核心： 这些指标直接决定了病人能不能活下来、能不能恢复健康。
4. 特别强调的安全原则
- 安全是底线，不是障碍： 很多人担心 AI 和机器人不安全，但专家认为，安全是发展的核心，而不是拦路虎。
- 关键任务： 目前最紧急的一件事是：搞清楚“在假血管上测到的力度”和“在真血管上造成的伤害”之间有什么关系。
- 比喻： 就像我们要知道，在模拟器里把方向盘打多猛，在真实开车时会导致轮胎打滑。只有搞懂了这个，我们才能给机器人设定“安全红线”。
5. 患者和未来的视角
- 患者代表说： 我们非常需要这项技术，因为它能救命。但我们也需要看到证据，证明它真的比人工好，而且不能太贵。
- 伦理问题： 如果机器人完全自动驾驶，出了事谁负责？如果远程手术断网了怎么办？这些都需要未来的规则来解答。
总结
这篇论文就像是给“医疗机器人”行业立下的“交通规则”。
它告诉所有研发者：
- 别乱测： 按照“电脑模拟 -> 塑料模型 -> 尸体 -> 活体”的顺序一步步来。
- 统一标准： 大家都用同样的尺子（指标）去量，这样才知道谁的技术是真的牛。
- 安全第一： 所有的创新都要围绕“不伤害病人”这个核心。
有了这个共识，未来的 AI 机器人就能更快地从实验室走向医院，让偏远地区的中风患者也能享受到世界顶级的“自动驾驶”手术，把生命从死神手里抢回来。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。