4 تطبيقات لتعلم الآلة في الروبوتات الجراحية

4 تطبيقات لتعلم الآلة في الروبوتات الجراحية

1. أتمتة الخياطة الجراحية

في عام 2013، نشر فريق من الباحثين في جامعة كاليفورنيا في بيركلي بحثًا عن تطبيق خوارزمية لأتمتة الخياطة الجراحية بواسطة الروبوتات. تم اختبار الخوارزمية ومحاكاتها على نموذجين من الروبوتات: Raven II و PR2. تم تصميم روبوت Raven للجراحة بالمنظار، بينما يمكن تكييف منصة PR2 لتطبيقات روبوتية مختلفة.

أفاد فريق البحث في بيركلي بمعدل نجاح إجمالي يبلغ 87٪ للخياطة الناجحة. ومع ذلك، فإن زيادة تعقيد سيناريوهات الخياطة كان يميل إلى تقليل دقة الروبوت. هذه النتائج مشجعة لأن الخياطة تم تحديدها كعامل رئيسي يحد من استخدام الجراحة بالمنظار بين الجراحين.

2. تقييم مهارات الجراحين

نوقشت دراسة قدمت في مؤتمر العالم للهندسة وعلوم الكمبيوتر عام 2016 استخدام تعلم الآلة لتقييم أداء الجراحين في الجراحة البسيطة المدعومة بالروبوت. قام فريق البحث بتقييم البيانات التي تم جمعها من أداء الخياطة وصنف الجراحين إلى فئتين: مبتدئ وخبير.

تم تطوير خوارزمية تعلم الآلة لقياس الميزات الستة التالية:

• وقت الإتمام

• طول المسار

• إدراك العمق

• السرعة

• السلاسة

• الانحناء
  

3. تحسين مواد الروبوتات الجراحية

في حالة جراحة الأعصاب، حيث تتطلب المناورة الحساسة بشكل خاص، تفتقر الروبوتات غالبًا إلى البراعة اللازمة للعمل بفعالية ومنع الإصابة. يستكشف الباحثون في مختبر الروبوتات والتحكم المتقدم بجامعة كاليفورنيا في سان دييغو تطبيقات تعلم الآلة لتحسين الروبوتات الجراحية، خاصة "الروبوتات المتصلة".

4. نمذجة سير العمل الجراحي

لتحسين كيفية معالجة التقارير السريرية، طور فريق من الباحثين نظام استخراج المعلومات السريرية المسمى IDEAL-X. العملية اليدوية تستغرق وقتًا طويلًا في كثير من الأحيان ولا توفر تغذية راجعة تلقائية للمستخدم حول كيفية تحسين العملية.

تستخدم منصة IDEAL-X التكيفية تعلم الآلة لفهم كيفية توليد المستخدم للتقارير ولتوقع الأنماط لتحسين سرعة وكفاءة العملية.