作者：Ally 出品：机器人大讲堂
▍失明患者新希望，在比发丝更细的血管上操作手术
视网膜静脉阻塞（RVO）作为全球第二大致盲性视网膜血管疾病，给全球数千万患者带来困扰。想象一下，要在平均直径仅151微米的血管上做手术——这比头发丝还细，而医生的手部震颤幅度却可达182微米。
传统治疗方法如抗血管内皮生长因子治疗只能缓解症状，无法根除病因，患者需要反复治疗，费用高昂且有感染风险。而视网膜静脉插管（RVC）手术虽然能直接清除血栓，但因为操作难度太大，很少有医生能够掌握。
近日，约翰斯·霍普金斯大学的研究团队在国际顶刊《Science Robotics》上发表了一项突破性成果。他们开发出基于深度学习的自主视网膜静脉插管系统，在离体猪眼实验中实现了90%的成功率。即便模拟呼吸导致的眼部运动，成功率仍高达83%。
这套系统的核心亮点在于机器人即可自主完成导航、接触、穿刺等一系列超越人类生理极限的微米级操作，为RVO治疗开辟了精准、高效的新路径。
在固定猪眼实验中，系统将针体导航时间从57.45秒缩短至30.56秒，穿刺及回撤时间从43.55秒压缩至9.08秒。对比此前的机器人辅助手动操作，自主系统的效率大幅提升。整个手术流程（不含前期准备）耗时显著减少。
更重要的是，这套系统能够实时补偿因心跳带来的眼部微小运动。在模拟呼吸运动的动态实验中，系统通过光学流法计算眼部位移，动态调整穿刺位置，依然保持了很高的成功率。
▍三大深度学习网络，微米级精度背后的技术突破
这套自主手术系统的核心是三个专门训练的卷积神经网络（CNN），它们可充当机器人的“眼睛”与“大脑”，能够自主完成手术关键步骤的决策。
方向预测网络基于ResNet18架构，负责引导机器人精准导航至目标血管。输入显微镜图像和用户点击的目标位置，网络就会输出8个方向或"停止"指令，让机器人以恒定速度移动，误差控制在11.33微米以内。
接触检测网络采用YOLOv8分类模型，通过分析iOCT的B扫描图像，判断针尖是否已经接触到血管外壁。这个网络的检测准确率高达98.7%，确保了穿刺前的精准定位。
穿刺确认网络同样基于YOLOv8，但采用目标检测而非全图分类的方式。它专注于针尖区域，精准判断是否成功穿刺进入血管，平均精度（mAP50）达到97.6%。这避免了误判导致的二次损伤。
硬件方面，系统采用了双机器人协同作业的设计。主机器人操控直径仅100微米的倾斜弯曲金属针，辅助机器人则握持医用刮匙，轻轻按压静脉上游使血管扩张，便于插管。配备的集成iOCT手术显微镜既能提供实时二维图像，又能生成高分辨率的三维横截面图像，为机器人提供精确的深度信息。
即使在存在气泡、视网膜脱离、反光斑点等各种干扰的情况下，深度学习网络仍能准确识别目标血管，展现出强大的环境适应能力。
在实际操作中，当接触检测网络确认针尖触碰血管外壁后，机器人会瞬间将穿刺速度从0.2毫米/秒提升至5.4毫米/秒，确保一次性穿透血管壁。随后轻微回撤针尖，等待穿刺确认网络验证成功后，医生通过脚踏板启动药物输注。
▍从“人机协同”到“普惠于民”，重塑眼科手术新范式
这项研究的意义远不止于技术突破本身。它为眼科手术带来了几个根本性改变。
首先是突破了人类生理极限。机器人系统完全消除了手部震颤的影响，将操作误差控制在微米级别。这解决了手动手术"差之毫厘，谬以千里"的痛点，大幅降低了手术风险。
其次是简化了手术流程。自主化操作减少了对医生经验的依赖，标准化的流程便于推广。即使是缺乏RVC临床经验的操作者，也能借助系统完成高精度手术。这有望让更多医院具备开展此类手术的能力。
第三是建立了人机协同的新范式。系统并非要完全取代医生，而是让医生从繁琐的精准操作中解放出来，专注于目标选择、手术监控等关键决策。实现了"机器干精细活，人类做决策"的分工。
当然，从实验室到临床应用还有一段路要走。研究团队表示，下一步将进一步提升系统的动态补偿能力，通过实时分割网络追踪血管位置，实现更精准的动态调整。同时优化穿刺策略，降低穿刺速度、增加穿刺次数，减少对视网膜色素上皮的潜在损伤。
关键是，团队需要在活体动物模型中测试系统的安全性和有效性，逐步推进临床转化。好消息是，研究团队已经将手术系统开源共享，相关数据和代码可以通过公开渠道获取，这将加速全球科研人员的合作创新。
在AI与机器人技术驱动下，眼科手术的极限正在被重新定义。未来的机器人将具备个性化适应与超快动态响应能力，不仅能攻克视网膜静脉阻塞，也将为青光眼等更多眼疾带来革命性疗法。
这场技术革新，正将高难度的超精度手术转变为安全普惠的治疗方案，为全球数千万患者带来复明的切实希望。
参考链接：
https://www.science.org/doi/10.1126/scirobotics.adw2969
https://mp.weixin.qq.com/s/uvCYmS9iV7yovSjCghMZag
