最近，一支來自美國羅格斯大學（Rutgers University）的研究團隊打造了一種集機器人技術、人工智能技術、光學和超聲成像技術於一體的血管通路機器人。它可以自動化地實現一系列抽血、插導管輸液等工作。研究結果表明這類由圖像引導的自主系統應對一些複雜醫療任務時的結果可勝過人類。該研究也發表於《自然·機器智能》（Nature Machine Intelligence）雜誌上。
研究人員在論文中表示，在一些兒童、老年、慢性病患者、創傷患者群體中，因血管通路不暢等問題而導致手術失敗的情況約有20%。通常針對這些群體進行血管通路建設，首次成功率約為50%，多次嘗試也就意味著治療延遲的風險，而多次侵入性穿刺則有可能使併發症風險增高。而來自該研究團隊的該機器人設備可以在最少的監督下將針頭和導管準確地引至細小的血管。
該機器人將人工智能與近紅外和超聲成像技術相結合，由深度卷積網絡模型驅動的系統會將成像系統所生成的血管圖像當作學習的訓練集，當模型具有自主化操作的能力後，機器人能執行復雜的視覺任務，包括從周圍組織中識別血管，對其進行分類並估計其深度，然後進行運動跟蹤。
▲自主影像引導的機器人進行血管通路、採血和液體輸送（圖片來源：參考資料[2]）
這套系統中，AI機器人運作完成一整套流程需要經過以下環節：
自動裝針，並後續自動處理已用過的針頭；
基於紅外成像技術，機器人將自主掃描手臂，重建分段血管的3D結構圖；
確定合適的血管作為目標插管部位；
使用超聲成像技術定位目標血管；
在圖像中分割、跟蹤目標血管，同時區分動脈和靜脈；
-
將針與目標血管對齊，同時補償手臂的運動；
基於超聲圖像反饋，再次將針導入目標血管，同時對血管運動進行補償；
AI識別血管通路搭建成功與否；
進行抽血或輸液。
在其他已發表的論文中，研究團隊更是證明該機器人設備可以作為一個將自動抽血和血液下游分析合併在一起的綜合平臺。
醫療機器人的使用可以減少一些人為操作造成的傷害，並提高醫療程序的效率和結果，並在資源有限的情況下依然能高效執行任務。這也能使醫療專業人員能夠將更多的精力放在醫療保健的其他關鍵方面，對於一些偏遠和資源有限的地區，機器人的干預措施對於突發情況來說更是增添了一份保障。
目前該研究距離真正的臨床使用仍需時日，研究人員下一步計劃在更廣泛的人群中對設備進行更多研究。
本文由藥明康德AI整理編譯
題圖來源：Martin Yarmush and Alvin Chen
[1] Robot uses artificial intelligence and imaging to draw blood Retrieved Mar 6, 2020 from https://techxplore.com/news/2020-03-robot-artificial-intelligence-imaging-blood.html
[2] Chen, A.I., Balter, M.L., Maguire, T.J. et al. Deep learning robotic guidance for autonomous vascular access. Nat Mach Intell 2, 104–115 (2020). https://doi.org/10.1038/s42256-020-0148-7
閱讀更多 藥明康德AI 的文章
