RL verbessert die Interaktion zwischen Chirurg und Roboter im Operationssaal

Verstärkungslernen verbessert die Interaktion zwischen Chirurg und Roboter im Operationssaal

Ein Konzept zur adaptiven Posesteuerung eines Roboterassistenten während der Laparoskopie mittels Verstärkungslernen wurde vorgestellt. Das System erkennt die Aktionen des Chirurgen und bewegt den kamerahaltenden Manipulator automatisch, um bei Bedarf Arbeitsraum freizugeben, wodurch die Ergonomie verbessert wird.

---

Ein Roboter, der Platz macht: Wie Verstärkungslernen einen chirurgischen Assistenten vom Werkzeug zum Kollegen macht

[Das Wesentliche]: Was wirklich passiert

Im Mai 2026 präsentierten Forscher der University of Alberta ein Konzept zur adaptiven Posesteuerung eines Roboterassistenten während der Laparoskopie auf Basis von Verstärkungslernen (RL). Das System erkennt die aktuelle Aktion des Chirurgen und bewegt den kamerahaltenden Manipulator automatisch, um genau dann Arbeitsraum freizugeben, wenn er benötigt wird.

Auf den ersten Blick ist es ein technisches Detail. Der Roboter bewegte sich ein wenig, der Chirurg fühlte sich wohler. Aber in Wirklichkeit markiert diese Arbeit einen grundlegenden Wandel: Der chirurgische Roboter lernt nicht nur, einen Befehl auszuführen, sondern Kontext zu interpretieren und dem Menschen nachzugeben, ohne dass dieser darum bittet – wie ein menschlicher Assistent, der sieht, dass der Chirurg nach einem Instrument greift, und einen halben Schritt zurücktritt.

Dies ist keine Automatisierung. Es ist Delegation mit Elementen von Situationsbewusstsein – einer Fähigkeit, die zuvor als ausschließlich menschlich galt.

Zeitstrahl und Kontext

Die Idee eines „intelligenten" Roboterassistenten reifte in den letzten fünf Jahren in mehreren Laboren gleichzeitig. Bereits 2021 zeigten Fan und Kollegen, dass Verstärkungslernen zur Korrektur der Instrumentenpose im da Vinci Research Kit eingesetzt werden konnte. Aber diese frühen Arbeiten lösten das Problem durch iterative Optimierung – der Roboter „dachte" mehrere Sekunden, bevor er sich bewegte. Für eine Live-Operation ist das inakzeptabel: Wenn der Chirurg „Sauger" sagt, wird der Sauger jetzt benötigt, nicht drei Sekunden später.

Der Durchbruch 2026 ist die Geschwindigkeit. Die neue Architektur basierend auf Vision Transformer, trainiert mittels differenzierbarem Rendering, arbeitet nahezu in Echtzeit (22 Hz) – viermal schneller als Vorgänger. Das reicht aus, damit das System auf die Aktionen des Chirurgen ohne spürbare Verzögerung reagiert.

Der Kontext ist das rasante Wachstum des Marktes für KI-gestützte Chirurgieroboter. Laut Branchenberichten für 2026 wird der globale Markt für KI-basierte Chirurgieroboter auf 9,37 Milliarden US-Dollar geschätzt, mit einem prognostizierten Wachstum auf 17,35 Milliarden US-Dollar bis 2030 (CAGR 16,6 %). Der gesamte Chirurgierobotermarkt wird laut Technavio-Prognosen von 2025 bis 2030 um 9,1 Milliarden US-Dollar bei einer CAGR von 15,3 % wachsen. In diesem Kontext ist jede Innovation, die die Ergonomie verbessert und die kognitive Belastung des Chirurgen reduziert, keine wissenschaftliche Abstraktion, sondern ein direkter Weg zur Erweiterung der Indikationen und Steigerung der Eingriffszahlen.

Wer gewinnt und wer verliert

Gewinner:

• Intuitive Surgical – Hersteller von da Vinci, der den Markt mit über 20 Millionen durchgeführten Eingriffen bis Ende 2025 dominiert. RL-Algorithmen für adaptive Pose können in die Software von da Vinci 5 integriert werden, dessen Rechenleistung 10.000-mal größer ist als die der Vorgängergeneration Xi und auf der NVIDIA Blackwell-Architektur basiert. Das Unternehmen investiert bereits aktiv in KI/ML: Die Plattform Case Insights nutzt Video- und Kinematikdaten für postoperative Analysen, und Tony Jarc, Leiter Digital und KI/ML bei Intuitive, erklärt öffentlich den Wunsch nach einer „unendlichen Entdeckungsmaschine" in der Chirurgie. RL-adaptive Pose passt perfekt in diese Strategie.

• Ältere Chirurgen und Patienten mit komplexen Fällen. Ergonomie ist kein Komfortproblem, sondern ein Sicherheitsproblem. Eine unbequeme Position des Assistenten, der die Sicht blockiert, ist eine Mikroverzögerung, die in einem kritischen Moment (Ulkusperforation, Milzruptur) Blutverlust kosten kann. Der Chirurg Douglas Stoddard, Direktor für Chirurgie und Robotik bei CHRISTUS Health, beschreibt, wie die Möglichkeit, die Operationsaufzeichnung mit Kraftdaten zu überprüfen, ihm erlaubte, eine erneute Gallenblasenruptur zu vermeiden – einfach durch Änderung des Greifwinkels. Ein RL-Assistent, der den Arbeitsraum freigibt, löst ein verwandtes Problem – die Verhinderung von Instrumentenkonflikten, die ebenfalls unbemerkt bleiben, bis eine Videoanalyse erfolgt.

• Forschungsgruppen an der McGill University, University of Alberta und anderen Zentren. Professor Amir Khoshyar von der McGill University, Direktor des Surgical Performance Enhancement and Robotics Centre, stellte im April 2026 eine Vision für „intelligente Autonomie" in der Chirurgie vor, bei der KI Vision, Kinematik und Sensordaten in Echtzeit integriert. RL-adaptive Pose ist ein Baustein dieser Vision.

Verlierer:

• Hersteller von „passiven" Roboterassistenten ohne KI-Komponente. Wenn Wettbewerber beginnen, RL-Algorithmen zu integrieren, die den Assistenten proaktiv machen, werden Systeme, die eine manuelle Neukonfiguration der Pose während der Operation erfordern, sofort veraltet sein. Dies ist analog dazu, wie das Aufkommen von Automatikgetrieben manuelle Getriebe im Premiumsegment verdrängte.

• Chirurgieteams in Ländern mit niedrigem Automatisierungsgrad. Der Unterschied in der postoperativen Sterblichkeit zwischen Ländern mit hohem und niedrigem Einkommen beträgt das Dreifache. RL-Roboter könnten dies verschärfen: Diejenigen, die sich da Vinci 5 mit KI-Assistent leisten können, werden schnellere Verbesserungen der Ergebnisse sehen.

Was die Medien nicht sagen

Nicht offensichtliche Erkenntnis: Ein RL-Algorithmus, der dem Chirurgen nachgibt, ist der erste Schritt zu einem Roboter, der „Nein" sagen kann.

Derzeit wird das System durch Simulation trainiert: Die Strategie wird optimiert, um Konflikte zwischen Manipulatoren zu minimieren und den freien Raum zu maximieren. Aber dieselbe Architektur – Vision Transformer + RL – kann auf andere Kriterien trainiert werden: zum Beispiel, um zu verhindern, dass das Instrument in eine gefährliche Zone eindringt (Nähe zu einem großen Gefäß). Dann verwandelt sich der Roboter von einem Assistenten, der „Platz gemacht" hat, zu einem Assistenten, der „nicht hereinlässt".

Dies wirft eine Frage auf, die noch nicht öffentlich diskutiert wird: Wo liegt die Grenze zwischen Unterstützung und Einschränkung der Autonomie des Chirurgen? Wenn der RL-Agent auf Hunderttausenden von Stunden Videomaterial trainiert wurde und „weiß", dass in 3 % der Fälle das Eindringen in diese Zone zu Blutungen führt, sollte er dann die Bewegung blockieren? Roboterhersteller vermeiden dieses Thema derzeit, aber architektonisch wird es bereits gelöst – man muss nur die Belohnungsfunktion ändern.

Zweite Erkenntnis: RL-adaptive Pose ist kein Produkt, sondern ein Proof of Concept für einen „chirurgischen Autopiloten" bei Aufgaben, die nichts mit Resektion zu tun haben.

Im öffentlichen Diskurs wird „autonome Chirurgie" mit einem Roboter assoziiert, der selbstständig eine Anastomose näht. Aber das ist das komplexeste und riskanteste Szenario. RL-adaptive Pose zeigt, dass es ein riesiges Feld für die Automatisierung von Unterstützungsfunktionen gibt – Kamerahaltung, Instrumentenbereitstellung, Expositionserhaltung. Diese Aufgaben nehmen bis zu 30 % der Operationszeit in Anspruch und bergen nahezu kein Risiko für den Patienten. Hier wird die KI-Kommerzialisierung in der Chirurgie am schnellsten stattfinden – nicht weil es technisch einfacher ist, sondern weil die regulatorische Hürde niedriger ist.

Prognose: Nächste 30 Tage und 90 Tage

30 Tage (bis Mitte Juni 2026):

Es wird erwartet, dass Intuitive Surgical die Integration von RL-Adaptive-Pose-Algorithmen in da Vinci 5 in einer geschlossenen Sitzung für Schlüsselkunden demonstriert. Das Unternehmen hielt gerade eine Präsentation auf der NVIDIA GTC 2026, bei der VP of Digital Technologies Tony Jarc und Chirurg Douglas Stoddard die Architektur zur Erfassung und Analyse chirurgischer Daten detailliert darlegten. Der logische nächste Schritt ist, eine KI-Anwendung zu zeigen, die in Echtzeit arbeitet, nicht nur in der postoperativen Analyse. Wenn Intuitive dies nicht tut, bleibt die Nische für akademische Ausgründungen offen.

90 Tage (bis Mitte August 2026):

Der wichtigste Katalysator wird die Veröffentlichung der ersten RL-Strategien sein, die auf Multiplattform-Daten trainiert wurden. Der Open-H-Datensatz, angekündigt im April 2026, enthält 770 Stunden synchronisierte Video- und Kinematikdaten von 20 Roboterplattformen. Wenn RL-Algorithmen auf diesen Daten zu trainieren beginnen, werden sie plattformunabhängig – das bedeutet, dass adaptive Pose auf da Vinci, Senhance und neuen Plattformen funktionieren wird. Dies senkt die Eintrittsbarriere für kleine Unternehmen und beschleunigt die Kommodifizierung der Technologie.

Parallel dazu ist die erste Präsentation eines RL-Algorithmus zu erwarten, der nicht nur Platz freigibt, sondern auch Instrumentenkonflikte 2–3 Sekunden vor ihrem Auftreten vorhersagt. Dies ist der Übergang von „reaktivem" zu „proaktivem" Verhalten, der den Assistenten vom Werkzeug zum Kollegen macht. Und genau diese Formulierung – „KI als Kollege, nicht als Werkzeug" – wird in den Keynote-Präsentationen auf den Robotik-Sitzungen des ACS Clinical Congress im Oktober 2026 im Mittelpunkt stehen.

— Editorial Team