Uczenie przez wzmacnianie poprawia interakcję robota chirurgicznego z człowiekiem na sali operacyjnej
Przedstawiono koncepcję adaptacyjnego sterowania pozycją robota-asystenta podczas laparoskopii za pomocą uczenia przez wzmacnianie. System rozpoznaje działania chirurga i automatycznie odchyla manipulator trzymający kamerę, aby zwolnić przestrzeń roboczą, gdy jest to potrzebne, co poprawia ergonomię.
Robot, który ustępuje drogi: jak uczenie przez wzmacnianie zmienia chirurga-asystenta z narzędzia w kolegę
[Istota]: co się naprawdę dzieje
W maju 2026 roku naukowcy z University of Alberta przedstawili koncepcję adaptacyjnego sterowania pozycją robota-asystenta podczas laparoskopii opartą na uczeniu przez wzmacnianie (Reinforcement Learning, RL). System rozpoznaje bieżące działanie chirurga i automatycznie odchyla manipulator trzymający kamerę, aby zwolnić przestrzeń roboczą dokładnie wtedy, gdy jest to potrzebne.
Na pierwszy rzut oka – szczegół inżynieryjny. Robot trochę się przesunął, chirurgowi zrobiło się wygodniej. Ale w rzeczywistości ta praca oznacza zasadnicze przejście: chirurgiczny robot po raz pierwszy uczy się nie tylko wykonywać polecenie, ale interpretować kontekst i ustępować człowiekowi bez prośby – jak asystent-człowiek, który widzi, że chirurg sięga po narzędzie, i cofa się o pół kroku.
To nie automatyzacja. To delegacja z elementami świadomości sytuacyjnej – zdolności, która dotąd była uważana za wyłącznie ludzką.
Chronologia i kontekst
Idea „inteligentnego” robota-asystenta dojrzewała przez ostatnie pięć lat równolegle w kilku laboratoriach. Już w 2021 roku grupa Fan i współpracowników pokazała, że uczenie przez wzmacnianie można wykorzystać do korekcji pozycji narzędzia w da Vinci Research Kit. Ale te wczesne prace rozwiązywały problem przez iteracyjną optymalizację – robot „myślał” kilka sekund, zanim się poruszył. W przypadku żywej operacji jest to niedopuszczalne: gdy chirurg mówi „odsysanie”, odsysanie jest potrzebne teraz, a nie za trzy sekundy.
Przełom 2026 roku – w szybkości. Nowa architektura oparta na Vision Transformer, wytrenowana przez differentiable rendering, działa w trybie near real-time (22 Hz) – cztery razy szybciej niż poprzednicy. To wystarczy, aby system reagował na działania chirurga bez odczuwalnego opóźnienia.
Kontekst – gwałtowny wzrost rynku AI-chirurgicznych robotów. Według raportów branżowych za 2026 rok, globalny rynek AI-based surgical robots jest wyceniany na 9,37 mld USD z prognozą wzrostu do 17,35 mld USD do 2030 roku (CAGR 16,6%). Ogólny rynek robotów chirurgicznych, według prognoz Technavio, wzrośnie o 9,1 mld USD w latach 2025–2030 przy CAGR 15,3%. W tym kontekście każda innowacja poprawiająca ergonomię i zmniejszająca obciążenie poznawcze chirurga to nie naukowa abstrakcja, ale bezpośrednia droga do rozszerzenia wskazań i wzrostu liczby procedur.
Kto wygrywa, a kto traci
Wygrywają:
- Intuitive Surgical – producent da Vinci, dominujący na rynku z ponad 20 milionami wykonanych procedur na koniec 2025 roku. Algorytmy RL adaptacyjnej pozycji mogą być zintegrowane z oprogramowaniem da Vinci 5, którego moc obliczeniowa jest 10 000 razy większa niż poprzedniej generacji Xi i oparta na architekturze NVIDIA Blackwell. Firma już aktywnie inwestuje w AI/ML: platforma Case Insights wykorzystuje wideo i dane kinematyczne do analizy pooperacyjnej, a dyrektor ds. cyfrowych i AI/ML Intuitive, Tony Jarc, publicznie deklaruje dążenie do „nieskończonego mechanizmu odkryć” w chirurgii. RL-adaptacyjna pozycja idealnie wpisuje się w tę strategię.
- Starzejący się chirurdzy i pacjenci ze skomplikowanymi przypadkami. Ergonomia to nie kwestia komfortu, ale bezpieczeństwa. Niewygodna pozycja asystenta zasłaniającego pole widzenia to mikroopóźnienie, które w krytycznym momencie (perforacja wrzodu, pęknięcie śledziony) może kosztować utratę krwi. Chirurg Douglas Stoddard, dyrektor chirurgii i robotyki w CHRISTUS Health, opisuje, jak możliwość powrotu do nagrania operacji z danymi o przyłożonej sile pozwoliła mu uniknąć ponownego pęknięcia pęcherzyka żółciowego – po prostu zmieniając kąt chwytu. Asystent RL, uwalniający pole robocze, rozwiązuje pokrewny problem – zapobiega konfliktowi narzędzi, który również pozostaje niezauważony do analizy wideo.
- Grupy badawcze w McGill, University of Alberta i innych ośrodkach. Profesor Amir Khoshyaran z McGill, dyrektor Surgical Performance Enhancement and Robotics Centre, w kwietniu 2026 roku przedstawił wizję „inteligentnej autonomii” w chirurgii, gdzie AI integruje wzrok, kinematykę i dane sensoryczne w czasie rzeczywistym. RL-adaptacyjna pozycja to jedna z cegiełek tego budynku.
Tracą:
- Producenci „pasywnych” robotów-asystentów bez komponentu AI. Jeśli konkurenci zaczynają wbudowywać algorytmy RL, które czynią asystenta proaktywnym, to systemy wymagające ręcznej rekonfiguracji pozycji w trakcie operacji natychmiast się dezaktualizują. To analogia do tego, jak pojawienie się automatycznej skrzyni biegów zabiło manualną w segmencie premium.
- Zespoły chirurgiczne w krajach o niskim poziomie automatyzacji. Różnica w śmiertelności pooperacyjnej między krajami o wysokim i niskim dochodzie jest trzykrotna. Roboty RL mogą ją pogłębić: ci, którzy mogą sobie pozwolić na da Vinci 5 z asystentem AI, będą osiągać lepsze wyniki szybciej.
Czego media nie mówią
Nieoczywisty insight: algorytm RL, który ustępuje drogi chirurgowi, to pierwszy krok w kierunku robota, który może powiedzieć „nie”.
Obecnie system uczy się przez symulację: polityka (policy) jest optymalizowana tak, aby zminimalizować konflikt między manipulatorami i zmaksymalizować wolną przestrzeń. Ale ta sama architektura – Vision Transformer + RL – może być uczona na innych kryteriach: na przykład zapobiegać wejściu narzędzia w strefę niebezpieczną (bliskość dużego naczynia). I wtedy robot z asystenta, który „się przesunął”, staje się asystentem, który „nie wpuszcza”.
To rodzi pytanie, które na razie nie jest publicznie dyskutowane: gdzie jest granica między pomocą a ograniczeniem autonomii chirurga? Jeśli agent RL jest wytrenowany na setkach tysięcy godzin wideo i „wie”, że w 3% przypadków wejście w tę strefę kończy się krwawieniem, czy powinien blokować ruch? Producenci robotów na razie unikają tego tematu, ale architektonicznie jest to już rozwiązywalne – wystarczy zmienić funkcję nagrody.
Drugi insight: RL-adaptacyjna pozycja to nie produkt, ale dowód koncepcji dla „chirurgicznego autopilota” w zadaniach niezwiązanych z resekcją.
W publicznym dyskursie „autonomiczna chirurgia” kojarzy się z robotem, który sam szyje zespolenie. Ale to najtrudniejszy i najbardziej ryzykowny scenariusz. RL-adaptacyjna pozycja pokazuje, że istnieje ogromne pole do automatyzacji pomocniczych funkcji – trzymanie kamery, podawanie narzędzi, utrzymywanie ekspozycji. Te zadania zajmują do 30% czasu operacji i prawie nie niosą ryzyka dla pacjenta. To właśnie tutaj komercjalizacja AI w chirurgii nastąpi najszybciej – nie dlatego, że jest technicznie prostsza, ale dlatego, że bariera regulacyjna jest niższa.
Prognoza: następne 30 dni i 90 dni
30 dni (do połowy czerwca 2026 roku):
Oczekuje się, że Intuitive Surgical zademonstruje integrację algorytmów RL adaptacyjnej pozycji w da Vinci 5 na zamkniętej sesji dla kluczowych klientów. Firma właśnie przeprowadziła prezentację na NVIDIA GTC 2026, gdzie wiceprezes ds. technologii cyfrowych Tony Jarc i chirurg Douglas Stoddard szczegółowo opisali architekturę zbierania i analizy danych chirurgicznych. Logiczny następny krok – pokazać aplikację AI działającą w czasie rzeczywistym, a nie tylko w analizie pooperacyjnej. Jeśli Intuitive tego nie zrobi, nisza pozostanie otwarta dla akademickich spin-offów.
90 dni (do połowy sierpnia 2026 roku):
Kluczowy katalizator – publikacja pierwszych polityk RL wytrenowanych na danych z wielu platform. Zbiór danych Open-H, ogłoszony w kwietniu 2026 roku, zawiera 770 godzin zsynchronizowanego wideo i danych kinematycznych z 20 platform robotycznych. Gdy algorytmy RL zaczną uczyć się na tych danych, staną się niezależne od platformy – czyli adaptacyjna pozycja będzie działać zarówno na da Vinci, jak i Senhance, i na nowych platformach. To obniży próg wejścia dla małych firm i przyspieszy komodytyzację technologii.
Równolegle spodziewaj się pierwszej prezentacji algorytmu RL, który nie tylko uwalnia przestrzeń, ale przewiduje konflikt narzędzi na 2–3 sekundy przed jego wystąpieniem. To właśnie to przejście od zachowania „reaktywnego” do „proaktywnego” zmienia asystenta z narzędzia w kolegę. I właśnie to sformułowanie – „AI as a colleague, not a tool” – stanie się centralnym punktem keynote na sesjach robotycznych podczas ACS Clinical Congress w październiku 2026 roku.
— Editorial Team
