Sistema de treinamento inovador que utiliza aprendizagem por imitação abre ‘nova fronteira’ na robótica médica
Um robô, treinado pela primeira vez assistindo a vídeos de cirurgiões experientes, executou os mesmos procedimentos cirúrgicos com a mesma habilidade dos médicos humanos.
O uso bem-sucedido da aprendizagem por imitação para treinar robôs cirúrgicos elimina a necessidade de programar robôs para cada movimento individual necessário durante um procedimento médico e aproxima o campo da cirurgia robótica da verdadeira autonomia, onde os robôs poderiam realizar cirurgias complexas sem ajuda humana.
As descobertas, lideradas por pesquisadores da Johns Hopkins, estão sendo destacadas esta semana na Conferência sobre Aprendizado de Robôs em Munique, um evento importante para robótica e aprendizado de máquina.
“É realmente mágico ter este modelo e tudo o que fazemos é alimentá-lo com a entrada da câmera e ele pode prever os movimentos robóticos necessários para a cirurgia”, disse o autor sênior Axel Krieger, professor assistente do Departamento de Engenharia Mecânica da JHU. “Acreditamos que isto representa um passo significativo em direção a uma nova fronteira na robótica médica”.
A equipe, que incluía pesquisadores de Stanford, usou o aprendizado de imitação para treinar o robô do Sistema Cirúrgico da Vinci para realizar três tarefas fundamentais exigidas em procedimentos cirúrgicos: manipular uma agulha, levantar tecido corporal e suturar. Em cada caso, o robô treinado no modelo da equipe realizou os mesmos procedimentos cirúrgicos com a mesma habilidade dos médicos humanos.
O modelo combinou o aprendizado de imitação com a mesma arquitetura de aprendizado de máquina que sustenta o ChatGPT. No entanto, onde o ChatGPT trabalha com palavras e texto, este modelo fala “robô” com cinemática, uma linguagem que divide os ângulos do movimento robótico em matemática.
Os pesquisadores alimentaram seu modelo com centenas de vídeos gravados por câmeras de pulso colocadas nos braços dos robôs da Vinci durante procedimentos cirúrgicos. Esses vídeos, gravados por cirurgiões de todo o mundo, são utilizados para análise pós-operatória e depois arquivados. Quase 7.000 robôs da Vinci são usados em todo o mundo, e mais de 50.000 cirurgiões são treinados no sistema, criando um grande arquivo de dados para os robôs “imitarem”.
Embora o sistema da Vinci seja amplamente utilizado, os pesquisadores dizem que é notoriamente impreciso. Mas a equipe encontrou uma maneira de fazer com que a informação errada funcionasse. A chave foi treinar o modelo para realizar movimentos relativos em vez de ações absolutas, que são imprecisas.
“Tudo o que precisamos é de entrada de imagem e então este sistema de IA encontra a ação certa”, disse o autor principal Ji Woong “Brian” Kim, pesquisador de pós-doutorado na Johns Hopkins. “Descobrimos que mesmo com algumas centenas de demonstrações, o modelo é capaz de aprender o procedimento e generalizar novos ambientes que não encontrou”.
“Acreditamos que isto representa um passo significativo em direção a uma nova fronteira na robótica médica”.
Axel Krieger
Krieger acrescentou: “O modelo é tão bom para aprender coisas que não lhe ensinamos. Como se ele deixasse cair a agulha, ele automaticamente o pegaria e continuaria. Isso não é algo que eu lhe ensinei.”
O modelo poderia ser usado para treinar rapidamente um robô para realizar qualquer tipo de procedimento cirúrgico, disseram os pesquisadores. A equipe agora está usando o aprendizado de imitação para treinar um robô para realizar não apenas pequenas tarefas cirúrgicas, mas uma cirurgia completa.
Antes desse avanço, programar um robô para realizar até mesmo um aspecto simples de uma cirurgia exigia a codificação manual de cada etapa. Alguém pode passar uma década tentando modelar a sutura, disse Krieger. E isso é sutura para apenas um tipo de cirurgia.
“É muito limitante”, disse Krieger. “A novidade aqui é que só precisamos coletar o aprendizado de imitação de diferentes procedimentos, e podemos treinar um robô para aprendê-lo em alguns dias. Isso nos permite acelerar até a meta de autonomia, ao mesmo tempo em que reduzimos erros médicos e alcançamos cirurgias mais precisas .”
Os autores da Johns Hopkins incluem o candidato ao doutorado Samuel Schmidgall; Engenheiro de Pesquisa Associado Anton Deguet; e Professor Associado de Engenharia Mecânica Marin Kobilarov. Os autores da Universidade de Stanford são o candidato ao doutorado Tony Z. Zhao e a professora assistente Chelsea Finn.
Ciência+Tecnologia
robótica, cirurgia, inteligência artificial, aprendizado de máquina
