Una investigación liderada por investigadores de la Universidad Johns Hopkins ha logrado un progreso transformador en la tecnología de robots quirúrgicos. Un robot quirúrgico llamado Transformer-Hierarchy (SRT-H) ha completado por primera vez, sin asistencia humana, una colecistectomía prolongada en un paciente realista (simulación con cadáver de cerdo), demostrando habilidades profesionales comparables a las de un cirujano humano experimentado.

Durante la cirugía, SRT-H se desempeñó con calma, no solo respondiendo a comandos de voz del equipo, sino también aprendiendo como un cirujano novato bajo la guía de un mentor. Incluso enfrentando situaciones de emergencia médicas comunes en la vida real, y condiciones anatómicas no uniformes e inesperadas (como que los investigadores cambien la posición inicial del robot o agreguen tintes similares a la sangre para alterar la apariencia de la vesícula biliar y tejidos circundantes), pudo manejarlo perfectamente, adaptándose en tiempo real a características anatómicas individuales, tomando decisiones inmediatas y autocorregiéndose en caso de imprevistos.

El experto en robots médicos Axel Krieger afirma que este progreso hace que los robots pasen de ejecutar tareas quirúrgicas específicas a entender verdaderamente los procedimientos quirúrgicos, acercándose a sistemas quirúrgicos autónomos clínicamente viables que pueden funcionar en entornos de atención al paciente reales caóticos e impredecibles. En 2022, el robot autónomo de tejido inteligente STAR de Krieger realizó la primera cirugía laparoscópica robótica autónoma en animales vivos (cerdos), pero requería marcar tejidos especiales, operar en entornos altamente controlados y seguir planes estrictamente predeterminados, similar a enseñar a un robot a conducir por una ruta meticulosamente dibujada. En cambio, el nuevo sistema es como enseñar a una máquina a conducir por cualquier carretera en cualquier condición, reaccionando inteligentemente a lo que encuentra.

SRT-H adopta la misma arquitectura de aprendizaje automático que ChatGPT, con interactividad, capaz de responder a comandos de voz y correcciones, y aprender de retroalimentación. Ji Woong "Brian" Kim, autor principal de la investigación y ahora en la Universidad de Stanford, afirma que esta investigación representa un gran salto en comparación con lo anterior, resolviendo algunos obstáculos fundamentales para desplegar robots quirúrgicos autónomos en el mundo real, demostrando que los modelos de IA pueden ser lo suficientemente confiables para cirugías autónomas.

El año pasado, el equipo de Krieger usó este sistema para entrenar a robots en tres tareas quirúrgicas básicas: operar una aguja, levantar tejido corporal y suturar, cada una completada en solo unos segundos. Esta cirugía de colecistectomía es mucho más compleja, requiriendo varios minutos para completar 17 tareas; el robot debe identificar conductos y arterias específicas, agarrar con precisión, colocar clips hábilmente y cortar secciones. SRT-H aprendió viendo videos de cirujanos de Johns Hopkins realizando cirugías de vesícula biliar en cadáveres de cerdo, reforzando el entrenamiento visual con subtítulos que describen las tareas, y finalmente completó la cirugía con un 100% de precisión. Aunque tomó más tiempo que un cirujano humano, el resultado fue comparable al de un experto.

Jeff Choplin, coautor y cirujano de la Universidad Johns Hopkins, cree que esto indica que desarrollar sistemas robóticos autónomos de manera modular e incremental tiene un amplio potencial. Krieger también afirma que esto prueba que es posible ejecutar cirugías quirúrgicas complejas de manera autónoma, y que el marco de aprendizaje por imitación puede ejecutar cirugías complejas automáticamente con alta robustez. A continuación, el equipo de investigación espera entrenar y probar el sistema en más tipos de cirugías, expandiendo su capacidad para ejecutar cirugías completamente autónomas. Los resultados de esta investigación se han publicado en la revista Science Robotics.