一组来自伦敦国王学院及相关机构的前沿外科医生和研究人员在《前沿科学》发表文章指出：将手术机器人“具身化”下一代人工智能（AI），能够在解决伦理和监管问题的前提下，安全地增强外科实践。具身AI手术机器人系统融合了计算机视觉（实时组织解剖结构分割、出血检测）、触觉反馈（力传感器、触觉感知缝合）、自主规划（基于术前影像和术中数据的动作序列优化）以及自适应控制（根据组织运动和出血情况实时调整器械力），这些系统可增强而非替代人类外科医生。预期的获益包括：缩短手术时间、减少并发症（失血、意外组织损伤）、实现远程手术（通过5G/6G网络）以及标准化复杂手术流程（缩小不同经验水平医生之间的手术质量差距）。然而，关键挑战在于责任归属（自主决策出错时谁负责）、算法黑箱、数据偏差（训练数据主要来自特定人群可能会限制模型的泛化能力）、网络安全漏洞以及对年轻外科医生培训的影响。作者为此提出了一个负责任的实施框架。
具身AI手术机器人的关键特征
| 特征 | 技术组成 | 对外科实践的益处 |
|---|---|---|
| 情境感知 | 计算机视觉（卷积神经网络/视觉转换器）实现实时解剖分割（识别血管、神经、输尿管、肿瘤边界）。 | 降低意外损伤风险（例如，在盆腔手术中识别输尿管）；改善肿瘤边界评估。 |
| 自主任务执行 | 动作识别和运动规划算法（从专家演示数据中训练）执行标准化步骤（缝合打结、组织解剖、电凝止血）。 | 自动化重复性、低风险任务；解放外科医生的认知负荷，让其为更关键的决策做好准备。 |
| 触觉和力反馈 | 集成力/扭矩传感器，在组织回缩或缝合时提供触觉感知；防止因用力过猛造成组织撕裂。 | 增强沉浸感和安全性（新手可体验“专家手感”）。 |
| 自适应控制 | 基于强化学习的控制环路，根据实时视觉/力觉输入调整器械位置和力（以补偿组织移动、出血、患者体位变化）。 | 提高在动态、非结构化环境（跳动的心脏、蠕动肠道）中的手术精度。 |
| 术前/术中规划 | 多模态（计算机断层扫描，磁共振成像，3D建模）数据与手术流程分解整合，以优化端口放置、器械选择和操作步骤顺序。 | 减少手术时间和器械磨损，改善患者预后。 |
预期获益
| 领域 | 预期获益 |
|---|---|
| 缩短手术时间 | 自主执行标准化步骤（如吻合、缝合）比人工操作更快。 |
| 并发症减少 | 降低意外组织损伤、失血、术后感染率。 |
| 可及性（远程手术） | 专家外科医生可在远处（农村地区、军事前线、救灾场景）通过低延迟网络控制具身AI混合系统。 |
| 培训/技能转移 | 新手外科医生可以在模拟中与具身AI系统一起训练（AI提供实时反馈），或将AI建议作为辅助以缩短学习曲线。 |
| 手术标准化 | 无论外科医生经验或疲劳程度如何，系统都能促进关键步骤执行的一致性。 |
风险和伦理挑战
具身AI手术机器人面临多重风险和伦理挑战，包括：责任归属（当自主决策导致错误时，责任应由外科医生、医院还是制造商承担？）、算法黑箱（AI决策过程不透明，难以审计和解释）、数据偏差（训练数据主要来自特定人群，可能限制模型泛化能力，导致在非典型病例中表现不佳）、网络安全漏洞（远程控制和数据传输可能被黑客攻击，造成灾难性后果），以及对年轻外科医生培训的影响（过度依赖自动化可能削弱医生的手动技能和临床判断力）。作者为此提出了一个负责任的实施框架，强调在技术部署前必须建立严格的验证标准、透明化算法、完善法律法规，并确保人类外科医生始终处于决策闭环之中。