Imagine um robô que aprende a fazer cirurgias apenas assistindo a vídeos de médicos experientes. Parece coisa de filme, mas é realidade! Pesquisadores da Universidade Johns Hopkins treinaram um robô para realizar procedimentos cirúrgicos com a mesma habilidade de um cirurgião humano, simplesmente deixando-o assistir a gravações de operações reais.
Este avanço elimina a necessidade de programar cada movimento do robô, aproximando-nos de um futuro onde máquinas possam realizar cirurgias complexas de forma autônoma, sem intervenção humana direta.
Os resultados dessa pesquisa inovadora estão sendo apresentados na Conference on Robot Learning em Munique, um dos principais eventos sobre robótica e aprendizado de máquina.
"É realmente mágico ter um modelo onde tudo o que fazemos é fornecer a entrada de uma câmera, e ele pode prever os movimentos robóticos necessários para a cirurgia", disse Axel Krieger, professor assistente no Departamento de Engenharia Mecânica da Johns Hopkins. "Acreditamos que isso representa um avanço significativo rumo a uma nova fronteira na robótica médica."
A equipe, que também inclui pesquisadores da Universidade Stanford, usou aprendizado por imitação para treinar o robô do sistema cirúrgico da Vinci em três tarefas fundamentais: manipular uma agulha, levantar tecidos e costurar. O robô treinado conseguiu executar esses procedimentos com a mesma destreza de médicos humanos.
O modelo combina aprendizado por imitação com a mesma tecnologia de inteligência artificial que alimenta o ChatGPT. Mas, em vez de lidar com palavras, este modelo "fala" em "robótica", usando matemática para traduzir os movimentos dos robôs.
Os pesquisadores alimentaram o modelo com centenas de vídeos gravados por câmeras nos braços dos robôs da Vinci durante cirurgias reais. Com quase 7.000 robôs da Vinci em uso ao redor do mundo e mais de 50.000 cirurgiões treinados no sistema, há uma abundância de dados para o robô "imitar".
Embora o sistema da Vinci seja amplamente utilizado, ele é conhecido por ser um pouco impreciso. Mas a equipe encontrou uma forma de contornar isso, treinando o modelo para realizar movimentos relativos em vez de ações absolutas.
"Tudo o que precisamos é de uma entrada de imagem, e então este sistema de IA encontra a ação correta", disse 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 se adaptar a novos ambientes que não encontrou antes."
Krieger acrescentou: "O modelo é tão bom que aprende coisas que não ensinamos. Por exemplo, se ele deixa a agulha cair, automaticamente a pega e continua. Isso não foi algo que ensinamos."
Os pesquisadores afirmam que o modelo pode ser usado para treinar rapidamente um robô a realizar qualquer tipo de procedimento cirúrgico. Agora, a equipe está usando aprendizado por imitação para treinar um robô a realizar não apenas pequenas tarefas, mas cirurgias completas.
Antes desse avanço, programar um robô para executar até mesmo uma tarefa simples em cirurgia exigia codificar manualmente cada passo, o que poderia levar anos. "Isso é muito limitante", disse Krieger. "O que há de novo aqui é que só precisamos coletar dados de aprendizado por imitação de diferentes procedimentos, e podemos treinar um robô para aprender isso em poucos dias. Isso nos permite avançar rapidamente rumo à autonomia, reduzir erros médicos e alcançar cirurgias mais precisas."
Os autores da Johns Hopkins incluem o estudante de doutorado Samuel Schmidgall, o engenheiro de pesquisa associado Anton Deguet e o professor associado de engenharia mecânica Marin Kobilarov. Da Stanford, participam o estudante de doutorado Tony Z. Zhao e a professora assistente Chelsea Finn.
