Video Experimental Relacionado
Updated: Jan 8, 2026
07:43
Subretinal Transplantation of Human Embryonic Stem Cell-Derived Retinal Tissue in a Feline Large Animal Model
Published on: August 5, 2021
2.3K
Cannulation retiniana autónoma basada en aprendizaje profundo en ojos de cerdo ex vivo
Peiyao Zhang1,2, Peter Gehlbach3, Russell H Taylor1,2,4
1Department of Mechanical Engineering, Johns Hopkins University, Baltimore, MD 21211, USA.
Science robotics
|December 17, 2025
Resumen
Un flujo de trabajo robótico autónomo para la cannulation de la vena retiniana (RVC) muestra altas tasas de éxito. Este sistema impulsado por aprendizaje profundo mejora la precisión para el tratamiento de la oclusión de la vena retiniana (RVO).
Área de la Ciencia:
- Oftalmología; Robótica; Inteligencia Artificial
Sus antecedentes:
- El tratamiento de la oclusión de la vena retiniana (RVO) a menudo requiere alta precisión quirúrgica.
- La cannulation de la vena retiniana (RVC) es un procedimiento emergente y técnicamente exigente para la RVO.
- La asistencia robótica se explora cada vez más para mejorar los resultados de la RVC.
Objetivo del estudio:
- Desarrollar y evaluar un flujo de trabajo robótico autónomo para RVC utilizando aprendizaje profundo y visión por computadora.
- Permitir que los sistemas robóticos realicen pasos críticos dependientes de expertos en RVC.
- Evaluar el rendimiento del flujo de trabajo en condiciones quirúrgicas simuladas estáticas y dinámicas.
Principales métodos:
- Se utilizaron dos robots oculares Steady-Hand (SHER) para controlar una aguja y una espátula de 100 micrómetros.
- Se entrenaron tres redes neuronales convolucionales para la predicción del movimiento de la aguja y la detección de eventos (contacto, punción).
- Se integró un microscopio quirúrgico con un sistema de tomografía de coherencia óptica intraoperatoria (iOCT) para imágenes en tiempo real.
Principales resultados:
- Se logró una tasa de éxito del 90% en la RVC autónoma en 20 ojos de cerdo ex vivo.
- Se demostró una tasa de éxito del 83% bajo movimientos oculares sinusoidales simulados (respiración).
- El flujo de trabajo demostró ser robusto y estable en condiciones dinámicas.
Conclusiones:
- Un flujo de trabajo de RVC autónomo que integra aprendizaje profundo y asistencia robótica es factible y eficaz.
- El sistema propuesto mejora significativamente la precisión y la fiabilidad en el tratamiento de la RVO.
- Este enfoque tiene potencial para mejorar los resultados quirúrgicos en el manejo de la RVO.
