强化学习用于机械血栓切除术中脑血管的安全自主双设备导航
Harry Robertshaw1, Benjamin Jackson1, Jiaheng Wang1
1Surgical and Interventional Engineering, School of Biomedical Engineering and Imaging Sciences, Kings College London, London, UK.
概括
一个新的安全的双设备强化学习 (RL) 算法自主导航超越动脉到脑血管的机械血栓切除术 (MT). 这种人工智能系统通过监测导线力来实现高成功率,同时优先考虑患者安全.
科学领域:
- 医疗机器人 医疗机器人
- 人工智能在医学中的应用
- 脑血管外科 脑血管外科
背景情况:
- 机械血栓切除 (MT) 旨在减少手术时间,辐射,并提高患者的安全.
- 目前使用强化学习 (RL) 的自主系统仅限于动脉,缺乏通用性和安全性考虑.
- 导航到更深的脑血管对于有效的MT至关重要.
研究的目的:
- 开发一种安全的双设备RL算法,用于MT的自主导航.
- 为了使航行能够超越动脉进入大脑血管.
- 提高自主MT系统的安全性和通用性.
主要方法:
- 利用模拟开放框架架构进行脑血管建模.
- 在微导管和微导线导航中采用了修改后的软行动者-关键RL算法.
- 集成的导线尖端强加于安全的奖励函数,并使用Inverse RL与12个患者特定的病例.
主要成果:
- 在未见的大脑血管中实现了自主导航,成功率为96%.
- 演示了7.0秒的快速程序时间.
- 保持平均导线力为0.24N,明显低于1.5N破裂值.
结论:
- 拟议的系统代表了第一个自主MT导航到脑血管的系统,结合了安全性和通用性.
- 未来的工作包括对更复杂的血管和体外模型的验证.
- 安全性和可靠性对于在MT中临床部署自主系统至关重要.
