Onderzoekers van Johns Hopkins University hebben een nieuw robotsysteem ontwikkeld dat in staat is om zeer delicate oogchirurgische ingrepen autonoom uit te voeren. Het systeem is specifiek ontworpen voor de behandeling van retinal vein occlusion (RVO), een ernstige aandoening waarbij een ader in het netvlies verstopt raakt en die kan leiden tot (gedeeltelijk) verlies van het gezichtsvermogen.
RVO wordt momenteel behandeld met onder meer periodieke injecties van medicijnen die abnormale vaatgroei remmen of ontstekingen verminderen. Een veelbelovende, maar technisch uiterst complexe behandelmethode is retinal vein cannulation (RVC). Daarbij moet een chirurg een extreem dunne naald met grote precisie in de geblokkeerde ader brengen om daar medicatie toe te dienen die stolsels oplost of vaatgroei reguleert.
‘Onmenselijke’ preciezie
De aderen in het netvlies zijn ongeveer zo dik als een menselijke haar. Dat maakt handmatige uitvoering van RVC bijzonder uitdagend. De vereiste nauwkeurigheid ligt onder de 100 micrometer, een precisieniveau dat de natuurlijke motorische mogelijkheden van de mens overstijgt. Robotische ondersteuning kan hier uitkomst bieden door stabiliteit en herhaalbaarheid toe te voegen aan het chirurgisch proces.
Het nieuwe systeem, beschreven in een publicatie in Science Robotics, combineert robotica met deep learning en geavanceerde beeldvorming. Het maakt gebruik van beelden van een chirurgische microscoop en dwarsdoorsneden van oogweefsel die worden verkregen via optical coherence tomography (OCT).
“This work builds on our long-standing interest in addressing the extreme precision and stability challenges of retinal microsurgery,” zegt Peiyao Zhang, eerste auteur van de studie. “Retinal vein cannulation vereist een nauwkeurigheid die normale menselijke fysiologische grenzen overschrijdt. Door robotische ondersteuning te combineren met deep learning laten we zien dat een autonoom chirurgisch proces met hoge precisie en reproduceerbaarheid mogelijk is.”
Deep learning als chirurgische assistent
Het systeem bestaat uit twee zogeheten steady-hand eye robots die respectievelijk een microscopisch kleine naald en een chirurgisch instrument vasthouden. Deze hardware wordt aangestuurd door drie deep learning-algoritmen die zijn getraind om de positie van de naald te volgen, bewegingen te voorspellen en de optimale handelingen van de robot te plannen.
De onderzoekers testten het systeem op varkensogen, zowel in stilstaande situaties als onder omstandigheden waarbij verticale bewegingen werden gesimuleerd die vergelijkbaar zijn met ademhaling bij levende patiënten. Daarbij bleek het systeem in staat om betrouwbaar te detecteren wanneer de naald contact maakte met een ader en deze daadwerkelijk binnendrong.
In de experimenten slaagde de robot erin om RVC succesvol uit te voeren in 90 procent van de stilstaande ogen en in 83 procent van de bewegende ogen. Volgens Zhang laat dit zien dat specialistische chirurgische kennis kan worden ‘ingebed’ in AI-modellen. “Dit kan betekenen dat ook clinici zonder zeer gespecialiseerde training in staat zijn om met robotondersteuning resultaten te behalen die vergelijkbaar zijn met die van ervaren chirurgen.”
Toekomstperspectief voor oogzorg
Hoewel de resultaten veelbelovend zijn, is klinische toepassing nog niet direct aan de orde. Vervolgonderzoek in levende diermodellen en uiteindelijk in humane klinische studies is noodzakelijk. Toch zien de onderzoekers hun werk als een belangrijke stap richting verdere automatisering van complexe oogchirurgie.
“Our paper shows that a highly delicate retinal surgical procedure can be partially automated in a safe, accurate, and repeatable manner using robotic assistance and deep learning,” aldus Zhang. Op termijn kan deze technologie de werkdruk voor oogchirurgen verlagen, variatie in uitkomsten verminderen en de precisie verhogen.
Als de vervolgstappen succesvol zijn, kan het systeem bijdragen aan nieuwe behandelopties voor patiënten met RVO en mogelijk ook andere netvliesaandoeningen. Daarmee benadrukt dit onderzoek de groeiende rol van robotica en AI binnen de oogheelkunde en de digitale transformatie van de zorg.
Autonome chirurgische robots
Vorig jaar werd door onderzoekers van dezelfde universiteit ook al een grote stap vooruit gezet op weg naar volledig autonome chirurgische robots. Dat gebeurde met de ontwikkeling van robots die complexe chirurgische handelingen, zoals hechten, knopen leggen en naaldmanipulatie, zelfstandig kunnen uitvoeren met een precisie vergelijkbaar met die van menselijke chirurgen.
De robots worden getraind met videobeelden van chirurgische taken en leren hun fouten zelf te corrigeren, zonder menselijke tussenkomst. De gebruikte trainingsmethode lijkt op die van taalmodellen, maar vertaalt beelden naar robotbewegingen. De technologie werd succesvol getest op dierlijk weefsel en kan op termijn bijdragen aan het oplossen van het tekort aan chirurgen.
