Quá trình khâu vết mổ sau khi bệnh nhân được phẫu thuật vốn là một nhiệm vụ quan trọng của các bác sĩ, tuy nhiên, trí tuệ nhân tạo (AI) có thể sớm trợ giúp các bác sĩ trong quá trình này.

Chương trình hợp tác giữa tập đoàn công nghệ Intel và Đại học California, Mỹ, nhóm UC Berkeley do tiến sĩ Ajay Tanwani dẫn đầu đã phát triển một hệ thống robot có khả năng học hỏi, được đặt tên là Motion2Vec.

Từ các video phẫu thuật được ghi lại bởi các bác sĩ, Motion2Vec sẽ quan sát và phân tích quá trình phẫu thuật, sau đó bắt chước thực hiện những động tác học được với độ chính xác cao.

“Với một lượng lớn thông tin được truyền tải trong các video, hệ thống robot học hỏi quá trình phẫu thuật thông qua quan sát trực quan sẽ hiệu quả hơn nhiều so với các phương pháp truyền thống”, tiến sĩ Tanwani chia sẻ.

“YouTube là một nguồn tài nguyên đáng kinh ngạc với 500 tiếng dữ liệu mới được tải lên mỗi phút. Con người chúng ta có khả năng theo dõi và hiểu được ý nghĩa của các video, trái lại, robot lại không thể làm được việc đó. Hệ thống chỉ có thể nhận biết các đoạn video tương ứng với một chuỗi các điểm ảnh. Chính vì vậy, mục tiêu của nghiên cứu lần này là giúp robot giải đáp các điểm ảnh thành thông điệp có ý nghĩa”, bác sĩ Ken Goldberg, điều hành phòng thí nghiệm UC Berkeley và cố vấn cho nhóm nghiên cứu giải thích. 

Để làm được điều này, nhóm nghiên cứu tận dụng các mạng lưới siamese, vốn được xây dựng để tìm hiểu hàm khoảng cách từ dữ liệu không được giám sát hoặc thiếu giám sát. Qua đó, nhóm sẽ tạo ra lượng dữ liệu lớn trong các video và nén chúng thành một không gian nhiều hình dạng.

Về cơ bản, các mạng lưới siamese có thể xếp hạng mức độ tương đồng giữa hai đầu vào, thường được sử dụng cho các tác vụ nhận dạng hình ảnh như khớp hình ảnh của một người với ảnh giấy phép lái xe của họ. 

Tuy nhiên, trong trường hợp này, nhóm của tiến sĩ Tanwani đang sử dụng mạng siamese với mục đích khớp lại những thao tác phẫu thuật của các bác sĩ vào trong hệ thống của Motion2Vec, từ đó nâng cao khả năng làm việc của robot lên mức tương tự như con người.

​

Đội ngũ nghiên cứu cần khoảng 78 video từ cơ sở dữ liệu JIGSAWS để đào tạo AI của họ thực hiện các nhiệm vụ với độ chính xác phân đoạn lên tới 85,5% và sai số trung bình chỉ 0,94 cm.

Dù phải mất nhiều năm nghiên cứu để đưa hệ thống robot đi vào hoạt động thực tế nhưng nhóm nghiên cứu của tiến sĩ Tanwani tin rằng, trong tương lai, công nghệ AI trong phẫu thuật sẽ dần phổ biến như công nghệ tự lái trên các phương tiện hiện nay.

Motion2Vec được kỳ vọng sẽ đảm nhiệm các công việc hỗ trợ các bác sĩ trong quá trình phẫu thuật trong tương lai gần.