医用机器人及其精准定位和术中导航及影像辅助技术研究进展
2018-03-05综述审校
安 超 综述 梁 萍 审校
精准医疗是微创外科治疗的基石,是21世纪医学发展的重要方向。高度精准微创手术必须克服手抖和用力不均,同时要对病灶精准定位和导航。医用机器人系统[1]可以很好地解决上述问题。笔者主要针对机器人系统辅助精准定位和导航最新进展进行综述。
1 医用机器人研究进展
1.1 机器人系统 用于医院、诊所的医疗或辅助医疗的机器人。是一种智能型服务机器人,它能独自编制操作计划,依据实际情况确定动作程序,然后把动作变为操作机构的运动。目前市场常用的机器人主要分为两类:一是由外科医师进行操控,机器人则遵循医师的输入指令,通过机械臂代替或部分代替医师操作手术工具,完成各种手术动作,辅助进行外科治疗,例如,达芬奇系统[2];二是通过影像系统(超声、C形臂X线机、CT或者MRI)引导,在术前计算机对目标病灶进行规划,按照规划将机器臂固定于相应位置,辅助医师进行介入治疗。例如,以色列Mazor Robotics 公司制造的西塞尔机器人(Renaissance)[3],这种机器人创新之处在于通过术中C形臂X线机获得的二维图像与术前三维图形实时配准进行定位,极大提高精准度。
1.2 影像导航系统 机器人辅助介入手术需要依靠影像导航进行。目前,影像导航主要有两种方式:(1) 磁定位导航:在磁场发生器下进行操作,将追踪器械上安装磁感线圈,可以实时追踪器械所在位置,其缺点在于磁场范围较小,机器臂运动范围较大,追踪受限,并且有磁干扰物质存在会大大影响准确性;(2)光学导航:在患者皮肤表面黏贴体表标记贴,固定于被追踪手术器械之上的摄像头记录标记贴位置信息,通过光学追踪系统为媒介,实现手术器械与体表标记贴之间的空间配准[4]。缺点是仅能追踪体表,体内因光线受阻不能追踪[5]。
1.3 主要研究进展 1985年,研究人员借助工业机器人PUMA560完成辅助神经外科穿刺活检[6]这是首次将医用机器人用于外科手术中,标志着医用机器人临床应用的开端。1994年,Computer Motion公司研究第一种用于微创手术的医用机器人:内镜自动定位系统—伊索,目前被FDA 批准应用于外科手术的机器人系统主要有伊索系统、宙斯系统、达芬奇系统,后两者是远程操作外科机器人[7]。2014年,CT引导下介入机器人MAXIO已经应用于临床,德国勒根斯堡医学研究中心的医师用这种机器人辅助微波消融治疗46例肝癌患者,消融成功率100%[8]。在国内2000年由海军总医院成功研制出第一台用于脑外科手术的被动机器人[9],并对患者进行了手术。在随后的研究中又陆续开发了主动式脑外科机械臂,这是我国最早的机器人应用于临床。2006年天津大学成功研制主从异构显微外科手术机器人系统“妙手(MicroHand)”系统[10],对提高外科手术精准度起到很大作用。
2 精准定位及导航研究进展
如果把高度精准定义为1 mm以内,通过人眼观察,人工操作是很难达到的,而医用机器人可以帮助我们实现这一愿望。目前,美国FDA配准的手术机器人误差在4 mm以内[11],但这仍难以达到手术实际要求,因为手术要求的安全精度在2 mm以下。为了提高医用机器人的精准性,各国研究人员借助不同导航手段,不断提高定位精准度以及减小导航误差,加拿大NDI公司生产的影像导航装置已经将精度精确度减小至1 mm以下,光学定位系统Polaris (Northern Digital, Ontario, Canada),利用双目摄像头追踪目标,精准度可达0.12 mm,磁定位系统Aurora (Northern Digital, Ontario, Canada),利用磁场发生器,追踪带有磁场定位装置的器械和手术目标,精准度可达0.23 mm,这些导航技术有助于机器人辅助手术顺利开展。
2.1 国外研究 国外对机器人辅助定位及导航精准度研究较多,美国Pollock等[12]利用人造模型研究得出计算机辅助导航系统,平均误差是(5.8±1.2)mm(1.8~11.9 mm);Oliveira等[13]对经皮穿刺进行研究,骨组织平均误差是4.23 mm,软组织平均误差是3.07 mm;导航系统误差较大,原因主要来自图像配准、定位技术、匹配算法、影像漂移这些影响因素,其中最主要的影响因素是影像漂移,发生率高达66%,为了克服影像漂移引起的误差,目前市场上出现了嵌入式机器人系统,将机器人嵌入CT设备,如Acubot机器人手术系统[14],该系统正在申请PDA认证。这套系统虽然大大提高导航精准度,但是辐射影响较大。以色列Mazor Robotics 公司制造的西塞尔机器人(Renaissance)适用领域为脑组织活检,并扩展应用于颈椎手术[15],置钉精度达到98.3%,轴向偏差为 (1.2±1.49) mm,矢状面偏差为 (1.1±1.15) mm,整体精度控制在3 mm以内。美国Koethe等[16]研究发现,CT引导下机器人辅助腹部穿刺,通过模型进行验证穿刺点距离目标点距离为 (6.5±2.5) mmvs(15.8±9.2) mm(徒手穿刺),结果有统计学差异。Barzilay等[17]为19例患者行腰椎融合术,其中9例出现临床误差,这与图像配准和机器臂松动有很大关系。
3 影像辅助技术进展
3.1 多模图像融合技术 不同成像技术对人体组织和脏器的显示方式不同,所提供的信息也是互有差异、互相补充的。所谓图像融合,是指利用计算机技术将多种医学仪器检查所得的影像进行数字化处理,在同一幅图上展现多种成像信息,取长补短,协同应用。1988 年Noz等[22]首次将信息科学中的多模态概念应用于影像医学,提出了多模态影像的概念,并预言多模态影像未来在临床应用中的重要作用。此后Wood等[23]通过定位跟踪设备将术前扫描得到的CT 图像与术中得到超声影像配准融合显示,并在临床肝肿瘤的消融手术中验证了该方法的有效性。
3.2 影像分割技术 通过影像分割,提供给医师更加丰富、全面的图像信息,结合计算机图形学加以分析,为医师提供器官的空间位置、体积及角度等信息,及时将病灶结构及血管系统清晰地呈现给医师,辅助医师进行术前手术规划及术中治疗。Pal等[24]最早提出将目标脏器和肿瘤通过影像手段分割出来便于医师观察的方法。北京理工大学提出两种分割方法,一种是自适应网格扩张模型(adaptive mesh expansion model, AMEM)的器官分割方法,另一种是先验稀疏统计形状模型的器官分割。
3.3 虚拟现实与增强现实技术 在手术过程中,手术器械因受控移动而与器官模型的相对位置时刻发生改变。因而为了提高形变仿真的真实性,应在器械虚拟移动中随时检验器械与肝脏模型的碰撞情况,以作为后续交互反馈的依据。
综上所述,医用机器人系统已经应用临床各个学科,如神经外科、泌尿外科、普外科等[25-27],提高医师手术质量,增加手术安全性、可行性。但仍存在一些问题亟待解决:(1)医用机器人系统现较多应用于骨科、神经外科,目标点均是刚性物质,不涉及呼吸运动及脏器形变带来的影响,在肝脏等柔性脏器中穿刺精准度误差较刚性物质增大[28];(2)影像导航系统较为单一[29],多模态融合技术开展受限;(3)CT引导下医用机器人系统是理想的穿刺手段,可以控制辐射对医师的损害,但缺乏实时监测[30],安全性有待提高。
医用机器人综合术前规划和术中导航,在各种新技术支持下可以大大提高微创手术精确性,成为一种辅助医师诊治、非常具有前景的临床应用新技术。
[1] Georgilas I, Dagnino G, Dogramadzi S. Safe Human-robot interaction in medical robotics: a case study on robotic fracture surgery system[J]. IJRR, 2017, 8(3):173-174.
[2] Mattioli G, Pini P A, Razore B,etal. Da Vinci robotic surgery in a pediatric hospital[J]. Adv Surg Tech A, 2017, 27(5):539-545.
[3] Keric N, Doenitz C, Haj A,etal. Evaluation of robot-guided minimally invasive implantation of 2067 pedicle screws [J]. Neurosurg Focus, 2017, 42(5):11-16.
[4] Marsh T. Mazor robotics debuts renaissance brain surgical device[J]. Robot, 2014, 28(6):21-26.
[5] Wood B J, Kruecker J, Abijaoudeh N,etal. Navigation systems for ablation[J]. J Vasc Interv Radiol, 2015, 21(8 Suppl): S257-261.
[6] Kwoh Y S, Hou J, Jonckheere E A,etal. A robot with improved absolute positioning accuracy for CT guided stereotactic brain surgery [J]. Int J Med Robot, 1988, 35(2):153-161.
[7] 蔡秀军, 甄世慧. 外科机器人的研究进展及临床应用[J]. 腹部外科, 2009, 22(5):303-304.
[8] Beyer L P, Pregler B, Niessen C,etal. Robot-assisted microwave thermoablation of liver tumors: a single-center experience [J]. Int J Comput Assist Radiol Surg, 2016, 11(2):253-259.
[9] 乔天富,吉 尔. 机器人施行脑手术——海军总医院为72位患者手术成功[J]. 科学新闻, 2000,11(28):127-131.
[10] 宋雪莲. 国内首个机器人“大夫”面世 “妙手”挑战鼻祖“达芬奇”[J]. 中国经济周刊, 2010, 20(29): 46-47.
[11] Schreuder H, Verheijen R. Robotic surgery [J]. BJOG, 2009, 116(2):198-213.
[12] Stoianovici D, Cleary K, Patriciu A,etal. AcuBot: a robot for radiological interventions[J]. Int J Med Robot, 2003, 19(5):927-930.
[13] Peterhans M, Vom B A, Dagon B,etal. A navigation system for open liver surgery: design, workflow and first clinical applications [J]. Int J Med Robot, 2014, 7(1):7-16.
[14] Pollock R, Mozer P, Guzzo T J,etal. Prospects in percutaneous ablative targeting: comparison of a computer-assisted navigation system and the AcuBot robotic system[J]. J Urol, 2014, 181(4): 462-462.
[15] Chung G B, Lee S G, Kim S,etal. A robot-assisted surgery system for spinal fusion[C]// Ieee/rsj International Conference on Intelligent Robots and Systems. IEEE, 2005:3015-3021.
[16] Koethe Y, Xu S, Velusamy G,etal. Accuracy and efficacy of percutaneous biopsy and ablation using robotic assistance under computed tomography guidance: a phantom study [J]. Eur Radiol, 2014, 24(3):723-730.
[17] Barzilay Y, Liebergall M, Fridlander A,etal. Miniature robotic guidance for spine surgery--introduction of a novel system and analysis of challenges encountered during the clinical development phase at two spine centres [J]. Int J Med Robot, 2006, 2(2):146-153.
[18] 梁国标, 陶英群. 功能神经外科精准时代的助推器——ROSA手术机器人[J]. 中国微侵袭神经外科杂志, 2017, 22(2):49-50.
[19] Wang W, Shi Y, Goldenberg A,etal. Experimental analysis of robot-assisted needle insertion into porcine liver[J].Biomed Mater Eng, 2015, 1(s1):375-380.
[20] 王 旸. 导航技术、机器人技术在超声引导肝肿瘤经皮热消融中的应用研究[D]. 北京:解放军总医院,解放军军医进修学院, 2008.
[21] 张 肖. CT微创介入实时机器人导航系统研究[D]. 北京:解放军总医院, 解放军军医进修学院, 2016.
[22] Noz M E, Jr M G, Horii S C. Multimodality image display: desirable frame buffer characteristics [J]. J Med Syst, 1988, 12(4):189-200.
[23] Wood B J, Zhang H, Durrani A,etal. Navigation with electromagnetic tracking for interventional radiology procedures: a feasibility study [J]. J Vasc Interv Radiol, 2005, 16(4): 493-498.
[24] Pal N R, Pal S K. A review on image segmentation techniques [J]. Pattern Recogn,1993,26(9):1277-1294.
[25] Lavallee S, Troccaz J, Gaborit L,etal. Image guided operating robot: a clinical application in stereotactic neurosurgery[C]// IEEE International Conference on Robotics and Automation, 1992. Proceedings. IEEE Xplore, 1992:618-624 vol.1.
[26] Guru K A, Hussain A, Chandrasekhar R,etal. Current status of robot-assisted surgery in urology: a multi-national survey of 297 urologic surgeons [J]. Can J Urol, 2015, 16(4): 4741-4747.
[27] Cirocchi R, Trastulli S, Boselli C,etal. Radiofrequency ablation in the treatment of liver metastases from colorectal cancer [M]. The Cochrane Library. John Wiley & Sons, Ltd, 2012: CD006317.
[28] Gwynne S, Wills L G. Respiratory movement of upper abdominal organs and its effect on radiotherapy planning in pancreatic cancer [J]. J Clin Oncol, 2014, 21(9):713-719.
[29] Hungr N, Bricault I, Cinquin P,etal. Design and validation of a CT- and MRI-guided robot for percutaneous needle procedures[J]. IEEE Trans Robot, 2016, 132 (4):973-987.
[30] Kojcev R, Fuerst B, Zettinig O,etal. Dual-robot ultrasound-guided needle placement: closing the planning-imaging-action loop[J]. Int J Comput Assist Radiol Surg, 2016, 11(6):1173-1181.