Cirugía robótica autónoma : una revisión completa

La cirugía robótica autónoma representa un campo pionero dedicado a la integración de sistemas robóticos con diversos grados de autonomía para la ejecución de procedimientos quirúrgicos. Este cambio de paradigma es posible gracias a la integración progresiva de la inteligencia artificial (IA) y el aprendizaje automático (ML) en el ámbito de las intervenciones quirúrgicas.

Si bien la mayoría de los sistemas robóticos autónomos permanecen en la fase experimental, un subconjunto notable ha realizado con éxito la transición a aplicaciones clínicas. Procedimientos notables, como la venopunción, implantes capilares, anastomosis intestinal, reemplazo total de rodilla, implante coclear, radiocirugía y anudado, entre otros, ejemplifican las capacidades actuales de los sistemas quirúrgicos autónomos.

Conceptos Fundamentales

Dos componentes cruciales para una atención efectiva al paciente son la experiencia y el conocimiento. Cuanto más pacientes tratamos y más información tenemos, mejor atención podemos brindar. Típicamente, esto ocurre con el tiempo; los médicos adquieren experiencia y conocimiento mientras tratan pacientes y a través de la educación continua. Cuanta más experiencia y datos (análisis de información) poseemos, mejor equipados estamos para tomar decisiones basadas en el conocimiento. Sin embargo, las limitaciones de tiempo son la razón principal por la que la mente humana es limitada en su capacidad para procesar grandes volúmenes de material. No obstante, en la era de los chips de silicio, una enorme cantidad de datos del paciente puede estar disponible, recopilada y almacenada para su procesamiento.

La base de la Inteligencia Artificial (IA) es utilizar estos bancos de datos masivos y transformarlos para adquirir experiencia. Por lo tanto, mediante el uso de algoritmos, el software informático puede aprender mucha más experiencia en un período de tiempo mucho más corto de lo que los sujetos humanos pueden hacerlo en su vida. En consecuencia, la IA se refiere a la capacidad de una máquina o un programa para imitar la inteligencia humana y realizar tareas como razonamiento, resolución de problemas y aprendizaje basados en los datos proporcionados.

En la actualidad, la IA impregna muchos aspectos de nuestra vida diaria, incluidos los videojuegos, el transporte público automatizado, los asistentes personales (como Siri, Alexa y el Asistente de Google) y los vuelos. Más recientemente, la IA ha comenzado a utilizarse en medicina para mejorar la atención al paciente al acelerar los procedimientos y obtener una mayor precisión, allanando el camino para la provisión de una mejor atención médica en general.

El aprendizaje automático (ML) es un subconjunto de la IA que utiliza los datos y el historial de información proporcionados al programa repetidamente y reconoce patrones para mejorar el rendimiento de las tareas de acuerdo con esos datos. También se considera como la capacidad de una computadora para aprender de la experiencia, es decir, para ajustar la forma en que procesa los datos en función de la información recién adquirida. Considerados como una aplicación de la IA, los algoritmos de ML incluyen aprendizaje supervisado, no supervisado y por refuerzo.

Por otro lado, el aprendizaje profundo (DL) es un tipo de ML directamente inspirado en la arquitectura de las neuronas en el cerebro humano. Una red neuronal artificial está compuesta por múltiples capas, a través de las cuales se procesan los datos. Esto es lo que permite a la máquina "profundizar" en su aprendizaje, identificando conexiones y alterando los datos de entrada para lograr los mejores resultados.

En el DL, se consideran simultáneamente varios conjuntos de datos, que se someten a múltiples evaluaciones y reprocesamiento para evaluaciones sucesivas. Este proceso iterativo continúa a través de diferentes capas hasta que se obtiene un resultado final. Cada evaluación ocurre dentro de una capa distinta, basándose en el resultado de la capa anterior. Estas capas de cálculo se denominan capas ocultas debido a la invisibilidad de sus entradas y salidas.

IA y ML en el campo quirúrgico

La IA en cirugía implica movimientos autónomos. Afortunadamente, cada vez más cirujanos se interesan por la tecnología y la posibilidad de acciones autónomas en procedimientos como cirugía general, endoscopia y radiología intervencionista a medida que el campo de la robótica en cirugía ha avanzado.

Las dos áreas principales en las que se ha utilizado con mayor frecuencia el ML en el sector quirúrgico son la robótica y la asistencia en la toma de decisiones. Al igual que en la medicina y el diagnóstico, los sistemas de apoyo a la decisión de ML son cada vez más frecuentes para diagnosticar afecciones, predecir resultados e identificar candidatos quirúrgicos, así como posibles problemas posoperatorios.

Las máquinas operadas por IA ayudan en la planificación preoperatoria y la visualización de la anatomía del paciente, mejorando así la precisión quirúrgica, la seguridad y la capacitación en beneficio de los pacientes y la comunidad de atención médica.

Historia y desarrollo de la cirugía robótica autónoma

La cirugía robótica autónoma se ha desarrollado progresivamente, incorporando funciones en los sistemas robóticos existentes que aumentaron su grado de autonomía. Por lo tanto, en algunos casos, es difícil dar una fecha exacta para el primer procedimiento autónomo en un campo específico. En la Tabla 1, resumimos los principales hitos en la cirugía robótica, incluido el comienzo de los sistemas autónomos y señalando el nivel de autonomía según Yang et al.

Niveles de autonomía en la cirugía robótica

Yang et al. dividieron la autonomía que puede lograr un robot quirúrgico en seis etapas:

Nivel 0: El cirujano controla completamente el movimiento del robot. No hay ayuda ni limitaciones.

Nivel 1: Los robots pueden comunicarse con los cirujanos para ayudarlos o dirigirlos en la realización de una tarea específica. Las formas de ayuda ofrecidas son, o bien accesorios virtuales para mejorar la vista del sitio quirúrgico, o limitaciones activas para dirigir el movimiento del cirujano.

Nivel 2: Los robots pueden completar actividades quirúrgicas específicas de acuerdo con las pautas dadas por el médico. El control del robot pasa del operador humano a la máquina durante la duración de la tarea.

Nivel 3: Se otorgan capacidades perceptivas a los robots para que puedan planificar y realizar ciertas tareas, comprender el entorno quirúrgico y modificar el plan sobre la marcha. Similar al nivel 2, el control del robot pasa del cirujano al dispositivo mientras se realiza el trabajo.

Nivel 4: El robot puede interpretar datos preoperatorios e intraoperatorios, crear un plan de intervención que consiste en una serie de acciones, llevar a cabo este plan por sí solo y realizar ajustes al plan según sea necesario. En el paradigma de control discreto, el sistema está supervisado por un cirujano.

Nivel 5: Los robots son capaces de realizar cirugías sin la ayuda de un humano. Dado que ningún sistema ha alcanzado este nivel, no se trata en esta revisión.

Intervenciones actuales de cirugía robótica autónoma

Algunos ejemplos de cirugía robótica autónoma en el nivel 3 incluyen:

• Smart Tissue Autonomous Robot (STAR): Superó a los cirujanos humanos en anastomosis intestinal in vivo y ex vivo.
• TSolution One: Se utiliza para la perforación ósea, especialmente en procedimientos de reemplazo de cadera y rodilla.
• Veebot: Sistema automatizado de toma de muestras de sangre.
• Sistema ARTAS: Dispositivo robótico de cosecha de injertos para cirugía de restauración capilar.
• Robot CyberKnife: Realiza radiocirugía para tumores cerebrales y espinales bajo supervisión humana.

Limitaciones de la cirugía robótica autónoma

La cirugía robótica autónoma, a pesar de sus beneficios potenciales, enfrenta varias limitaciones que deben abordarse. Uno de los principales desafíos es la complejidad de manejar procedimientos quirúrgicos altamente intrincados que exigen una toma de decisiones adaptativa en tiempo real. Si bien los robots autónomos sobresalen en tareas preprogramadas y repetitivas, su autonomía se pone a prueba por la variabilidad de la anatomía y las situaciones inesperadas que pueden surgir durante la cirugía.

Otra limitación radica en sus capacidades de percepción y retroalimentación. Los robots autónomos dependen en gran medida de los sensores y la percepción para interpretar el entorno quirúrgico, pero la calidad de los datos del sensor y la retroalimentación táctil limitada pueden impedir una toma de decisiones precisa y una adaptación en tiempo real durante los procedimientos quirúrgicos. Además, los robots quirúrgicos autónomos pueden tener dificultades para adaptarse a escenarios quirúrgicos imprevistos o encontrar situaciones complejas que no se encontraron durante su entrenamiento.

La introducción de robots quirúrgicos autónomos también plantea cuestiones éticas y legales en torno a la responsabilidad y la rendición de cuentas en caso de errores o mal funcionamiento. Determinar quién es responsable en situaciones complejas puede ser un desafío y requiere una consideración cuidadosa.

La capacitación y validación de robots quirúrgicos autónomos es un proceso exigente que requiere datos extensos y pruebas rigurosas para demostrar su seguridad y precisión. Los datos o la validación insuficientes pueden socavar su fiabilidad clínica, por lo que es crucial una evaluación exhaustiva antes de su adopción generalizada. Además, el costo asociado con el desarrollo, la adquisición e implementación de robots quirúrgicos autónomos suele ser alto, lo que limita su disponibilidad y accesibilidad, especialmente en hospitales o regiones con recursos limitados.

Consideraciones legales y éticas sobre la cirugía robótica autónoma

Las regulaciones son fundamentales para brindar confianza, transparencia y seguridad en cada procedimiento realizado en el cuidado de la salud. La literatura sobre este tema es poca y principalmente teórica porque este es un campo de estudio tan nuevo y de rápido desarrollo.

Responsabilidad: Se refiere a la capacidad de explicar las elecciones, que disminuye con la complejidad del sistema y puede remediarse combinando cajas negras de grabación con inteligencia artificial explicable.

Responsabilidad civil: Incluso si el robot es autónomo, es posible que no se lo considere responsable según la ley vigente por sus acciones u omisiones si causan daño. Por lo tanto, no se le puede obligar a pagar la indemnización a la víctima.

Culpabilidad: La culpabilidad (la posibilidad de castigo) constituye el tema más complejo y podría representar un obstáculo legal y ético significativo que influye en el papel de los cirujanos. Un robot o un programa de inteligencia artificial no puede ser considerado responsable de sus acciones de ninguna manera, ya que carece de conciencia, libre albedrío o libertad en ningún otro sentido que sea reconocido actualmente por el sistema legal. No comprende estas ideas.

Regulaciones actuales de los robots quirúrgicos autónomos

En el ámbito regulatorio, varios organismos gubernamentales importantes, como la Agencia Reguladora de Medicamentos y Productos Sanitarios Británica, la FDA de EE. UU. y el Instituto Federal Alemán de Medicamentos y Productos Sanitarios, no tienen marcos legales específicos para robots con acciones autónomas.

Documentos como la Hoja de ruta de Robótica de EURON, que conecta la regulación, la ética y los estándares, discutieron los principios de la robótica y sugieren que los robots autónomos deben ser monitoreados por humanos en lugar de ser totalmente independientes, especialmente en diagnósticos médicos y decisiones quirúrgicas que podrían ser arriesgadas.

¿Qué pasa si algo sale mal?

El cirujano mantiene el control total porque la máquina no toma decisiones. Debido a esta característica, Intuitive Surgical ha podido afirmar que, en caso de un mal funcionamiento técnico, el cirujano asume toda la responsabilidad del procedimiento.

¿Los robots reemplazarán a los cirujanos?

La mayoría de los expertos en cirugía robótica e IA tienden a coincidir en que es improbable que los cirujanos humanos sean reemplazados por completo por un robot quirúrgico controlado por IA. La IA está destinada a apoyar, no a reemplazar, la capacidad de un cirujano para tomar decisiones y llevarlas a cabo.