基于机器人数据采集系统的后部玻璃体脱离操作中力与运动评估：一项在人体尸体眼上的临床前研究

《Scientific Reports》：Evaluating force and motion in posterior vitreous detachment manoeuvres using a robotic data acquisition system in cadaveric human eyes

本研究针对玻璃体视网膜（VR）手术中缺乏客观、定量技能评价方法的难题，开发了ARASH:ASiST机器人数据采集（DAQ）系统，并在人体尸体眼上对后部玻璃体脱离（PVD）诱导操作进行了评估。研究成功捕获了外科医生在“醉步”（Drunk Walk）手法中的运动学和力数据，量化了不同经验水平外科医生的操作差异（如归一化加加速度Normalised Jerk和力均方根Force RMS），证明了该平台作为客观技能评估工具的可行性，为外科培训和质量控制提供了新范式。

　　

在眼科手术的精密世界里，玻璃体视网膜手术堪称皇冠上的明珠，尤其是深部玻璃体切割术，对医生的器械控制能力提出了极高要求。然而，长期以来，评估外科医生的手术技能主要依赖于主观观察和经验性清单，这种方法不仅容易产生偏差，也难以大规模推广。虽然现代手术数据采集系统能够通过多模态传感技术精确记录和分析手术技巧，但许多现有方案会干扰手术流程，尤其难以捕捉眼科显微手术中器械与组织相互作用的精妙细节。传统的机器人或模拟训练平台虽然能提供有价值的见解，但往往依赖于模拟组织或虚拟任务，无法真实反映实际操作中器械所施加的力。这就在主观评估框架与客观、高保真测量之间留下了一道亟待填补的鸿沟。

为了解决这一挑战，由Reza Heidari、Esmaeil Asadi Khameneh、Ali Rastaghi等研究人员组成的团队在《Scientific Reports》上发表了一项创新研究，他们开发了名为ARASH:ASiST的透明机器人平台，专门用于玻璃体视网膜显微手术。该研究首次在人体尸体眼模型上，对后部玻璃体脱离诱导这一关键操作进行了同步的、源自机器人本体的力和运动学数据的定量分析。

为了开展这项研究，研究人员主要依赖几个关键技术方法：首先是ARASH:ASiST机器人系统本身，它集成了高精度编码器和力传感器（Forsentek FSSM-50测力传感器），能以1 kHz的采样率捕获手术器械的位置（度、毫米）和力（牛顿）数据。其次，研究使用了来自法拉比眼库的死后人体尸体眼作为高保真模型，并设计了仿真的曼尼金头部和定制眼座来模拟真实手术环境。此外，通过便携式激光设备对机器人的远程运动中心进行精确校准，确保器械通过巩膜切口准确进入眼内。研究还开发了图形用户界面，用于实时可视化手术轨迹和力数据。数据分析则聚焦于后部玻璃体脱离诱导阶段，采用“醉步”手法，并提取了归一化加加速度、力范围、峰值力大小和力均方根等定量指标，对不同经验水平的外科医生（专家、专科培训医师、中级医生）的表现进行了比较。

系统集成与工作流程评估

研究首先评估了ARASH:ASiST系统集成到临床手术室工作流程中的情况。术后问卷调查由14名 preclinical 用户完成，包括玻璃体视网膜外科医生、角膜外科医生、研究助理和手术室技术人员。反馈采用5点李克特量表，评估了八个领域特异性特征，如手术室环境整合、灭菌协议遵守、眼座固定真实性等。结果显示，所有角色均给予高舒适度评分（多为4或5分），证实了该系统能够无缝融入临床环境而不干扰手术流程。

玻璃体切割术运动学与力数据的采集

研究共记录了14次手术试验，由两名专科培训医师（经验<2年）、一名中级外科医生（经验>4年）和一名专家外科医生（经验>8年）完成。所有试验均在标准化条件下使用ARASH:ASiST系统进行，系统校准后以1 kHz采集器械运动学和力数据。记录到的力范围在-2.2 N 到 +5.2 N 之间。在采用“醉步”法进行后部玻璃体脱离诱导时，根据外科医生的利手习惯出现了不同的力模式。右利手外科医生主要操作在正力范围内（-0.8 N 到 +5.2 N），而左利手外科医生则表现出更窄且持续为负的力范围（-2.2 N 到 +1.0 N）。

手术性能指标的定量分析

对14次试验的分析显示，尽管使用单因素方差分析和Kruskal-Wallis检验后，不同经验组别之间在所有性能指标上均未发现统计学显著差异（所有p_corr> 0.56），但观察到了中等至大的效应大小（ANOVA η²= 0.17-0.41；Kruskal-Wallis ε²= 0.05-0.32）。描述性统计揭示了一致的组级趋势。衡量运动平滑度的归一化加加速度在专科培训医师中最高（0.92 ± 1.22 × 10^-5），表明运动变异性更大。专家表现出最低的加加速度值（0.29 ± 0.16 × 10^-5）。力相关指标也显示出类似的变异性，专科培训医师产生最高的峰值力大小（3.62 ± 1.82 N）和力均方根（2.24 ± 1.18 N），而专家施加的总体力最低（均方根 0.79 ± 0.21 N），变异性最小。

研究还分析了利手优势对力施加的影响，发现右利手和左利手外科医生在力施加模式上存在明显差异。时间分布分析表明，专家外科医生在“醉步”手法的操作阶段能更好地平衡速度与精度。

综上所述，这项研究成功地将机器人数据采集系统整合到临床手术室环境中，定量评估了在人体尸体眼上进行的复杂玻璃体视网膜手术操作中的力和运动。研究结果表明，ARASH:ASiST系统能够在不干扰手术工作流程的情况下捕获细微的运动学和力数据，为客观手术分析提供了独特的数据集。尽管由于样本量有限，未发现统计学显著差异，但描述性趋势和效应大小表明了跨外科医生类别在力和运动控制方面存在的潜在差异，值得进一步研究。这项研究的意义在于，它为在玻璃体视网膜手术这一高精度微外科领域中建立客观的、基于数据的技能评估基准迈出了关键一步。该系统不仅有助于外科培训和技能评估，其捕获的高保真数据未来还可用于开发人工智能驱动的自动评估工具，最终提高手术安全性、减少错误并改善手术结果。未来的研究方向包括扩大数据集、结合玻璃体切割机参数（如切割速率、负压）以及应用机器学习技术对这些多模态数据进行自动技能评估。