从概念验证到智能自主平台:机器人辅助骨折复位(RAFR)系统关键技术及技术演进机制

《Advanced Intelligent Systems》:The Key Technologies and Technological Evolution Mechanisms of Robotic Systems for Fracture Reduction Surgery

【字体: 大 中 小 】 时间:2026年10月16日 来源:Advanced Intelligent Systems 6.7

编辑推荐:

  机器人辅助骨折复位(robot-assisted fracture reduction, RAFR)系统已经历近三十年的发展,具有提高复位精度、减少辐射暴露并减轻外科医生疲劳的潜力。本综述综合了通过结构化数据库检索和引文追踪识别出的、发表于1995–2024年

  
机器人辅助骨折复位(robot-assisted fracture reduction, RAFR)系统已经历近三十年的发展,具有提高复位精度、减少辐射暴露并减轻外科医生疲劳的潜力。本综述综合了通过结构化数据库检索和引文追踪识别出的、发表于1995–2024年的150篇文献。代表性RAFR系统从机器人架构(robotic architectures)、骨—机器人接口(bone–robot interfaces)、配准与导航(registration and navigation)、路径规划(path planning)、控制策略(control strategies)和验证证据(validation evidence)等方面进行综述与比较。基于技术演进特征,RAFR系统的发展被划分为四个阶段:概念出现阶段(conceptual emergence stage)、初步发展阶段(initial development phase)、快速推进阶段(stage of rapid advancement)和临床验证阶段(clinical validation phase)。针对每一阶段,本综述概述了机器人结构(robot structure)、感知系统(perception systems)、控制策略(control strategies)和手术整合(surgical integration)等核心技术的演变。尽管取得了显著进展,当前RAFR系统在适应复杂骨折类型(complex fracture types)和临床工作流整合(clinical workflow integration)方面仍存在局限。本综述批判性评估这些挑战,并概述有望推动下一代智能、自主RAFR系统(intelligent, autonomous RAFR systems)发展的前瞻方向。这些见解旨在推动RAFR系统从被动固定工具(passive fixation tools)向智能、自主手术平台(intelligent, autonomous surgical platforms)转变,最终为骨科患者(orthopedic patients)提供更安全、更高效的治疗解决方案。
1 Introduction
骨折是常见骨骼损伤,全球发病率上升,骨不连率约5%–10%。手术复位虽重要,但存在术中反复CT或透视辐射、软组织阻力大(复位力可超过400 N)和复位精度不足等问题。机器人辅助骨折复位(robot-assisted fracture reduction, RAFR)工作流包括术前规划、配准导航、术中复位和术后评估。本文结合代表性研究项目历史分析与架构、感知、规划、控制、性能和工作流整合的跨研究比较,关注实验室高精度尚未稳定转化为常规临床复位的权衡。

2 Literature Search and Review Framework
2.1 Search Strategy and Scope
本文为结构化叙述性综述,检索Web of Science Core Collection、Scopus、PubMed、IEEE Xplore和Google Scholar,时间1995年1月至2024年12月,检索词组合骨折相关表达与机器人、计算机辅助术语,并筛查参考文献。

2.2 Eligibility and Study Selection
纳入描述骨折碎片操作或复位机器人机构、RAFR相关感知/配准/规划/控制/生物力学方法,以及模型、动物、尸体或临床验证的同行评议文献;排除康复、通用骨科导航或无实质复位关联的固定。最终纳入150篇。

2.3 Data Extraction and Synthesis
提取目标适应证、机械架构、骨—机器人连接、导航配准、规划、控制、安全、实验对象和性能。按研究项目、技术演进阶段和跨研究比较综合;因数据异质,数值结果描述性呈现,未统计合并。

3 Research Progress of RAFR Systems
3.1 Hannover Medical School
采用St?ubli RX130工业机器人、定制夹具、术中CT重建3D模型和导航,使用软件阈值与硬件负载限制器双层安全机制。早期采用摇杆或触觉机械手的人机交互和力反馈,后提出RANSAM、Z缓冲和迭代最近点(ICP)等目标姿态计算,执行采用位置—力混合控制。机器人组对线优于手动,但软组织存在时精度下降。

3.2 Harbin Institute of Technology
HIT-RAOTS为主从式骨科远程手术系统,主端力反馈,从端六自由度(6-DoF)并联机器人,用于复位和髓内钉锁定。改进C臂透视系统,规划使用含弯曲角、扭转角、缩短距离和偏移距离的4D参数虚拟患者模型,并集成力反馈、虚拟现实/增强现实(VR/AR)和有限元模型用于培训。

3.3 The University of Tokyo
FRACRobo采用6-DoF串联机械臂和6轴力传感器,具机械与软件失效保护;利用外力和力矩测量引导复位,结合镜像对称、CT与荧光追踪以及2D/3D配准定位碎片。构建Hill型肌肉模型和McKibben人工肌肉。系统最大牵引力约215.9 N,旋转扭矩约3.2 Nm,安全阈值为300 N和25 Nm。

3.4 The University of Auckland
采用并联机器人,六个LINAK直线执行器连接上下板,最大力400 N,使用主动力/位置控制。通过用户辅助全景成像和22个解剖标志点计算远端碎片位姿,开发计算机辅助治疗规划系统并构建Hill型肌骨模型;但安全阈值需校准,复位精度和临床可靠性验证有限。

3.5 Hongkong University
D'cros为6-DoF混合机器人,旨在兼顾工作空间和定位精度;采用模糊逻辑运动分析、基于末端角度和坐标的轨迹规划以及最短线性路径规划算法。3D打印原型用于迭代,但实验验证仍缺乏。

3.6 Beihang University, General Hospital of PLA, Shanghai University, and Soochow University
基于Stewart平台开发并联复位机器人。第一代采用液压执行器、定制固定装置、CT整体扫描配准、镜像对称图像配准,并制定AO C1和C2型粉碎骨折复位策略;导航从视觉伺服发展到NDI光学导航,并构建Hill型肌肉模型与Kane动态模型。第二代采用6-UPU结构,发展力/位置闭环、变阻抗、摩擦补偿、径向基函数神经网络(RBFNN)与非线性干扰观测器(NDO)、力残差观测器(FRO)与模糊自适应滑模控制器(FASMC)、改进3D A*和绝对映射算法。骨盆复位采用物理对称虚拟平面、鲁棒ICP点云配准、统计形状模型和有限元模型。

3.7 University of Bristol and University of West England
针对关节内骨折,测量得到最大Z轴复位力96.94 N、Y轴峰值扭矩4.17 Nm。开发6-UPS并联机构与串联弧形导轨结合的混合机器人,配骨附着装置、红外导航和Unity实时3D可视化。九例33-C1 Y形或T形尸体骨折中仅5例成功,主要受并联机构工作空间和骨—机器人接口稳定性限制;另开发可渗透碎片操纵装置(PFMD)并研究人因和可用性。

3.8 Chonnam National University and Kyungpook National University
使用现代HA006工业机器人和双6-DoF力传感器,提出可调导纳力反馈控制及线性引导约束控制器。采用术中2D X射线与术前3D图像配准,粒子群优化计算变换矩阵,也使用NDI光学导航;研究骨针连接刚度对力精度影响。为克服光学遮挡,开发无光学标记3D导航方法,通过定制夹具和Stewart平台逆运动学推断碎片相对位置。

3.9 Others
其他研究涉及减震机器人、本质柔顺执行器并联机器人、杠杆增力6-DoF并联机构、骨盆自动术前路径规划、Robossis三臂并联机器人、轨迹优化、双目视觉定位、主从遥操作、冗余并联性能比较、ICP融合对侧解剖或统计形状模型、碰撞检测、混合路径规划和共享控制。临床/临床前研究涉及微创腰骨盆固定、骶骨骨折三角固定、长骨骨折力线恢复、骨盆骨折复位、经舟骨月骨周围骨折脱位固定、跟骨骨折经皮空心螺钉固定和远程手术。

4 Technological Evolution of RAFR Systems
发展分为概念出现、早期系统集成、使能技术快速推进和临床验证四个重叠阶段,反映机械驱动、感知、规划、控制和临床工作流整合水平变化。

4.1 Enlightenment Stage: Principle Exploration of RAFR
早期研究提出RAFR概念,利用X射线引导远程操作辅助股骨骨折内固定,多聚焦单一使能技术,如CT光电导航实现两骨碎片独立配准和实时导航。结构上探索工业机械臂直接操作骨碎片和6-DoF并联外固定架;计算机集成骨科系统整合术前解剖建模、植入物选择与术中图像处理和跟踪;统计形状模型用于骨建模。孤立技术不足以满足复杂动态手术,早期临床应用有患者不适。

4.2 Initial Development Stage: Function Integration and Construction of Early RAFR Systems
研究转向计算机辅助集成系统。6-DoF力传感器用于监测骨折处力和力矩,双力—力矩传感与可调导纳控制减少过大力并提供力反馈;光学导航和红外相机支持实时定位和轨迹。遥操作、机械失效保护和自动复位模式得到发展。Hill型肌骨模型、McKibben气动人工肌肉和软组织伸长约束被纳入规划和系统。该阶段显示误差沿固定、配准、软组织建模和操作交互全链传播。

4.3 Rapid Development Stage: Key Technological Improvements in RAFR Systems
快速发展体现在感知与实时反馈、路径规划、机器人结构和术中保护策略。

4.3.1 Perception and Real-Time Feedback
3D导航克服2D导航限制,多解剖特征点匹配提高空间精度。术中常用3D CT/MRI重建结合C臂透视,配准算法建立解剖与虚拟模型对应;双目视觉、NDI Polaris等光学跟踪和电磁导航用于实时监测,导航软件整合配准、规划和引导。光纤布拉格光栅(FBG)传感器监测牵引针变形并实时补偿,动态跟踪方法应对光学遮挡或电磁干扰。

4.3.2 Intelligent Path Planning Algorithm
传统规划模拟牵开—定向—平移三步;智能规划采用路径搜索算法。A*因全局最优、实时性和临床可解释性被广泛采用,并构建髋、骨盆、股骨肌骨模型监测肌肉力。改进A*可最小化力或实时更新点云和肌肉伸长;骨盆复位中集成定向规划策略(OPS)和线性采样搜索(LSS),或将肌肉力作为启发因子;也探索改进RRT*结合B样条和ERRT*用于6D空间规划。

4.3.3 The Structure of Robots
结构分四类:外固定架简单但依赖手动;并联机构力大但工作空间受限;串联机械臂灵活精确但力输出不足;混合机器人结合串联灵巧性和并联强度,但控制复杂。复位力常需超过400 N。

4.3.4 Security Control Strategy During the Surgical Process
阻抗控制广泛用于提高顺应性和安全性,动态调整末端刚度、阻尼和惯性。研究包括外力估计碰撞检测、力/位置跟踪、6-DoF力反馈、线性引导约束控制、基于外部负载的实时刚度自适应、摩擦模型和摩擦补偿。无传感器力估计基于动态模型和残差力,降低对高成本力传感器依赖但依赖参数辨识;RBFNN与NDO混合框架提高跟踪精度,导纳控制环保证柔顺交互。

4.4 Clinical Application Stage: Experimental and Clinical Application of RAFR Systems
4.4.1 Bone Model Experiments
使用合成骨模型、硅胶肌肉和外部跟踪系统评估复位位置、角度误差、力控、导纳控制、无传感器力估计和任务效率。

4.4.2 Animal Bone Experiments
动物模型因弹性模量、弯曲强度和真实肌肉血管神经组织与人类相似,用于模拟生物力学响应;使用牛、猪、羊骨和定制固定、成像、光学跟踪、加速度计和力/扭矩传感器评估精度、变形和交互力。

4.4.3 Cadaveric Bone Experiments
尸体实验桥接临床前与临床,提供真实解剖和生物力学条件,评估复位精度、工具适应性、手术时间、安全性和组织相互作用。机器人相比手动可提高精度,但机械限制和过大力曾导致失败。

4.4.4 Clinical Applications
初步临床用于脊柱、骨盆或跟骨骨折等。采用外固定架力监测、机器人引导椎弓根钉置入、骶骨和脊柱骨盆区域螺钉植入与骨折复位。机器人辅助在螺钉置入精度、术中出血和透视次数方面优于手动,但许多临床研究聚焦复位后图像引导固定,而非主动复位过程。

5 Discussion
5.1 Summary of Technical Approaches
串联工作空间大但力小;并联力大可超过400 N但工作空间小;混合平衡但控制复杂。感知从C臂透视和术前CT发展到光学、电磁、FBG等多模态融合。控制从被动安全阈值和负载限制器发展到阻抗/导纳、6-DoF力反馈、无传感器力估计和神经网络补偿。路径规划从启发式三步发展到A*、RRT*等优化算法并纳入生物力学约束。验证成熟度异质。

5.2 Current Challenges in RAFR Systems
5.2.1 Mechanical Performance and Adaptability to Complex Fractures
需平衡负载、精度、工作空间、紧凑性和骨—机器人接口稳定性;复位力可超400 N而工作空间受限。Schanz螺钉等可能变形、松动或固定刚度有限。复杂粉碎骨折中小碎片难以稳定附着跟踪,多碎片实时位姿估计和多轨迹规划困难;软组织和神经血管安全约束整合不足。

5.2.2 Clinical Workflow and Operating-Room Integration
RAFR流程包括体位固定、固定针或标记植入、机器人对接、坐标校准、图像采集、配准、安全验证、机器人复位和术中确认。文献多只报告复位或总手术时间,缺少各步骤标准化数据。机器人、固定结构、光学相机、导航工作站和成像设备占位,可能阻碍人员、器械传递和C臂运动。配准使用骨固定标记、Schanz螺钉追踪、CT—透视配准或无标记定位,存在侵入性、图像质量敏感、遮挡、患者移动和固定针变形等问题,应监测配准完整性并高效再配准。

5.2.3 Surgeon–Robot Interaction
主从遥操作可减少辐射暴露,但依赖运动映射、通信和力反馈;自动复位可提高可重复性,但应对异常碎片运动、软组织阻力变化、配准误差和器械变形能力有限;人机协作结合医生判断与机器人定位、力辅助和运动约束,但需明确控制权限、透明状态、可调辅助和暂停/接管/安全恢复机制。未来评估应包括可用性、认知负荷、学习曲线、应急干预和医生信任。

5.3 Future Trends of RAFR Systems
未来围绕智能、精准和普适。建立大规模临床数据库结合深度学习方法,发展个性化复位策略和AI多目标跟踪算法,处理多碎片骨折,动态规划协作路径,采用AI辅助与人类监督的混合智能。精准化将整合术中超声、压力传感器和FBG传感器,监测软组织阻力、复位力和固定元件变形。改进人机交互,包括触觉反馈和VR/AR沉浸式规划与导航。建立标准化评估框架,从骨模型到动物、尸体和临床逐级验证,报告复位误差、峰值交互力、接口稳定性、准备时间、配准时间、复位时间、总手术时间、透视时间或剂量、再配准频率、人工干预需求和系统失效模式。

6 Conclusion
本文追溯骨折复位手术机器人发展轨迹,分为概念出现、初步发展、快速推进和临床验证四阶段。虽有实验精度和效率进展,现有RAFR系统仍存在临床关注复位阶段不足、骨—机器人接口稳定性不足、复杂骨折适应性差、工作流耗时和人机交互弱等局限。未来方向包括智能多碎片跟踪与自适应路径规划、多传感器融合、触觉反馈和AR/VR交互改进,以及从体外模型到临床试验的标准化多层级验证框架。总体上,RAFR系统正从被动定位工具向智能、自主手术平台转变。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号