乍一看到JACC: Cardiovascular Imaging上的下面这个题目，笔者感觉自己错过了一个世纪，什么时候机器人辅助超声已经可以写社论了？这个应用已经如此广泛了？赶紧来学习学习。
图1 刚刚发表在JACC: Cardiovascular Imaging上的原文
于是，笔者首先搜索了这两位作者，均来自于澳大利亚墨尔本（毕竟土澳地广人稀~），一位是Baker Heart and biabetes Institute的Leah Wright博士，另一位是Swinburne University of Technology中Department of Mechanical Engineering and Product Design Engineering的Edgar M. Hidalgo博士。担任高级超声心动图技师的Leah Wright博士，特别关注超声心动图在肺动脉高压临床随访中的应用
去年，这两位作者就发表了“远程机器人辅助心脏超声的当前应用：临床运用和技术局限性的系统评价”。可惜的是只查到公开发表的摘要，不过从摘要中我们亦可看到，在2021年3月，研究者们从2,997篇文章中筛选出了25篇相关报道，其中10篇属于临床阶段，另有15篇属于临床前研究。在10篇临床研究中有40%属于心血管领域，机器人辅助超声系统（Robot-assisted ultrasound systems，RAUS）运用在了113名心血管参与者身上，结果显示其与传统超声相似，但仍存在着瓣膜评估方面的局限。在大多数检查时，需要助手根据口头指示调整超声设置，从而延长了检查的时间（其中一篇提到延长了40%）。图像质量方面的错误主要来源于图像分辨率，因此凸显了图像质量的重要性。信息传输方面，低带宽即可用于控制机器人，视频及超声图像的传输则需要更高的带宽。反馈方面，视觉（56%）和视觉与力的结合（36%）是最普遍采用的系统；力反馈能够使得超声技师意识到施加在患者皮肤上的压力，并让机器人控制更加顺畅。
而到了本篇综述，几位作者们旨在进一步分析用于超声检查的远程机器人操作系统的状态，评估它的临床和临床前应用，确定其局限性，并概述未来的方向。
图2 机器人辅助超声的优势和壁垒，本文的中心图
机器人设计与功能
上图中的有些部分大家都很熟悉了，今天重点来看看超声机器人的设计特殊性。研究者们首先就总结，RAUS机器人可分为三类：1）专用超声检查而设计的机器人；2）改装生产线上的工业机器人；3）协作机器人（Cobots），通常以较低的速度运行并配备力和扭矩传感器，可检测接触和碰撞，相较工业机器人更安全的机器人。
机器人的结构设计如下图3，包括由驱动关节连接的连杆组成的单个运动链串行机制，其中底座部分由至少2个运动链连接到移动平台；或串行与并形并存的混合机制。这其中，可用自由度（Degrees of freedom，DOF）至关重要，通常DOF等同于机器人的驱动关节数量，能够决定其执行线性和旋转运动的能力。机器人的远程控制需要一个主系统，包括一个复制超声技师手部动作并将其传输到机器人的探头。主控制器可设计为操纵杆、计算机鼠标、虚拟探针或触觉设备。而在所报道的所有机器人中，可根据基本功能将其分为两类：远程定向控制（Remote orientation control）和远程运动定向控制（Remote motion-orientation control）。
图3 具有6-DOF的串行和并行机器人。（A）串行机器人，由驱动关节连接的连杆组成的单个运动链；（B）并行机器人，其中数字1-6指的是该机器人的6个运动链
远程定向控制
超声技师仅控制探头的方向，而依靠身在现场的助手通过握持、抬起和定位机器人将探头定位于患者身体上，有时还需要额外的微型起重机式升降结构来搬运和放置机器人（想想就折腾）。有的报道中提到，具有2-DOF、3-DOF或4-DOF的串行结构允许部分或完全控制探头的方向，然而，由于缺乏来自主站点的定位控制，远程检查依赖于助手或系统支持，严重降低了其功能。同样地，在一些并行系统中，如果机器人未固定在底座上，则无论DOF多少，都需要一名助手来扶住机器人。
图4 2016年的报道中，法国Maison de Sante Pluridisciplinaire的Arnaud Saccomandi博士等设计制造的远程超声机器人系统
图5 远程超声中使用的串行机器人结构的位置与方向。随着关节数量的增加，可用于不同方向和位置的自由度增加，具有6个驱动关节的机器人可完全控制超声探头的位置和方向
远程运动定向控制
诸如Kuka LBR iiwa（Kuka AG Robotics）或UR10（Universal Robots）类的串行机器人可实现完全控制探头的位置和方向。具有6-DOF的串行机器人使用与其手腕相关的3-DOF执行定向运动，并通过其他3-DOF（底座、肩部和肘部）实现定位。除了完全可控外，此类安装在轮式平台上的机器人提升了可用性和适用场景，仅需助手或额外的机械结构将其固定或放置在患者身上。
图6 Kuka LBR iiwa机器人
图7 UR10机器人（一台售价314万欧元左右~）
在目前所有的报道研究中，机器人辅助超声都需要一名助手在场，主要负责协助患者、设置机器人系统、将机器人所持的超声探头放置在感兴趣的区域，并按照远程指令进行图像优化和采集。串行机器人是具备4至7个自由度的远程机器人中的主要类型。此外，有设计为“可穿戴远程超声机器人”的4-DOF机器人，带有球形结构，使用紧身胸带连接到患者胸部的4个不同区域；也有具有线形和径向齿形导轨，允许探头方向随着稳定位置改变的7-DOF机器人。
图8 2013年的报道中，日本研究者开发的便携式可穿戴远程超声机器人系统MicroMaxx（SonoSite Inc.）（这个SonoSite现在的全称叫Fujifilm SonoSite，日本人民对机器人那可是真爱啊~）
与人工智能的接口
之前的推送中笔者也曾写过，人工智能AI已获批用于超声心动图的诊断，但仅适用于标准平面的二维成像。本文的研究者们亦提到，可能可以通过几种不同的方式来协助超声的远程操作，包括用于图像平面的识别和临床诊断的深度学习。
机器人技术的现状
从工作台过渡到临床实践。同上文，在这一领域进行的临床研究中，40%是心血管研究，其余是腹部、肾脏和盆腔（50%），以及肺（10%）；90%的研究中将其与传统超声结果进行比较，以确定所获得的图像和诊断的可靠性。而在临床前研究中，检查类型包括：腹部、肾脏和盆腔（53%）、心脏和血管（13%）、胎儿（13%）、乳房（7%）和其他（14%）。使用机器人系统采集得到的经食道超声心动图的临床前研究，也显示出了一定的前景，但仍在测试发展中。注意这里的临床前研究一般是在体外模型，或志愿者身上进行的。
图9 超声辅助机器人的临床研究特征
图10 超声辅助机器人的临床前研究特征
仍待解决的问题
COVID-19大流行期间，机器人系统为相应的隔离患者提供了远程超声检查的能力。但是，现阶段仍需要培养对机器人系统的信任，使用过程中的患者安全性和结果准确性仍然是重中之重。未来的系统应侧重于改进触觉反馈（譬如使用Phantom Omni（3D Systems）或Omega.6（Force Dimension）等商用触觉设备），结合人工智能及增加商业化产品的可用性。
图11 MGIUS-R3机器人（MGI Tech Co., Ltd）
文章的最后，研究者们提到，医疗机器人是一个不断发展的行业，预计到2050年能达到125亿美金的全球市场份额，他们引用的数据来源于“Medical Robots Market by Product and Service, Application, End User - Global Forecasts to 2025”。在人口老龄化的推动下，手术机器人和康复机器人将是两个主要的机器人市场。医学影像机器人则会应用于慢性病的疾病管理和筛查，然而，使用RAUS仍需要获得商用设备、成本效益比和临床实用性的关键证据。一个重要的临床比较，即将发生在专家指导下的RAUS，和AI引导的超声新手用户间（这真的是个很有意思的比较）；此外，还需要了解每年的维护成本和员工培训的成本。机器人技术、人工智能和电信的结合，可能将在未来改变医学超声的使用方式。
引用文献：
1. Edgar M. Hidalgo, Leah Wright, Mats Isaksson, et al. Current applications of robot-assisted ultrasound examination. J Am Coll Cardiol Img. 2023: 16: 239-247.
2. Norihito Koizumi, Shin’ichi Warisawa, Mitsuru Nagoshi, et al. Constraction methodology for an remote ultrasound diagnostic system. IEEE Transactions on Robotics, vol. 25, no. 3, pp. 522-538, June 2009, doi: 10.1109/TRO.2009.2019785.
3. Monica Georgescu, Arnaud Saccomandi, Bernard Baudron, et al. Remote sonography in routine clinical practice between two isolated medical center and the university hospital using a robotic arm: a 1-year study. Telemedicine and e-Health. April 2016.
4. Adriana Vilchis, Kohji Masuda, Jocelyne Troccaz, et al. Robot-based tele-echography: the TER system. Stud Health Technol Inform. 2003;95:212-7.
