基于强化学习的机械取栓术中脑血管双器械安全自主导航研究

　　为解决机械取栓（MT）中现有强化学习（RL）方法无法到达脑血管、缺乏通用性和安全性等问题，研究人员开展了基于安全双器械 RL 算法的脑血管导航研究。结果显示该算法成功率达 96%，平均力 0.24N。这为 MT 的自动化提供了新方向。

为了促进科学的传播，生物通采集了这篇文章，如需英文原文，请点击！订阅BioHot索取原文

　　在医学领域，缺血性中风是一个严重威胁人类健康的疾病，每年在全球范围内导致大量死亡，仅在美国就产生巨额医疗费用。机械取栓（MT）作为急性缺血性中风大血管闭塞的标准治疗方法，能改善患者功能预后、降低死亡率 。然而，目前 MT 的实施面临诸多挑战。一方面，只有少数中风患者能接受 MT 治疗，有限的 MT 中心、漫长的转运时间阻碍了其广泛应用；另一方面，手术过程存在血管损伤和辐射暴露等风险。而且，现有用于 MT 的强化学习（RL）方法存在局限性，多数只能到达颈动脉，无法推广到其他患者血管系统，也未考虑安全性问题。为了解决这些难题，伦敦国王学院（Kings College London）的 Harry Robertshaw、Benjamin Jackson 等研究人员开展了一项极具意义的研究，相关成果发表在《International Journal of Computer Assisted Radiology and Surgery》上。

研究人员主要采用了以下关键技术方法：利用 Simulation Open Framework Architecture 构建模拟环境，来展现脑血管的复杂结构；基于改良的 Soft Actor-Critic RL 算法，首次实现对微导管和微导丝导航的学习；收集 12 例患者的计算机断层血管造影（CTA）扫描数据，处理成三维表面网格用于训练和测试；运用最大熵逆强化学习（IRL）从专家演示数据中学习奖励函数。

领取义翘神州针对Omicron的一站式解决方案领 取

研究结果

1. 相同患者血管训练和测试结果：研究设置了 6 种奖励函数（R1?6?）进行实验。R1?（无力量反馈的密集奖励）和R3?（无力量反馈的组合模型）成功率均为 100%，R4?（有力量反馈的密集奖励）和R6?（有力量反馈的组合模型）成功率分别为 97% 和 96%。添加力量反馈后，R2?到R5?、R3?到R6?的手术时间显著延长，R1?到R4?、R2?到R5?的平均力显著降低 。
2. 未知患者血管测试结果：对R1?、R3?、R4?、R6?在两个未知患者血管上进行测试。整体上，除平均力外，结果较初始单血管训练 / 测试有所下降。但R6?表现出色，成功率保持在 96%，手术时间、路径比和平均力与单血管测试时相比无显著差异，且添加力量反馈使R1?到R4?、R3?到R6?的手术时间和平均力显著降低。

广告 安捷伦全自动毛细管蛋白电泳分析仪，点击预约新品体验！

研究结论与讨论

该研究首次实现了 MT 第二阶段中微导丝和微导管从颈内动脉（ICA）到大脑中动脉（MCA）的自主导航。将器械尖端力反馈纳入奖励函数不仅可行，还能降低血管上的平均力，提高组合奖励模型在未知血管测试中的成功率、缩短手术时间，且模型在不同训练和测试条件下具有良好的通用性。不过，研究也存在一些局限性，如无法测量荧光透视时间、数据集较小、未充分考虑导丝物理特性等。尽管如此，这项研究为 MT 的自动化发展迈出了重要一步，提高了技术准备水平（TRL），有望推动完全自主 MT 在临床的应用，为更多中风患者带来希望。

打赏

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》