I ricercatori del German Cancer Research Center (DKFZ) hanno sviluppato una nuova tecnologia utilizzando miniature di robot, noti come TrainBots, per superare le limitazioni della chirurgia endoscopica microscopica. Questi robot, progettati su scala millimetrica, vengono combinati in un’unica unità e dotati di speciali “piedi” per migliorare la trazione e la capacità di trasportare strumenti chirurgici all’interno del corpo.

Unità di TrainBots: forza e controllo migliorati

Uno dei problemi principali nella chirurgia endoscopica è la difficoltà per i robot di piccole dimensioni di trasportare strumenti pesanti o muoversi su superfici coperte di muco, causando perdita di trazione. Il team del DKFZ ha risolto questi problemi unendo più TrainBots in un’unica unità e dotandoli di “piedi” con “spikes”, che aumentano la forza propulsiva di tre volte rispetto ai modelli precedenti. Questi robot sono controllati a distanza tramite un campo magnetico rotante, che gestisce simultaneamente le unità multiple, consentendo movimenti accurati su superfici interne al corpo umano.

Simulazione di una microsurgia nel Dotto Biliare

I ricercatori hanno utilizzato il convoglio di TrainBot per simulare una procedura chirurgica su un dotto biliare. In casi di tumore del dotto biliare, il dotto può bloccarsi, causando pericolosi accumuli di bile. La diagnosi endoscopica richiede l’inserimento di un endoscopio flessibile attraverso la bocca fino all’intestino tenue e quindi nel dotto biliare. La curva stretta tra l’intestino e il dotto rappresenta un ostacolo per la navigazione dell’endoscopio, che il convoglio di TrainBot può affrontare con agilità.

Durante il test, i ricercatori hanno dimostrato come il convoglio fosse in grado di trasportare un elettrodo a filo per l’ablazione elettrica del tessuto occluso nel dotto biliare, utilizzando una procedura nota come elettrocauterizzazione. L’elettrodo era lungo 25 cm e pesava tre volte e mezzo più di una singola unità TrainBot. Una volta posizionato, una tensione elettrica viene applicata all’elettrodo per rimuovere il blocco tissutale. Dopo il successo di questa procedura, il team prevede di sviluppare i TrainBots per altri compiti chirurgici, come il posizionamento di cateteri per drenaggio o la somministrazione mirata di farmaci.

Implicazioni per la chirurgia minimamente invasiva

I risultati ottenuti dal team del DKFZ, guidato dal Dr. Tian Qiu, hanno dimostrato che la tecnologia dei TrainBots potrebbe migliorare significativamente la capacità di effettuare interventi chirurgici minimamente invasivi, fornendo flessibilità e precisione nei movimenti. I successi ottenuti nei modelli organici con questi mini-robot aprono nuove possibilità per futuri sviluppi in campo medico, soprattutto nell’endoscopia.

Il lavoro scientifico alla base di questa innovazione è stato pubblicato da Moonkwang Jeong, Xiangzhou Tan, Felix Fischer, e Tian Qiu nell’articolo “A Convoy of Magnetic Millirobots Transports Endoscopic Instruments for Minimally-Invasive Surgery” pubblicato su Advanced Science nel 2024.

Il DKFZ: innovazione nella Ricerca sul Cancro

Il DKFZ è il più grande istituto di ricerca biomedica in Germania, con oltre 3.000 dipendenti. L’istituto si concentra sull’identificazione dei fattori di rischio del cancro, sulla comprensione della progressione della malattia, e sullo sviluppo di strategie di prevenzione e trattamenti innovativi. Il DKFZ collabora con istituzioni di ricerca e ospedali universitari in tutta la Germania per portare le scoperte dalla ricerca al trattamento clinico dei pazienti oncologici.

Gli ingegneri del MIT hanno sviluppato una nuova tecnologia chiamata Clio, progettata per permettere ai robot di identificare e focalizzarsi solo sugli oggetti di un ambiente che sono rilevanti per i compiti che devono svolgere. Grazie a Clio, i robot possono “capire” quali elementi di una scena sono importanti, memorizzandoli in base alle richieste di un determinato compito, senza la necessità di interpretare l’intera scena in dettaglio.

Come funziona Clio

Clio utilizza avanzate tecniche di computer vision e modelli di linguaggio naturale. Quando un robot riceve un elenco di compiti, Clio aiuta il robot a determinare il livello di dettaglio necessario per completare quelle specifiche attività. Per esempio, se il compito è “spostare un rack di riviste”, Clio si focalizzerà sul rack intero. Se, invece, il compito è “prendere il primo soccorso”, il robot ignorerà tutto il resto dell’ambiente tranne il kit di pronto soccorso.

Il sistema lavora in tempo reale, utilizzando algoritmi per segmentare una scena e identificare gli elementi visivamente rilevanti per il compito specifico. Ad esempio, quando un robot con Clio esplora un edificio, si focalizzerà solo sugli oggetti che sono funzionali al suo compito, come individuare un giocattolo per cani e ignorare gli altri oggetti presenti.

Applicazioni di Clio in scenari reali

In diversi esperimenti condotti in ambienti reali, come un ufficio e un edificio di cinque piani nel campus del MIT, Clio ha dimostrato di poter segmentare scene a vari livelli di dettaglio in base ai compiti descritti in linguaggio naturale. Questo consente al robot di creare una mappa semplificata degli oggetti necessari, permettendogli di eseguire il compito con efficienza.

In uno scenario di “search and rescue” (ricerca e salvataggio), il sistema Clio può aiutare un robot a trovare oggetti essenziali, come strumenti di sopravvivenza o altre persone. Ma le potenziali applicazioni vanno oltre il salvataggio, estendendosi a contesti come la robotica domestica o l’automazione industriale, dove Clio può aiutare i robot a comprendere e navigare nei loro ambienti con precisione.

La tecnologia di Clio

La tecnologia di Clio si basa su avanzati modelli di deep learning, addestrati su milioni di immagini e testi open-source per aiutare a identificare oggetti comuni. Inoltre, Clio adotta il concetto di “information bottleneck” dall’informazione teorica, che consente di ridurre la quantità di dati da memorizzare solo agli elementi più rilevanti per il compito.

Il team del MIT ha testato Clio in vari contesti, inclusa una sperimentazione “no-nonsense” in un appartamento disordinato, dimostrando come Clio sia in grado di individuare rapidamente gli oggetti rilevanti per i compiti specifici, come “spostare un mucchio di vestiti”. Clio è stata testata anche in tempo reale su un robot quadrupede, in cui ha elaborato scene e segmentato oggetti in tempo reale mentre il robot esplorava un edificio.

Futuro di Clio

Gli sviluppatori mirano ad estendere le capacità di Clio a compiti di livello superiore, consentendo ai robot di rispondere a comandi più complessi e astratti, come “trova i superstiti” o “ripristina la corrente”. L’obiettivo è arrivare a una comprensione più umana e sofisticata delle scene e dei compiti da svolgere.

I sistemi di realtà aumentata (AR), come quelli presenti in visori ingombranti e display head-up nelle automobili, richiedono componenti ottici portatili. Tuttavia, ridurre i classici sistemi AR a quattro lenti alle dimensioni di un paio di occhiali spesso compromette la qualità dell’immagine generata al computer e ne limita il campo visivo. Youguang Ma e il suo team potrebbero aver trovato una soluzione per comprimere questa tecnologia: una combinazione di due tecnologie ottiche, una metasuperficie e una lente refrattiva, insieme a uno schermo microLED per creare un design compatto a lente singola.

La metasuperficie del display è costituita da un film ultrasottile e leggero in nitruro di silicio, inciso con un motivo che modella e mette a fuoco la luce emessa dai microLED verdi. Su una lente refrattiva in polimero sintetico si forma quindi un’immagine in bianco e verde, che affina e riduce le aberrazioni della luce proiettata. L’immagine finale viene proiettata dal sistema e sovrapposta a un oggetto o a uno schermo. Per migliorare ulteriormente la risoluzione dell’immagine proiettata, Ma e il suo team hanno utilizzato algoritmi informatici per identificare le minime imperfezioni del sistema ottico e correggerle prima che la luce lasci lo schermo microLED.

Test del prototipo e miglioramenti delle immagini

Il team ha integrato il display AR ibrido in un paio di occhiali e ha testato le prestazioni del prototipo utilizzando algoritmi di elaborazione delle immagini. Le immagini proiettate dal sistema a lente singola presentavano meno del 2% di distorsione su un campo visivo di 30 gradi, offrendo una qualità d’immagine paragonabile alle attuali piattaforme AR commerciali a quattro lenti. Gli algoritmi informatici di pre-elaborazione hanno permesso inoltre di migliorare la qualità dell’immagine proiettata: la riproduzione AR di una foto di un panda rosso è risultata essere simile all’originale per il 74,3%, un miglioramento del 4% rispetto all’immagine proiettata senza correzioni.

Con ulteriori sviluppi, i ricercatori affermano che la piattaforma potrebbe espandersi dal verde a colori completi, aprendo la strada a una nuova generazione di occhiali AR mainstream.