في عالم الجراحة الروبوتية، تُعتبر القدرة على التعرف التلقائي على مراحل و خطوات الجراحة من المتطلبات الأساسية لدعم اتخاذ القرار أثناء العمليات، وأتمتة سير العمل، وتقييم المهارات. لكن الأساليب المتاحة حتى الآن تعتمد إما على مجموعات بيانات جراحية مشروحة بشكل واسع أو تتطلب تدريبًا مسبقًا مكلفًا يتم على آلاف مقاطع الفيديو المعلَّمة، مما يحد من إمكانية استخدامها في بيئات سريرية متنوعة.

قدمت مجموعة من الباحثين نظامًا جديدًا يُدعى TASOT (نقل الأمثل لتجزئة الحركات المعززة بالنصوص) والذي يوفر إطار عمل لتجزئة زمنية للجراحة دون الحاجة إلى تعليقات مسبقة أو تدريب خاص. يمتد نظام TASOT عن صياغة نقل الأمثل لتجزئة الحركات (ASOT) من خلال دمج أوصاف نصية متوافقة زمنياً تم توليدها مباشرة من مقطع الفيديو المدخل، مما يجمع بين الإشارات البصرية والدلالية ضمن هدف نقل الأمثل التراكبي غير المتوازن.

تتمثل آلية عمل النظام في استخراج التمثيلات البصرية باستخدام DINOv3، في حين يتم ترميز التسميات الزمنية التي ينتجها نموذج الرؤية – اللغة باستخدام CLIP، وتزامنها زمنياً مع الإطارات الفردية، مما يوفر هيكلًا دلاليًا مكملاً لتكلفة النقل. قد تم تقييم نظام TASOT على ثلاثة مجموعات بيانات جراحية عامة وأربع إعدادات مرجعية تشمل إجراءات تنظيرية وروبوتية، حيث أظهرت النتائج تحسنًا كبيرًا مقارنة بأساليب الصفر المتاحة: +18.9 درجة F1 على Cholec80، +33.7 على AutoLaparo، +23.7 على StrasByPass70، و+4.5 على BernByPass70.

هذه النتائج تشير إلى أن فهم سير العمل الجراحي بشكل دقيق في البيئات الروبوتية يمكن تحقيقه دون الحاجة إلى تعليقات تدريب يدوية أو خطوط أنابيب تدريب خاصة بالجراحة، مما يوفر بديلاً واعدًا للأنظمة الجراحية الروبوتية في العالم الحقيقي. هل أنتم مستعدون لاستكشاف كيف يمكن لهذا النظام أن يغير مستقبل العمليات الجراحية؟ شاركونا آرائكم في التعليقات.