2016 年，数字手术公司 Activ Surgical 的创始人 Peter Kim 博士展示了对软组织进行全自动机器人手术、缝合或缝合伤口的概念证明。从那时起，Activ Surgical 一直致力于利用机器学习、增强现实和其他先进技术来开发与外科医生合作的新方式。“我们希望让外科医生了解情况，为他们提供比以往更多的数据，”首席执行官托德·乌森 (Todd Usen) 说。
Usen 将 Activ Surgical 在外科手术方面的工作比作自动驾驶过程中的跨越目标：可能需要一段时间才能到达那里，但该行业正在系统地发展。泊车辅助系统和侧视镜提醒驾驶员注意盲点中的车辆是通往自主道路的例子。与司机的这种合作类似于 Activ Surgical 如何设想其与外科医生今天的角色。
此类合作的一个示例：经 FDA 510(k) 批准的名为 ActivSight 的硬件组件，它安装在内窥镜和摄像系统之间，并在外科医生执行手术时实时提供帮助。
Activ Surgical 认为，让外科医生更清晰地了解血流(医学术语称为灌注)可能会改善腹腔镜手术的结果。以结肠直肠手术中的吻合口泄漏为例，这可能是毁灭性的。它的发生是由于手术部位的血流不足，该部位已被切割并重新缝合在一起。按下标有“灌注视图”的按钮，可以更清楚地了解血流或缺乏血流。血流被切断的血管以不同的颜色显示。通常，外科医生使用染料来跟踪灌注，但在注射染料和实际看到结果之间存在时间差。Usen 说，使用 ActivSight 既可以实时可视化灌注，又不需要任何染料。
Perfusion 工具是第一个通过公司基于增强现实的软件套件 ActivInsights 提供的“洞察力”。乌森希望它成为许多人中的第一个，以实际手术的带注释的成像数据为基础。
将机器学习推向服务
“我们允许世界各地的外科医生合作，识别和标记数据，以便我们的机器学习算法可以接管并将结果发送给所有用户，”乌森说。
实际上，外科医生帮助在公司的 ActivEdge 平台上建立了一个带注释的解剖组件的存储库。Activ Surgical 可以在此基础上使用机器学习来训练数据模型并开发未来的洞察力。在没有染料的情况下识别静脉和动脉、神经和淋巴结是众多可能性之一。“就像随着时间的推移，自动驾驶汽车可以识别一个红色的八角形标志并知道最终会停下来，我们需要将所有关键器官识别为关键器官，即使一个人的器官可能看起来与另一个不同，”乌森说。
在机器学习的驱动下，Activ Surgical 的自主注释模型可以在大约 10 分钟内注释一小时的手术视频。这比全部由人类完成的速度快约 20,000 倍。
ActivInsights 软件套件使用 AR 在器官的实际图像上叠加血流等关键信息。
TaaS 交付模型
Activ Surgical 将 ActivInsights 软件套件和 ActivSight 硬件打包在一起。医院可以通过技术即服务 (TaaS) 模型订阅该套餐，并在他们推出时获得新的见解。
腹腔镜手术市场(ActivSight 可以投入使用的那种手术)市场规模庞大，全球每年进行的此类手术超过 1300 万例。手术机器人市场也在蓬勃发展。预计到 2028 年将以 44% 的复合年增长率增长。投资者押注 Activ Surgical 的数字手术方法：9 月下旬，该公司宣布了 4500 万美元的 B 轮融资。它计划使用部分新资金来开发其第一个基于 ML 的见解。
