coloproctology

, Volume 40, Issue 2, pp 119–126 | Cite as

Neues zu mechatronischen Assistenzsystemen und Telemanipulatoren

  • S. Koller
  • Y. S. Krieger
  • N. Marahrens
  • S. V. Brecht
  • D. Ostler
  • T. Vogel
  • M. Kranzfelder
  • D. Wilhelm
  • T. C. Lüth
Leitthema
  • 97 Downloads

Zusammenfassung

Hintergrund

Minimal-invasive Eingriffe werden immer komplexer – eine entsprechende Weiterentwicklung der menschlichen Geschicklichkeit ist jedoch nicht möglich. Mechatronische Assistenzsysteme haben das Potenzial, die Geschicklichkeit über natürliche Grenzen hinaus zu erweitern. Die aktuelle Verwendung von universellen Chirurgiesystemen ermöglicht es jedoch noch nicht, auf eingriffs- und patientenspezifische Besonderheiten einzugehen.

Ziel der Arbeit

Ziel ist es daher, die Auslegung mechatronischer Supportsysteme und deren Integration in den chirurgischen Workflow als Teil einer präzisen, präoperativen Therapieplanung einzubeziehen. Es soll erreicht werden, dass nicht mehr der Patient einer Operationsmethode angepasst, sondern vielmehr die Operation individuell an die besonderen Patientenvoraussetzungen adaptiert wird.

Material und Methoden

Nach der Analyse bestehender Robotersysteme in der Chirurgie werden aktuelle Forschungsarbeiten auf diesem Gebiet vorgestellt und in den aktuellen Kontext gesetzt. Möglichkeiten für zukünftige Anwendungen werden aufgezeigt.

Ergebnisse

Mittels automatisierter Auslegung und additiver Fertigung lassen sich individualisierte Manipulatorsysteme für minimal-invasive Eingriffe realisieren. In Kombination mit angepassten Softwaremodulen entstehen somit adaptive mechatronische Supportsysteme, die individuell auf Patient, Operateur und Eingriff zugeschnitten sind.

Schlussfolgerungen

Individualisierbare Medizintechnik wird durch neue Technologien immer realistischer. Derzeit erfolgt die erste klinische Evaluierung individuell angepasster Hardwarelösungen. Erste Softwarekonzepte zeigen zudem den Weg hin zu kognitiven Assistenzsystemen und zu deren Integration in ein vernetztes OP-Umfeld auf.

Schlüsselwörter

Robotik Minimal-invasive chirurgische Verfahren Individualisierte Chirurgie 3D-Druck Machine Learning 

New developments in mechatronic support systems and telemanipulators

Abstract

Background

Minimally invasive procedures are becoming increasingly more complex; yet, further development of human skills is limited. Mechatronic assistance systems have the potential to extend the surgeon’s abilities beyond these natural limits. However, the current use of universal surgical systems does not deal with intervention- and patient-specific issues.

Objectives

The aim is therefore to include the design of mechatronic support systems and their integration into the surgical workflow as part of a precise, preoperative therapy planning. The aim is to ensure that the patient is no longer adapted to a procedure, but rather that the procedure is adapted individually to the particular patient’s requirements.

Materials and methods

After the analysis of existing robotic systems in surgery, current research work in this field is presented. They are put into the current context and possibilities for future applications are pointed out.

Results

Individualized manipulator systems for minimally invasive procedures can be realized by means of automated design and additive manufacturing. In combination with adapted software modules, adaptive mechatronic support systems are thus created and can be individually tailored to the patient, surgeon and intervention.

Conclusion

Individualized medical technology is becoming increasingly more realistic due to new technologies. The first clinical evaluation of customized hardware solutions is currently underway. Preliminary software concepts are paving the way towards cognitive assistance systems and their integration into the networked operating room environment.

Keywords

Robotics Minimally invasive surgical procedures Individualized surgery 3D printing Machine learning 

Notes

Danksagung

Die Autoren danken der Deutschen Forschungsgemeinschaft (DFG) für die Förderung der Projekte FE 585/6-2 und LU 604/31-2 sowie den Projektpartnern Alexander Meining (InExEn, Uniklinikum Ulm) und Nassir Navab (CAMP, TU München) für die hervorragende Zusammenarbeit.

Einhaltung ethischer Richtlinien

Interessenkonflikt

S. Koller, Y.S. Krieger, N. Marahrens, S.V. Brecht, D. Ostler, T. Vogel, M. Kranzfelder, D. Wilhelm und T.C. Lüth geben an, dass kein Interessenkonflikt besteht.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.

Literatur

  1. 1.
    Arkenbout EA et al (2015) A state of the art review and categorization of multi-branched instruments for NOTES and SILS. Surg Endosc.  https://doi.org/10.1007/s00464-014-3816-z PubMedGoogle Scholar
  2. 2.
    Bihlmaier A (2016) Learning dynamic spatial relations: the case of a knowledge-based endoscopic camera guidance robotCrossRefGoogle Scholar
  3. 3.
    Blum T et al (2010) Modeling and segmentation of surgical workflow from laparoscopic video. MICCAI 2010. Springer, Berlin, S 400–407Google Scholar
  4. 4.
    Burgner-Kahrs J et al (2015) Continuum robots for medical applications: a surveyGoogle Scholar
  5. 5.
    Can S et al (2008) The mechatronic support system “HVSPS” and the way to NOTES. Minim Invasive Ther Allied Technol 17(6):341–345CrossRefPubMedGoogle Scholar
  6. 6.
    Feussner H et al (2015) Developments in flexible endoscopic surgery: a  review. Clin Exp Gastroenterol.  https://doi.org/10.2147/ceg.s46584 PubMedGoogle Scholar
  7. 7.
    Friedrich DT et al (2017) An innovate robotic endoscope guidance system for transnasal sinus and skull base surgery: proof of concept. J Neurol Surg B Skull Base.  https://doi.org/10.1055/s-0037-1603974 PubMedGoogle Scholar
  8. 8.
    Gillen S et al (2014) Solo-surgical laparoscopic cholecystectomy with a joystick-guided camera device: a case-control study. Surg Endosc 28(1):164–170CrossRefPubMedGoogle Scholar
  9. 9.
    He K et al (2017) Mask r‑cnn. arXiv:1703.06870Google Scholar
  10. 10.
    Kaouk JH et al (2014) A novel robotic system for single-port urologic surgery: first clinical investigation. Eur Urol.  https://doi.org/10.1016/j.eururo.2014.06.039 Google Scholar
  11. 11.
    Kavoussi L et al (1995) Comparison of robotic versus human laparoscopic camera control. J Urol 154(6):2134–2136CrossRefPubMedGoogle Scholar
  12. 12.
    Koller S et al (2015) SISTUM – The single incision system of the Technische Universität München. IEEE ROBIO.CrossRefGoogle Scholar
  13. 13.
    Kübler B, Seibold U (2017) Aktueller Stand und Entwicklung robotergestützter Chirurgie. In: Kramme R (Hrsg) Medizintechnik. Springer, Berlin, S 879–891CrossRefGoogle Scholar
  14. 14.
    Kranzfelder M et al (2012) Real-time monitoring for detection of retained surgical sponges and team motion in the surgical operation room using radio-frequency-identification (RFID) technology: a preclinical evaluation. J Surg Res 175(2):191–198CrossRefPubMedGoogle Scholar
  15. 15.
    Krieger YS et al (2017) Fatigue strength of laser sintered flexure hinge structures for soft robotic applications. IROS IEEE/RSJ, S 1230–1235Google Scholar
  16. 16.
    Krieger YS et al (2017) Multi-arm snake-like robot. ICRA, S 2490–2495Google Scholar
  17. 17.
    Lalys F, Jannin P (2014) Surgical process modelling: a review. Int J Comput Assist Radiol Surg 9(3):495–511CrossRefPubMedGoogle Scholar
  18. 18.
    Long JA et al (2007) Development of miniaturized light endoscope-holder robot for laparoscopic surgery. J Endourol 21(8):911–914CrossRefPubMedGoogle Scholar
  19. 19.
    Marahrens N, Koller S et al (2017) Deep learning-based robotic endoscope guidance. Jahrestagung CURAC.Google Scholar
  20. 20.
    Pandya A, Reisner L et al (2014) A review of camera viewpoint automation in robotic and laparoscopic surgery. Robotics 3(3):310–329CrossRefGoogle Scholar
  21. 21.
    Remacle M et al (2015) Transoral robotic surgery (TORS) with Medrobotics Flex System. Eur Arch Otorhinolaryngol:1451–1455.  https://doi.org/10.1007/s00405-015-3532-x PubMedCentralGoogle Scholar
  22. 22.
    Ren S, He K et al (2015) Faster R‑CNN: towards real-time object detection with region proposal network. Neural information processing systemsGoogle Scholar
  23. 23.
    Sun Z et al (2011) Enhancement of a master-slave robotic system for natural orifice transluminal endoscopic surgery. Ann Acad Med Singap 40(5):223–230PubMedGoogle Scholar
  24. 24.
    Schneider A, Feussner H (2017) Biomedical engineering in gastrointestinal surgery. Elsevier, AmsterdamGoogle Scholar
  25. 25.
    Wijsman PJM et al (2017) First experience with THE AUTOLAP™ SYSTEM: an image-based robotic camera steering device. Surg Endosc:1–7.  https://doi.org/10.1007/s00464-017-5957-3 PubMedGoogle Scholar

Copyright information

© Springer Medizin Verlag GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  • S. Koller
    • 1
  • Y. S. Krieger
    • 2
  • N. Marahrens
    • 1
  • S. V. Brecht
    • 2
  • D. Ostler
    • 1
  • T. Vogel
    • 1
    • 3
  • M. Kranzfelder
    • 1
    • 3
  • D. Wilhelm
    • 1
    • 3
  • T. C. Lüth
    • 2
  1. 1.Forschungsgruppe für Minimal-invasive Interdisziplinäre Therapeutische Intervention (MITI)Klinikum rechts der Isar, Technische Universität MünchenMünchenDeutschland
  2. 2.Lehrstuhl für Mikrotechnik und Medizingerätetechnik (MiMed)Technische Universität MünchenMünchenDeutschland
  3. 3.Klinik und Poliklinik für ChirurgieKlinikum rechts der Isar, Technische Universität MünchenMünchenDeutschland

Personalised recommendations