Trung tâm kiến thức
Mục lục

Kiến trúc phần cứng của robot phẫu thuật có AI hỗ trợ

Bản chất của kiến trúc phần cứng robot phẫu thuật có AI hỗ trợ là một hệ thống tính toán không đồng nhất đưa cảm nhận thời gian thực trong mổ, suy luận độ trễ thấp và điều khiển chuyển động tất định vào cùng một cỗ máy, trong đó nền tảng tính toán, hợp nhất cảm biến và thiết kế an toàn chức năng đều không thể thiếu.

Y tế thông minh đã thay đổi nhanh trong những năm gần đây. Robot phẫu thuật đã chuyển từ điều khiển từ xa của những năm trước sang các hệ thống hỗ trợ có năng lực hiểu thị giác và quy hoạch đường đi; đồng thời, các nhà cung cấp GPU đã đẩy hiệu năng suy luận và băng thông HBM lên ngày càng cao, và các nền tảng NPU biên đã biến tính toán cao ở công suất thấp thành hiện thực. Chỉ ở nơi hai dòng này gặp nhau thì hình thức phần cứng ngày nay của robot phẫu thuật có AI hỗ trợ mới ra đời.

1. Khái niệm cốt lõi và nguyên lý kỹ thuật

Kiến trúc phần cứng của robot phẫu thuật có AI hỗ trợ thường có bốn tầng. Tầng cảm nhận gồm camera lập thể hoặc đa góc nhìn, mô-đun chiều sâu dùng ánh sáng cấu trúc hoặc ToF và cảm biến lực và mô-men, và một số giải pháp mới hơn đã bắt đầu đưa event camera vào để ghi nhận chuyển động nhanh của dụng cụ bằng các luồng sự kiện thưa, tránh nhòe chuyển động của camera khung hình truyền thống trong các kịch bản tốc độ cao. Tầng tính toán là phần lõi, thường gồm một đơn vị suy luận trong mổ và một đơn vị điều khiển thời gian thực: đơn vị suy luận chạy các mô hình sâu cho phân đoạn, đăng ký và nhận dạng dụng cụ, trong khi đơn vị điều khiển xử lý giải động học nghịch và vòng kín servo, với hai bên được cô lập vật lý hoặc phân mức ưu tiên qua mạng nhạy cảm thời gian. Tầng thực thi là tay máy và cơ cấu tác động cuối, với encoder và phản hồi mô-men được tích hợp tại các khớp. Tầng truyền thông dựa vào một bus độ trễ thấp để ép độ trễ đầu cuối xuống mức mili giây, đây là yêu cầu cứng cho an toàn phẫu thuật.

Có một điểm ở đây dễ bị bỏ qua: các kịch bản phẫu thuật đòi hỏi tính tất định nhiều hơn năng lực tính toán đỉnh. Một kết quả suy luận dao động 50 mili giây là vô hại trong AI thông thường nhưng không thể chấp nhận khi dụng cụ đã ở gần thành mạch máu. Vì vậy kiến trúc phần cứng thường dự phòng một kênh độc lập cho điều khiển thời gian thực, với suy luận AI chạy trên một nhánh phụ và đầu ra chỉ được dùng như một gợi ý hỗ trợ hoặc một ràng buộc biên an toàn.

2. So sánh các sản phẩm và phương án chủ đạo

Nền tảng tính toán đại thể đi theo ba hướng. Thứ nhất là đưa GPU cấp trung tâm dữ liệu xuống tủ điều khiển trong mổ: NVIDIA Blackwell Ultra (B300) tập trung vào hiệu năng suy luận và bộ nhớ HBM4, và dòng AMD MI350 dùng kiến trúc CDNA 4 cùng tiến trình 3nm với 288GB HBM3E. Các giải pháp như vậy phù hợp với quy hoạch trước mổ, tái tạo hình ảnh quy mô lớn trong mổ và suy luận song song các mô hình đa phương thức, với ưu điểm là hệ sinh thái trưởng thành và hỗ trợ khung tốt, với cái giá là thiết kế nguồn và tản nhiệt phức tạp. Thứ hai là các nền tảng NPU biên: các NPU hiệu năng cao, công suất thấp mà Qualcomm, MediaTek và Intel ra mắt trong hai năm qua phù hợp với các tải thường trú như phân đoạn theo thời gian thực luồng video nội soi và phát hiện đầu dụng cụ, và có thể làm cho cả máy trở nên gọn hơn. Thứ ba là các mô-đun cảm nhận thông minh tích hợp AI trên chip, đặt suy luận nhẹ trực tiếp trong camera hoặc mô-đun cảm nhận và chỉ xuất ra kết quả có cấu trúc về phía trên, giảm gánh nặng cho bộ điều khiển chính.

Lựa chọn cảm biến cũng phân hóa theo cách tương tự. Camera RGB truyền thống có chi phí thấp và thông tin kết cấu phong phú nhưng dễ nhòe khi chuyển động tốc độ cao; event camera có độ trễ cực thấp và dải động rộng, phù hợp với việc theo dõi dụng cụ và chống rung, nhưng không nhạy với kết cấu tĩnh mịn; các mô-đun kết hợp thị giác 3D với AI trên chip thì trực tiếp hơn cho tái tạo bề mặt mô và tránh vật cản. Các giải pháp thực tế thường kết hợp nhiều phương thức thay vì đặt cược vào một.

3. Các kịch bản ứng dụng điển hình của phần cứng AI cho y tế thông minh

Giả sử một bệnh viện hàng đầu đang xây dựng một nền tảng robot phẫu thuật xâm lấn tối thiểu, với kiến trúc phần cứng phải hỗ trợ đồng thời ba loại tác vụ: tái tạo 3D và quy hoạch đường tiếp cận trên hình ảnh trước mổ, phân đoạn mô và định vị dụng cụ theo thời gian thực trên video nội soi trong mổ, và ràng buộc an toàn phản hồi lực ở đầu tay máy. Hai tác vụ đầu tiêu thụ tính toán và băng thông bộ nhớ, trong khi tác vụ thứ ba tiêu thụ hiệu năng thời gian thực và độ chính xác cảm biến. Giả sử thêm rằng một nhà cung cấp thiết bị y tế đang xây dựng một thiết bị điều hướng trong mổ di động; họ sẽ nghiêng về sự kết hợp giữa NPU biên và các mô-đun cảm nhận thông minh để ép công suất và thể tích xuống, để toàn bộ ca mổ có thể chạy bằng pin.

Kinh nghiệm hợp nhất từ phía công nghiệp cũng đang lan sang. Event camera, thị giác 3D và AI trên chip đã được triển khai ở quy mô lớn trong robot và kiểm tra công nghiệp, và cách tiếp cận hợp nhất đa cảm biến này đã được nhiều đội robot phẫu thuật mượn dùng cho việc tránh va chạm dụng cụ và theo dõi biến dạng mô.

4. Điểm lựa chọn và khuyến nghị triển khai

Với lựa chọn, trước tiên hãy nhìn ngân sách độ trễ, rồi mới đến tính toán. Hãy chia nhỏ toàn bộ chuỗi từ thu nhận hình ảnh đến xuất kết quả suy luận đến lệnh điều khiển, ước tính độ trễ của từng đoạn và để lại biên an toàn; điều này hữu ích hơn nhiều so với việc chỉ so sánh các con số TOPS. Thứ hai, hãy nhìn an toàn chức năng: liệu hệ thống có thể suy giảm về trạng thái an toàn khi đơn vị suy luận gặp lỗi hay không, và có watchdog độc lập cùng các kênh dự phòng hay không. Thứ ba, hãy nhìn băng thông và dung lượng bộ nhớ, vì khi dữ liệu đa phương thức trong mổ chạy song song, băng thông HBM thường trở thành điểm nghẽn trước cả tính toán. Thứ tư, hãy nhìn hệ sinh thái và chuỗi công cụ, vì lượng tử hóa mô hình, hỗ trợ toán tử và tương thích khung ảnh hưởng trực tiếp đến chu kỳ triển khai. Về triển khai, hãy tách suy luận và điều khiển vào các miền khác nhau, và kiểm chứng sớm việc tản nhiệt cùng tương thích điện từ cho môi trường phòng mổ thay vì vá sau khi thiết kế máy đã chốt.

5. Xu hướng công nghệ và triển vọng tương lai

Trong hai hoặc ba năm tới, HBM4 và các tiến trình cấp 3nm sẽ đẩy mật độ tính toán suy luận trong mổ lên thêm một bậc; nền tảng Rubin dự kiến sản xuất hàng loạt năm 2026 theo lộ trình, MI400 và MI500 cũng đang trên đường, và tốc độ đưa năng lực cấp trung tâm dữ liệu xuống thiết bị y tế sẽ nhanh hơn. Về phía biên, các nền tảng NPU tiếp tục lan rộng, và chuỗi cung ứng trưởng thành của AI PC cùng hộp suy luận biên sẽ hạ thấp rào cản cho các nhà cung cấp robot phẫu thuật. Hợp nhất cảm biến sẽ đi sâu hơn, và sự kết hợp giữa event camera với thị giác 3D và AI trên chip được kỳ vọng trở thành một trong những cấu hình tiêu chuẩn cho cảm nhận trong mổ. Một hướng khác là hệ sinh thái mở: Xeon trên tiến trình 18A và Gaudi 3 của Intel nhấn mạnh hiệu quả năng lượng và tính mở, nghĩa là các nhà cung cấp thiết bị y tế có thêm nhiều kết hợp phần cứng và phần mềm linh hoạt hơn. Đánh giá tổng thể là trọng tâm cạnh tranh của kiến trúc phần cứng sẽ chuyển từ tính toán nhanh đến đâu sang tính toán đáng tin đến đâu, và tính tất định cùng thiết kế an toàn là hào bảo vệ thực sự của robot phẫu thuật.

Chủ đề: Bách khoa phần cứng AI