Pesquisadores da Universidade da Califórnia, em Berkeley, conseguiram desenvolver um robô especializado em suturas automatizadas, ou seja, ele consegue dar pontos cirúrgicos sozinho. Para isso, a equipe da UC Berkeley, desenvolveu um sistema de "aprendizado (deep learning) semi-supervisionado de IA" chamado Motion2Vec.

Com esse sistema, a máquina pode assistir vídeos cirúrgicos realizados por médicos reais, analisar os movimentos do médico ao suturar (inserção, extração e transferência de agulhas) e depois imitá-los com um alto grau de precisão.

Como o sistema possui uma estrutura de aprendizado semi-supervisionada, os pesquisadores tiveram que mostrar "apenas" 78 vídeos do banco de dados JIGSAWS para treinar sua IA para executar sua tarefa com 85,5% de precisão e um erro médio de 0,94 centímetros na precisão de segmentação.

A equipe utilizou algo que eles chamam de 'redes siamesas" para que o robô pudesse imitar os movimentos dos médicos. Em resumo, essas redes podem classificar o grau de semelhança entre duas tarefas e são frequentemente usadas para atividades de reconhecimento de imagem, como combinar imagens de vigilância com fotos de documentos como carteira de motorista para identificar uma pessoa.

No caso do robô, a equipe está usando as redes siamesas para corresponder à entrada de vídeo do que os braços da máquina estão fazendo com o vídeo existente de um médico humano executando os mesmos movimentos. O objetivo é fazer com que o movimento seja perfeito, o mais parecido com o nível de humanos. 

De acordo com os pesquisadores, a tecnologia ainda não está perfeita e levará ainda alguns anos para que uma máquina cirurgiã possa ser levada às salas de cirurgia. Entretanto, a pesquisa já mostra um grande avanço com o sistema Motion2Vec. Além de saturar, um robô poderá também aprender diversas outras tarefas médicas para auxiliar nos hospitais do futuro.