4月24日上午，中国科学院大学人工智能学院有幸邀请到了中国科学院自动化研究所研究员侯增广老师，在雁栖湖校区教一楼114教室为同学们带来科学前沿讲座——《医疗机器人面临的“智能”挑战》。医疗机器人正在从早期缓慢被医生和患者接受认可、到目前逐渐加快进入我们的生活空间，发展潜力巨大。但医疗机器人普及应用仍然面临诸多挑战，例如，高效、可靠、安全的人工智能交互与控制是阻碍其发展的重要挑战。本报告结合多模态生物信号的获取、处理和脑机接口、人机安全，阐述医疗机器人在相关领域应用的挑战，及对未来发展的思考与展望。
讲座伊始，侯老师从当前医疗研究的重要性切入，介绍了医疗机器人的研究背景。随着人工智能相关技术的发展，其在各个领域的应用日益广泛，医疗机器人领域也不例外。随后，侯老师回顾了人工智能技术的一些经典研究，重点介绍了该领域的奠基人之一Hopfield的相关工作，详细讲解了Hopfield神经元模型，以及如何利用Hopfield神经网络解决旅行商问题（TSP）、模数（A/D）转换等现实问题。之后，侯老师将话题转回医疗机器人：目前优秀医生极为短缺，培养成本高昂，且仍难免犯错；而机器人能够通过共享知识库无限叠加经验，不受情绪干扰，从而确保操作的标准化与精准度。因此，在手术等医疗场景中，机器人有望在未来辅助甚至取代医生完成医疗服务。
接着，侯老师聚焦于康复领域。当前老年群体中，由中风等原因导致的肢体运动和认知功能障碍十分常见。运动康复训练是有效减轻残疾程度、改善功能的重要治疗方法，其本质是向大脑提供适宜的辅助交互刺激，实现的关键在于达到“按需辅助”。康复机器人——例如外骨骼或可穿戴式机器人——能够辅助实现这一目标。然而，目前的外骨骼上肢康复机器人大多局限于简单的关节机构设计和重复的被动训练模式，难以帮助脑卒中患者实现神经肌骨耦合的运动重建。为解决这一问题，侯老师带领的课题组团队基于患者的运动意图在线规划运动轨迹，显著提高了辅助治疗效果。
侯老师随后介绍了主动训练康复机器人的相关研究工作。主动训练可分为弹簧式主动训练和阻尼式主动训练，这类研究在国际前沿领域受到了广泛重视。侯老师详细讲解了多项创新工作，包括：基于偏好优化的运动-感觉协同增强闭环控制、面向临床的轻量化多症状连续监测评定、面向脑卒中偏瘫患者的肌肉协同与关节协同评价、面向帕金森病患者的轻量化多症状连续监测系统、基于多模态生理信号融合的闭环式康复辅助系统，以及基于多模态数据的老年认知功能障碍早期诊断等。相关研究成果已在社区中开展了大量临床试验，并推广应用到社区、养老院等实际场景。
最后，侯老师展望了相关技术的未来发展。他指出，神经接口、运动控制的神经解码与编码、外骨骼机器人等方向将成为前沿热点。目前，诸如硬膜外电刺激治疗脊髓损伤的临床试验、借助脑机接口辅助行走康复训练等研究，已屡屡发表于国际顶级期刊。讲座结束后，侯老师耐心解答了现场同学的多个问题，赢得了热烈的掌声。
更多专家信息：
侯增广，中国科学院自动化研究所研究员，博士生导师，IEEE/CAA Fellow。担任中国自动化学会副理事长、CCF智能机器人专业委员会主任、中国康复医学会智能康复专业委员会副主任等，亚太神经网络学会(APNNS)副理事长，还担任 《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Cybernetics》等期刊编委。获国家自然科学二等奖、北京市自然科学一等奖、杨家墀科技奖等，还获得国际神经网络学会(INNS)丹尼斯·甘伯奖等。
