AI-powered surgical robotics is best understood as a stack of technologies rather than a single “robot surgeon.” In today’s operating room, the most mature systems still keep the surgeon in control while software improves planning, visualization, instrument guidance, motion control, workflow analysis, or selected automated tasks. The practical question is not whether a platform “uses AI,” but which decisions and actions the software performs, what the clinician still controls, and whether those capabilities are authorized and validated for the intended procedure.
That distinction matters because “precision” can mean several different things: reproducing a planned bone cut more accurately, stabilizing an instrument, constraining motion inside a virtual boundary, measuring tissue force, recognizing phases in surgical video, or proposing a patient-specific plan. These functions can be valuable, but none automatically guarantees a better clinical outcome for every patient or procedure.
| Use case | What the technology does | Typical human role | Practical maturity |
|---|---|---|---|
| Robot-assisted teleoperation | Translates surgeon hand movements into instrument motion; may filter tremor or add motion scaling. | Surgeon continuously controls the instruments. | Established in many minimally invasive procedures. |
| Patient-specific planning | Uses imaging and software to build a plan around individual anatomy. | Surgeon reviews, adjusts, and approves the plan. | Established in several orthopedic, spine, and navigation workflows. |
| Haptic or geometric constraints | Limits or guides instrument movement relative to a planned boundary. | Surgeon performs the task within system-defined constraints. | Established in selected orthopedic and navigation systems. |
| Computer vision and video analytics | Identifies procedural phases, instruments, anatomy, or patterns in recorded video. | Clinician reviews analytics and decides how to use them. | Commercially available for some post-operative analytics; real-time capabilities vary. |
| Task automation | Executes a bounded, preprogrammed task once parameters are set. | Surgeon selects, supervises, and can intervene. | Available in limited, procedure-specific forms. |
| High-level autonomous surgery | Would independently plan and execute major portions of a procedure while adapting to changing anatomy. | Primarily supervisory. | Still research-oriented rather than routine clinical practice. |
The U.S. Food and Drug Administration describes robotically assisted surgical systems as computer-assisted devices that allow trained physicians to control instruments during surgery. For many soft-tissue systems, the robot does not independently perform the operation; the surgeon remains the active controller. The FDA’s computer-assisted surgical systems guidance is a useful baseline because it separates the popular image of an autonomous robot from the actual role of many current systems.
AI can be added to that robotic foundation in several places. A machine-learning model might segment anatomy from an image, recognize a procedural phase, flag a pattern in video, or help generate a patient-specific plan. But advanced robotics can also improve precision without machine learning. Force feedback, tremor filtering, robotic kinematics, motion constraints, and deterministic planning algorithms may all be sophisticated without being “AI” in the regulatory sense.
The FDA’s AI-enabled medical device list can help verify whether an authorized device has been identified as AI-enabled, although the FDA explicitly notes that the list is not comprehensive.
Robotic mechanisms can scale motion, filter tremor, hold an instrument at a fixed pose, or prevent a cutting tool from moving beyond a virtual boundary. In orthopedics, for example, Stryker describes its Mako systems as using patient-specific planning and haptic boundaries that constrain a tool relative to the planned anatomy. The relevant point is not the brand claim itself, but the engineering pattern: software defines a geometric plan and the robot physically helps keep the instrument within that plan.
For a concrete example, Stryker’s Mako Spine documentation describes automatic patient registration, smart segmentation, algorithm-driven screw suggestions, and haptic guidance. Some of those functions are algorithmic rather than necessarily machine learning, which is exactly why buyers should ask what “AI” means in a specific system.
Intuitive’s da Vinci 5 received FDA 510(k) clearance in March 2024. One of its notable additions is force-sensing technology that can measure forces at the instrument and feed a sense of tissue force back to the surgeon. Intuitive describes this capability in its da Vinci 5 clearance announcement.
Force feedback is a good illustration of why “AI-powered” can be an imprecise label. This feature may improve the information available to the surgeon, but it is fundamentally a sensing-and-control capability rather than an autonomous decision-maker.
Video is one of the richest data streams in a modern operating room. AI can divide a procedure into phases, detect instruments, estimate how long anatomy remains in view, and support post-operative review. Medtronic’s Touch Surgery Performance Insights is a current commercial example of AI-enabled analysis for selected procedures.
The limitation is just as important as the capability. Medtronic states that, at present, the platform does not provide real-time decision support or live critical-structure identification. That is a useful reality check: post-operative AI analytics are already practical, while some of the more dramatic “AI guiding the surgeon live” scenarios remain limited, procedure-specific, investigational, or unreleased.
Planning systems can use CT, MRI, intraoperative imaging, registration, and anatomical models to propose where an implant, screw, cut, or trajectory should go. The robot may then help the surgeon execute that plan. This is especially relevant in orthopedics, spine surgery, and stereotactic procedures, where a target can be represented geometrically.
The tradeoff is dependence on data quality and registration accuracy. A perfect robot following an inaccurate model is still following the wrong model. Teams therefore need clear checks for imaging quality, registration error, plan approval, and conditions that require abandoning or revising the robotic workflow.
A 2024 systematic review in npj Digital Medicine examined FDA-cleared surgical robots from 2015 through 2023 using a six-level autonomy framework. Of 49 systems identified, 86% were classified as Level 1 robot assistance, 8% as Level 2 task autonomy, and 6% as Level 3 conditional autonomy. The review found no Level 4 or Level 5 systems in that dataset. It also reported that only two systems had machine-learning-enabled features explicitly recognized in FDA submissions, while some additional products used AI-related claims in marketing materials.
Those numbers should not be treated as a complete picture of the 2026 market because the review stops at 2023. They are still useful as a baseline: clinically deployed surgical robotics has historically been dominated by surgeon-controlled assistance, with higher autonomy appearing in narrow, bounded tasks rather than whole-procedure replacement of the surgeon.
The market has continued to evolve. In July 2026, Johnson & Johnson announced FDA De Novo authorization for the OTTAVA robotic surgical system for multiple upper-abdominal general surgery procedures. That is meaningful competition in soft-tissue robotics, but authorization of a robotic platform should not be interpreted as authorization for autonomous surgery or for every AI feature a company may be developing.
Исследования демонстрируют все большую автономность при выполнении хирургических задач, особенно в контролируемых доклинических условиях. Одним из широко цитируемых примеров является интеллектуальный автономный робот для работы с мягкими тканями (STAR), который в исследовании 2022 года, описанном Университетом Джонса Хопкинса , выполнил лапароскопический кишечный анастомоз на свиньях . Проект показал, что робот может планировать и выполнять сложную задачу по наложению швов на мягкие ткани, адаптируясь к движению тканей.
Это имеет важное научное значение, но не является доказательством того, что автономная хирургия мягких тканей готова к рутинному применению у людей. Переход от доклинической демонстрации к широко внедряемой клинической системе требует надежной работы в условиях различной анатомии, кровотечений, неожиданных результатов, неисправностей устройства, взаимодействия команды и экстренной передачи информации. Требования к надежности в хирургии намного выше, чем просто достижение высокой средней точности в лабораторных условиях.
Больницам следует разделять техническую точность и пользу для пациента. Система может расположить инструмент ближе к запланированной траектории или более точно воспроизвести геометрическую цель, однако клинические результаты все равно могут зависеть от выбора процедуры, опыта хирурга, осложнений, анестезии, инфекционного контроля, биологии тканей и послеоперационного ухода.
FDA рекомендует пациентам, рассматривающим возможность проведения роботизированной хирургии, обсудить риски, преимущества, альтернативы, а также квалификацию и опыт хирурга. Этот совет остается актуальным даже по мере развития возможностей искусственного интеллекта. Более технологичный подход должен быть оправдан клинической проблемой, а не новизной платформы.
Эти вопросы соответствуют акценту FDA на контроле на протяжении всего жизненного цикла продукта. Принципы надлежащей практики машинного обучения агентства подчеркивают важность репрезентативных данных, клинически значимых испытаний, эффективности работы команды, занимающейся взаимодействием человека и ИИ, четкой информации для пользователей и мониторинга развернутых моделей.
В отношении функций ИИ, которые, как ожидается, изменятся после получения разрешения, в окончательном руководстве FDA от августа 2025 года по предварительно разработанному плану управления изменениями описывается, как производители могут заранее определить планируемые модификации, методы валидации и оценки воздействия.
| Вопрос | Интерпретация с более низким риском | Интерпретация высшего государственного органа |
|---|---|---|
| Что контролирует алгоритм? | Отображение, аналитика, рекомендации или ограниченное руководство. | Движение инструмента, выполнение задачи или процедурная стратегия. |
| Может ли врач проверить результат? | Результат отображается наглядно и его легко проверить. | Логические выводы неясны или их трудно подтвердить независимо в ходе процедуры. |
| Может ли врач отменить это решение? | Предусмотрено немедленное ручное управление или отключение. | Для отмены действия требуется прерывание рабочего процесса, или это сложно сделать в условиях нехватки времени. |
| Что произойдет, если данные окажутся неверными? | Вероятнее всего, ошибка будет обнаружена до принятия мер. | Ошибка может напрямую влиять на анатомию, траекторию, передачу энергии или манипуляции с тканями. |
| Как меняется модель? | Исправлена версия программного обеспечения с контролируемыми обновлениями. | Адаптивная или часто обновляемая модель, требующая мониторинга жизненного цикла. |
Чем ближе система к правому столбцу, тем важнее становится формальное управление. Это включает в себя междисциплинарный анализ, моделирование, отчетность об инцидентах, контроль версий, послепродажный надзор и документированный процесс приостановки работы функции в случае неопределенности ее производительности.
В ближайшей перспективе, скорее всего, будет наблюдаться постепенное совершенствование, а не резкий переход к автономной хирургии. Ожидается улучшение компьютерного зрения, более эффективная автоматическая сегментация и регистрация, более точное определение силы и движения, контекстно-зависимые оповещения, более интеллектуальная индексация хирургических видеозаписей и четко ограниченные автоматизированные подзадачи. В конечном итоге мультимодальные модели могут объединить видео, телеметрию инструментов, изображения, патологию и данные о пациенте для повышения ситуационной осведомленности.
Сложность будет заключаться не в создании рекомендаций ИИ. Сложность будет в том, чтобы доказать, когда эти рекомендации достаточно надежны для изменения хирургических действий, определить безопасное поведение при низкой степени уверенности и проверить их эффективность в разных больницах, у разных хирургов, с разными устройствами и группами пациентов.
Роботизированные хирургические системы на основе искусственного интеллекта уже меняют операционные, но сегодня их наиболее значимая ценность заключается в расширении возможностей экспертных команд, а не в их замене. Наиболее перспективные области применения — это те, где технология имеет четко определенную роль: планирование с учетом анатомических особенностей пациента, стабилизация или ограничение движений, извлечение структурированной информации из хирургического видео, улучшение визуализации или автоматизация узкоспециализированной задачи под наблюдением.
Для больниц, хирургов и пациентов правильный вопрос не в том, «Работает ли этот робот на основе искусственного интеллекта?», а в том, «Что именно делает система, как была проверена эта функция, кто несет ответственность за принятие решения и что происходит, когда технология дает сбой?». Такая структура превращает общую технологическую тенденцию в практическую оценку безопасности и ценности.
Практическое руководство 2026 года по искусственному интеллекту, датчикам для умного дома, дистанционному мониторингу, безопасности при падениях, конфиденциальности и тому, как технологии могут поддерживать комфортное старение в привычной обстановке без замены ухода.
Узнайте, как города могут использовать данные о мобильности, землепользовании, климате и состоянии окружающей среды для создания более безопасных, экологичных и удобных для пешеходов районов, не ставя технологии выше людей.
Сравните ведущие программы в области проектирования беспилотных летательных аппаратов и аэрокосмической техники, касающиеся дронов, автономности, систем управления, эксплуатации БПЛА и научных исследований для аспирантов, с учетом проверенных обновлений к 2026 году.
A practical guide to AI-powered surgical robotics: current capabilities, levels of autonomy, precision benefits, limits, regulation, and evaluation criteria.
Инвестиции в улавливание и хранение углерода растут, но может ли улавливание углерода обратить вспять глобальные выбросы? Узнайте, где это работает, что ограничивает масштабы и какие доказательства имеют значение.
Compare seven global programs for digital supply chains, logistics, analytics, global trade, and operations, with practical guidance on choosing the right fit.
Узнайте, как интерфейсы «мозг-компьютер» расшифровывают нейронные сигналы для восстановления коммуникации и движений, чего достигли недавние исследования и что по-прежнему ограничивает использование BCI.
Узнайте, как коммерческие дроны сочетают в себе датчики, периферийный ИИ, батареи, средства связи и программное обеспечение для управления полетом, а также где автономность по-прежнему зависит от задачи и регулирования.
Сравните семь перспективных вариантов аккумуляторных батарей и систем хранения энергии по таким параметрам, как материалы, системы, исследования, опыт работы в отрасли, гибкость, языковые особенности и соотношение цены и качества.
Learn how payload mass, battery limits, weather, propulsion efficiency, and aircraft architecture shape industrial UAV endurance—and how to improve it.
