Evolucionar desde la cirugía teledirigida hacia robots asistentes de alta autonomía es el objetivo central de la tesis doctoral que el investigador Álvaro Galán ha defendido en la Universidad de Málaga. El trabajo, dirigido por el catedrático Víctor. Muñoz en el Laboratorio de Robótica Médica y Gemelos Digitales del IMECH.UMA (Instituto Universitario de Investigación en Ingeniería Mecatrónica y Sistemas Ciberfísicos), ha obtenido el sobresaliente cum laude y mención internacional en el Programa de Doctorado en Ingeniería Mecatrónica.
 
La investigación desarrolla una arquitectura cognitiva unificada para el Nivel 4 de autonomía quirúrgica, la antesala de la automatización total. 

Hasta la fecha, los laboratorios de todo el mundo habían logrado que los robots realizaran tareas aisladas (como cortar o succionar), pero estos programas funcionaban como ‘islas informáticas’ incapaces de comunicarse entre sí de forma continua. La nueva arquitectura diseñada en la UMA resuelve esta fragmentación integrando percepción, razonamiento lógico y control de movimiento en un ciclo ininterrumpido.

Decisiones transparentes y matemáticas, lejos de las ‘cajas negras’ de la IA
Uno de los principales hitos de esta tesis es la manera en que garantiza la seguridad en un entorno de tan alto riesgo como un quirófano. 

En lugar de confiar las decisiones a modelos de Inteligencia Artificial opacos (‘cajas negras’ cuyos razonamientos no se pueden auditar), el sistema utiliza ontologías basadas en ‘lógicas de descripción’. Este marco matemático asegura que el robot no entre en bucles de cálculo infinitos ante un imprevisto y garantiza que cada decisión autónoma sea transparente, predecible y verificable en tiempo finito por el equipo médico que supervisa la operación.

Inteligencia háptica: sentir el tejido interno con un solo sensor
Otro de los grandes obstáculos en la cirugía mínimamente invasiva es que el instrumento robótico debe atravesar la pared abdominal (a través del trocar), lo que mezcla la resistencia de la propia incisión con la fuerza que el robot ejerce sobre los órganos internos.


El autor de la tesis, en el centro, junto al director (izquierda) y los miembros del tribunal

Para resolverlo sin necesidad de introducir complejos sensores esterilizados dentro del paciente, la investigación de Álvaro Galán aplica el modelo matemático viscoelástico de Maxwell. Este algoritmo procesa la deformación del tejido y es capaz de “desacoplar” y aislar la fuerza exacta sobre el órgano con solo un 9 por ciento de error relativo. De este modo, el robot “sabe” con precisión matemática qué presión está ejerciendo en cada instante.

Resultados de laboratorio: máxima precisión y menor daño tisular
La validación del sistema se ha llevado a cabo en una plataforma robótica bimanual compuesta por dos brazos colaborativos que recrean las condiciones reales de una intervención laparoscópica.

Para la planificación de la sutura, el sistema identificó la geometría de las heridas y planificó los puntos de sutura con una tasa de éxito del 85 por ciento y un margen de error posicional inferior a los 2,5 milímetros. En cuanto a la supervisión en tiempo real, el motor de razonamiento identificó las fases de la cirugía con apenas 0,75 segundos de latencia y reaccionó de inmediato ante fallos o presiones excesivas.

Por último, en lo que se refiere a la protección del paciente, el esquema de control de movimiento adaptativo logró reducir el trauma tisular en un 56,5 por ciento, frente a otras estrategias de control evaluadas en la plataforma experimental, mitigando los picos de fuerza sobre la pared abdominal mediante la reorientación automática del instrumental.

La investigación de Álvaro Galán da un paso más a la hora de reducir el trauma en los tejidos durante las intervenciones quirúrgicas, lo que supone acercarse aún más a la automatización total del proceso. La tesis, en definitiva, aporta un marco tecnológico clave para avanzar hacia la integración segura de la autonomía en la cirugía robótica mínimamente invasiva, facilitando la transición desde la investigación de laboratorio hacia su posterior aplicación clínica.