面向机械血栓切除的 AI 自主导航：基于层次化模块化多智能体强化学习 (HM-MARL)
机器人学
2026-02-24 v1 机器学习
摘要
机械血栓切除 (MT) 是治疗大血管阻塞性急性中风的最佳处理方式，但由于地理和物流障碍，获取渠道有限。强化学习 (RL) 在自主内皮导航方面显示出前景，但在 '长' 导航任务上的泛化仍具有挑战性。我们提出了层次化模块化多智能体强化学习 (HM-MARL) 框架，用于实现体内两种设备的自主导航，实现高效和通用性导航。HM-MARL 被开发用于自主导航导管和导线，从股动脉导航至内侧动脉 (ICA)。采用模块化多智能体方法将复杂的导航任务分解为 specialized subtasks，每个 subtasks 使用 Soft Actor-Critic RL 进行训练。该框架在 in silico 和 in vitro testbeds 中进行了验证，以评估泛化性和现实可行性。在 in silico 环境中，单个血管模型在各个解剖结构上的成功率为 92-100%，而多血管模型在多个患者解剖结构上的成功率为 56-80%。在 vitro 中，两个 HM-MARL 模型成功地从股动脉导航至右常颈动脉 100% 的试验，并导航至右 ICA 80%，但由于解剖结构和所使用的导管类型，在左侧血管的超人类挑战中失败。该研究首次展示了 MT 血管内的 in vitro 自主导航。尽管 HM-MARL 实现了跨解剖结构的泛化，但从模拟到现实的过渡引入了挑战。未来的工作将使用 world models 细化 RL 策略，并在未见的 in vitro 数据上验证性能，推动 MT 向临床转化。
引用
@article{arxiv.2602.18663,
title = {Toward AI Autonomous Navigation for Mechanical Thrombectomy using Hierarchical Modular Multi-agent Reinforcement Learning (HM-MARL)},
author = {Harry Robertshaw and Nikola Fischer and Lennart Karstensen and Benjamin Jackson and Xingyu Chen and S. M. Hadi Sadati and Christos Bergeles and Alejandro Granados and Thomas C Booth},
journal= {arXiv preprint arXiv:2602.18663},
year = {2026}
}
备注
Published in IEEE Robotics and Automation Letters