编辑推荐：
美国研究人员开展评估机械张力新方法研究，算法估测结肠张力准确率达 74%，可防手术并发症。
在美国，每年有超过 30 万例结直肠手术，其中高达 10% 的手术会出现吻合口漏（anastomotic leaks）的并发症，这会导致显著的发病率和死亡率。尽管张力与吻合口漏密切相关，但目前术中主要通过主观指标来评估张力。本研究旨在评估一种新的客观方法在体外猪结肠中评估机械张力的可行性。
该研究使用达芬奇研究套件（da Vinci Research Kit，dVRK）。首先，开发了一种基于长短期记忆神经网络（long short - term memory neural network）的机器学习算法，用于估计 dVRK 机械臂上的拉力。接着，用两个机械臂对 5 段体外猪结肠施加向上的力。在结肠下方放置一个力传感器，用于测量实际受力，并将其与机器学习算法计算出的估计力进行比较。通过计算均方根误差（Root mean square error）和斯皮尔曼相关性（Spearman’s Correlation），分别评估力的估计准确性以及测量力和估计力之间的相关性。
测量的力在 0 到 17.2 N 之间，平均实验持续时间为两分钟。该算法的力估计值与力传感器的实际测量值紧密跟踪，在所有实验中，准确率高达 88%，平均准确率为 74%。估计力和测量力之间显示出很强的相关性，在所有实验中，斯皮尔曼相关性均不低于 0.80。
本研究提出了一种机器学习算法，其对结肠张力的估计值与力传感器的实际数据非常接近。这是首次使用机器人客观测量组织张力（并以牛顿为单位进行报告）的研究。该方法可适用于测量多种组织的张力，有助于预防手术并发症和降低死亡率。
