静脉穿刺机器人技术发展现状*

阚孟菲, 丁 皓, 刘浩宇, 庄 逸, 丁思吉, 夏冬阳

(1.上海理工大学 医疗器械与食品学院,上海 200093；2.上海健康医学院 医疗器械学院,上海 201318)

0 引 言

静脉穿刺是一种常见的医疗手段，多应用于静脉注射、采血、输血等治疗工作[1]。但在现代医疗工作当中仍采用传统的穿刺技术，即医生手工穿刺。在临床治疗当中，由于不同病人的生理状况以及临床医师的穿刺技术熟练程度的差异，都会在一定程度上影响静脉穿刺的成功率。根据资料统计，普通患者一次性穿刺成功概率为83 %～95 %之间。由于儿童、老年人和肥胖人群手部静脉具有细、小、脆弱等生理特点，穿刺成功的概率低于70 %，多数人需要3次以上的尝试才能够穿刺成功[2]。而在疫情期间,由于医疗资源的调度[3]，导致低风险地区静脉穿刺技术熟练的医师匮乏，使得部分地区患者的静脉穿刺成功率有所下降。静脉穿刺的失败不仅会给患者带来生理上的痛苦,还会给患者带来精神上的伤害。针对这种现状，医院实施了持续的静脉穿刺后护理管理工作[4]，大量学者也将研究重点放在辅助静脉穿刺的医疗机器人上。该类医疗机器人可以通过结合静脉图像识别与穿刺监测的方式提升静脉穿刺的成功率，从而降低对患者的伤害。

静脉穿刺机器人系统主要由静脉成像和静脉穿刺两个部分组成。静脉成像模块主要是通过传感器获取静脉图像，并对获取的静脉图像进行数字化处理，最后再通过屏显或者投影的方式显示出来[5,6]，为下一步引导静脉穿刺提供一个良好的视觉基础；静脉穿刺则是通过自动控制原理将穿刺针置于静脉中心，由于穿刺过程中无法观察到穿刺针的位置信息，所以需要通过传感器技术对静脉壁的刺破状态进行判断，监督静脉通路形成。事实上，静脉成像技术和静脉穿刺技术已经在临床治疗上得到了广泛的应用，但基于这两种技术的自动静脉穿刺机器人还处于实验室阶段，尽管在研究的过程中有很多挑战，依旧取得了不少成果。

1 静脉成像系统

手工静脉穿刺主要是依赖人眼以及医务人员的经验来进行目标静脉的确定，而在机器人系统当中需要通过传感器感知的方式获取静脉的位置信息。目前,能够实现静脉成像的技术包括红外光成像、超声波成像和光声成像。

1.1 红外光成像系统

由于每个人的静脉分布具有不可复制的特性，最早采用红外光谱进行静脉成像的是生物识别技术领域，为信息安全提供更有效的保障[7～9]。在现代医疗追求微创甚至无创诊断的条件下，由于近红外光可穿透身体组织的特性，被广泛应用于医学诊断当中。

近红外成像是指在近红外光的辅助下进行的图像采集，这是由于近红外光可以穿透皮肤、脂肪等身体组织，在无创的条件下暴露皮下组织信息。血红蛋白对不同波长的红外光的吸收能力不同，在医学信息采集上一般选用740～940 nm波长范围的红外光进行照明，与皮肤组织相比，静脉在近红外图像中呈现黑色。造成这一现象的原因是,皮下静脉内血液缺氧,血红蛋白的光吸收系数较高，背散射光系数较低。

已经投入商用的静脉成像设备包括VeinViewer(Christie Medical Holdings Inc)和A V400系统(AccuVein Inc)，它们均是采用近红外成像技术引导静脉穿刺的图像可视化辅助设备。设备内置摄像头、红外光发射仪和投影仪[10]，通过发射红外光照射皮肤，并对信息进行实时的数字化处理，最终将处理所得静脉分布信息投影到皮肤表面，以帮助医生发现静脉。图1为VeinViewer呈现的静脉分布。从实际应用情况来看，这种静脉成像设备并没有显著提高首次静脉穿刺的成功率[11]，这是由于医生虽然可以通过VeinViewer看到深达15 mm的皮下静脉，但还是无法获取静脉深度信息;另一方面,VeinViewer并不能够实现自动穿刺，依旧需要临床医生进行手工穿刺，在手工穿刺过程中,一旦静脉出现细微的滚动就有可能造成静脉穿刺失败。

图1 VeinViewer 系统下的静脉图

除近红外光成像系统外，中国矿业大学李承东等人提出采用单片机对红、橙两种光源分别控制的方法进行静脉信息显示，实验表明，该方法广泛适用于不同年龄段人的静脉信息显示，但依据该方法研发的静脉显像仪KFR-JM1的穿刺辅助效果较差。这是由于产品在使用时需要用手部按压，会导致静脉产生形变，不利于临床医生进行静脉穿刺。

1.2 超声波成像系统

由于近红外穿透能力有限，研究人员提出采用超声波成像的方式进行静脉成像[12]。医用超声波的穿透能力强，在临床诊断当中主要用于获取人体各器官剖面图，此外，采用多普勒效应还可以获得血管直径、血流速度等血管信息[13]，这是由于不同的身体组织密度不同，在遇到超声波后会产生不同的反射波，从而形成不同的超声波图像，同时通过剖面图可获得组织的深度信息。

2016年，美国BK Ultrasound公司提出了一种便携式手持超声仪——Sonic Window(图2)。该设备通过超声波获取皮下静脉二维图像，并以屏显的方式对静脉图像纵向视图进行显示[14]。此外,医生在进行穿刺时，可以根据显示界面实时查看穿刺针的位置。由于Sonic Window的像素有限，在对直径较小的静脉进行显示的过程中可能会有一定的挑战。

图2 便携式手持超声仪

2017年,北京工商大学霍亮生等人提出基于B超成像的手持式自动静脉穿刺装置[15,16]，该装置通过超声波进行血管内径和深度的采集，从而确定需要进行穿刺的靶血管，再驱动穿刺针进行穿刺动作，直至到达系统预计进针距离。该设备除了采用超声成像技术外,还集成了静脉穿刺装置,来实现自主静脉穿刺。

虽然超声成像已经广泛应用于现代医学领域，然而在实际的静脉成像过程中还是会遇到很多问题。例如，由于肥胖患者皮下脂肪丰富，静脉图像会出现严重的伪影和散斑，从而影响医生对静脉位置的判断。此外，为了提高静脉图像的质量，还需要在患者皮肤上涂抹耦合剂，很多情况下可能会需要2名操作员进行同时操作，从而造成医疗资源的浪费。

尽管超声成像和近红外成像技术在现代医疗领域已经得到了广泛的应用，但是依旧存在很多不足。例如，近红外成像不能够显示静脉的深度信息，超声成像容易受到伪影和散斑的影响。以上问题都会对静脉穿刺的结果造成影响，然而两种技术的结合可以有效弥补单一成像技术的不足。研究人员也在进一步对光声成像进行研究，用于静脉辅助设备中。

2 静脉穿刺系统

在静脉穿刺过程中，穿刺针需要通过表皮、真皮、脂肪和静脉壁进入血液，肌肉则位于上面所有层的下面。一旦穿刺针刺穿静脉壁或者滑过静脉壁，就判定静脉穿刺失败。对于是否成功实现静脉穿刺，手工穿刺主要依赖于输液反应来进行判断，而穿刺机器人可根据力学反馈感知、电阻抗检测等技术进行判断。

2.1 力学反馈感知

物理学表明,当弹性膜遇到尖锐的物体时会发生弹性形变，同时会给施力方一个反作用力，而在弹性膜被刺破的瞬间,作用力到达峰值，随后力水平下降[17]。在临床医学中,利用力学的这一特性,可以进行皮肤和静脉壁的刺破检测。1998年,Okuno D等人就提出了基于力反馈的自主静脉穿刺概念[18]，并对兔耳朵进行静脉穿刺，在穿刺过程中,观察到2个典型峰值。第二个典型峰值出现后，表明针尖已位于静脉内，进一步证明了力反馈感知的理论。这一理论的提出为静脉穿刺机器人发展起到了推动作用。但不同的皮肤和静脉的张力、强度等力学特性通常是有差异的，在进行判断时，需要对力的峰值参数进行调整[19]。

2.2 电阻抗检测

2016年，Cheng Z Q等人提出利用组织的电阻抗来检测静脉穿刺情况[20]，有研究表明，不同类型的组织具有不同的电阻抗,表1为不同组织电阻抗值的特征范围[21]，可以根据所测得的不同组织的阻抗参数来控制针的插入过程。这同样在Saito的研究当中得到了证实[22]，他们将一个电极附着在兔耳朵的一端，并用内置另一个导电电极的穿刺针对兔耳朵的另一端进行穿刺，当血液流入针头后，电路短路，电阻抗体积描记器检测到电阻抗值的变化，从而证明电阻抗检测可以用来判断静脉穿刺情况。

表1 组织电阻抗值的特征范围 Ω

基于电阻抗穿刺检测原理，Cheng Z Q等人提出了用于儿童外周静脉置管的手持静脉穿刺设备——Cath Bot[23]，该系统主要用于辅助医生静脉穿刺。图3为Cath Bot结构示意，Cath Bot采用同心电极针(F8990/45,FIAB SpA，意大利)进行穿刺，穿刺的过程中，当针尖检测到血液阻抗值后,表明针尖已进入静脉当中，设备外壳上的LED被点亮，同时激活电磁锁,使得针与手持式装置外壳分离，完成静脉穿刺。该系统在穿刺检测的研究上突破了传统的方法，此外,提出的手持穿刺设备也更具有普遍适用性，但系统并没有和静脉成像技术相结合，在穿刺过程中,需要依赖临床医生对静脉位置信息的判断。如果患者静脉位置较深,不易发现，会影响静脉穿刺的成功率。

图3 Cath Bot结构示意

3 自动静脉穿刺机器人

尽管关于自动静脉穿刺机器人的研究还处于实验室阶段，但早在2001年,就出现了第一台使用单一力实现静脉穿刺技术的机器人系统——BloodBot,它是通过传感器触诊的方式判断静脉的位置信息，并通过检测针尖刺穿血管壁瞬间的峰值来判断穿刺情况，该系统作为第一台静脉穿刺机器人系统，为医疗机器人的发展提供了新的方向。但在静脉定位的过程中，如果无法控制传感器对臂部施加的压力，可能会对患者造成伤害。如果力度过大,会导致患者感到不适;力度过小,就无法进行静脉定位。

随后,一家创立于2009年的初创公司提出了基于图像引导的自动采血机器人——Veebot[24]，系统能够快速有效地完成静脉穿刺,且成功率高达83 %。这是第一次将图像引导入针技术应用于手术室之外。实际上，基于图像引导的自动入针机器人系统早已被应用于现代医学领域，但这些系统大多是应用于神经外科、骨科等科室的大型手术当中[25]，在静脉穿刺干预领域的研究涉及甚少。而在实际临床治疗过程中,静脉成像技术与自动静脉穿刺技术的结合能够更有效地完成静脉穿刺。

2013年,Carvalho P等人提出了一种基于近红外单目成像和力反馈结合的静脉穿刺辅助机器人——Phlebot[26]。 该系统采用模块化的设计原则，通过视觉模块对静脉图像进行获取、建模， 通过运动模块到达穿刺部位，最后通过力反馈模块对目标静脉进行穿刺。然而该系统并没有实现自主静脉穿刺，在穿刺的过程中需要医生进行穿刺位置的确定。此外，系统在对静脉进行建模时，只建立了静脉二维的直线模型。

为实现静脉穿刺的全自动化，Chen A等人研发的一种可移动的图像引导静脉穿刺机器人——Venous Pro。该系统已经进行了4代产品的更新，系统均采用声光检测的方法进行静脉成像。其中,第一代产品是利用双目摄像头成像的四自由度机器人系统，与单目摄像头相比,该系统能够进行血管深度信息的显示，从而实现血管三维重建，进一步引导针进行静脉穿刺[27]。尽管该系统为静脉穿刺提供了更多的静脉可视化信息，但该系统并没有给出有效的静脉穿刺方案，而且机械臂在执行穿刺工作时,缺少适应人类生理变化的关键自由度。2015年提出的新一代Venous Pro是在闭环运动学和图像共同引导下操纵针的七自由度机器人系统[28]，该系统有效解决了自由度缺失的局限性，但在穿刺过程中,依旧需要依赖临床医生进行穿刺定位。第三代Venous Pro对穿刺运动的判别进行调整，利用立体视觉、超声波、反馈力测量来实时追踪针的位置[29],相比前两代产品系统,穿刺精度得到显著提高。最新一代Venous Pro是在基于前几代系统的基础上，仅在算法上进行了改进，在穿刺过程中,采用神经网络算法试图捕获多分辨率尺度下的显著图像特征和运动特征[30]，从而提高静脉穿刺的自动化和成功率。但系统并没有实现全自动，还是需要操作员进行目标静脉的确定。

随着对自动图像引导的静脉穿刺机器人系统的深入研究，对静脉穿刺机器人的开发不再局限于静脉成像和穿刺技术，而是将机器人系统与血液检测系统、自动配药系统相集成，从而形成一个高自动化的机器人系统。

4 总结与展望

目前，静脉穿刺设备主要分为静脉成像设备和静脉穿刺机器人两类。在部分国家,静脉成像设备已经投入到临床使用当中，而静脉穿刺机器人仍处于实验室研究阶段。从医院的角度来看，造成这种现象的原因主要有以下3个方面：1)现有的静脉穿刺机器人系统智能化程度不够高，仍然需要医生辅助确认穿刺，并没有达到缓解医疗资源紧张的问题；2)静脉穿刺机器人系统的购买和维护成本高，会造成患者穿刺成本的增加;3)人类自身对机器人的畏惧心理会导致患者对机器人穿刺产生抗拒。从研究成果来看，现有的静脉穿刺机器人体积较大,不方便放置；静脉成像不够清晰，受噪声影响较大，也未能呈现静脉的深度信息；静脉穿刺检测的灵敏度不够，可靠性差。为推进静脉穿刺机器人实现临床应用，需要进一步对以下问题进行研究：1)设计结构更加精巧的静脉穿刺机器人；2)通过改进算法进一步提高静脉图像的清晰度，增加静脉深度信息的显示；3)建立可靠的静脉穿刺检测系统；4)提升静脉穿刺机器人的独立穿刺能力。