机器人出现之前，手术训练以同样的方式进行了近一个世纪。
在常规外科手术中，实习生会和护士、麻醉师以及技师合作，对患者进行安置和镇静，同时做好术也需要仪器和灯光准备。接下来，在许多情况下，都由实习生切开并烧灼血管以防失血，并放置夹子以暴露需手术的器官或区域。在外科医生到达、擦洗，并接手之前通常是这样。但手术一般需要两个人，因此实习生会协助高级外科医生进行吸血和移动组织的工作，随着经验的积累，他们也将逐渐发挥主导作用。主要的手术任务完成后，外科医生会擦洗干净，然后去处理文书工作。之后，由实习生完成一切必要的缝合或粘合工作，将患者恢复完整。
在老方法下，实习生需在每台手术中负责数小时的工作。 腹腔镜手术（有时也称为“微创手术”）也没有太大不同。 在腹腔镜手术中，会通过微小的切口将工具和摄像机放入患者体内。 在这些手术中，实习生也做了很多准备工作和清理工作。 这种师徒合作制度确立已久，因此在手术室的时间依然可视为技能培养的指标。
但这不适用于机器人手术。自2000年美国食品药品监督管理局批准达芬奇手术系统以来，手术机器人在医院越来越普遍。如今，来自硅谷Intuitive Surgical公司的达芬奇机器人已在市场上占据主导地位。世界各地的医院有6700多台Intuitive公司的机器，该公司表示，美国所有的顶级医院都在使用达芬奇机器治疗癌症、泌尿科、妇科和胃肠疾病。此外还有其他公司的各种专用机器人系统，用于骨科、神经科和眼科等领域。
在机器人手术中，最危险的时刻是在手术开始和结束时，手术团会队将巨大的机器人与患者进行“对接”。对于当前一代的达芬奇系统来说，这意味着将4只末端装有手术工具的机械臂摆好位置，并通过小切口将金属圆柱体插入患者体内来创建“端口”。第一个端口用于摄像机进入；其他端口用于手术刀、抓取器、烧灼器和吻合器等工具。一旦机械臂就位并插入器械，外科医生就会擦洗干净，并在距离沉浸式达芬奇控制台上的患者约15英尺的位置就位，控制台会提供立体视图。外科医生的双手会放在两个多功能控制器上，控制器可以向各个方向移动和旋转器械；通过切换控制器，外科医生的双手可以轻松操纵4只机械臂。
至于实习生……如果有另一个控制台的话，实习生可以从另一个控制台观看。虽然理论上主刀医生可以让实习生控制一只机械臂，但这在实践中从未发生过。并且外科医生不愿意让实习生控制所有机械臂，因为他们知道这会延长手术时间，而患者在麻醉下的风险会随时间的推移非线性增高。
2013年，我开始研究手术机器人对手术技术和教育的影响。研究发现，采用这项技术的医院大多将实习生变成了手术室的可选助理，这意味着他们会在没有足够技能的情况下开始作为“真正的”外科医生进行实践。扭转这一趋势需要彻底的制度变革，但预计这不会很快发生。因此，我正在与搭档合作，为外科技能学习研究另一种解决方案。我们创建的平台可能会是广泛有用的，甚至可能成为21世纪学徒制的蓝图。
手术机器人在许多方面都是工程学奇迹。达芬奇系统为外科医生提供了放大的视野和永不抖动的机械手，从而实现了非常精确的手术操作。它提供的控制比外科医生通过腹腔镜工具获得的控制更加高效和直观：腹腔镜工具在支点上操作，因此将手向左移动会导致工具移向右边。达芬奇机器人还提供了触觉反馈，早期型号在软件检测到仪器发生“碰撞”时会振动控制器，最近的型号在外科医生移动过快或操作脱离视野时也会提供类似的反馈。对外科医生来说，人体工程学控制台当然会令他们的身体更轻松；他们再也不用每次在手术台上弯腰操作几个小时了。机器人也是一种营销现象，带来了机器人手术军备竞赛，中端医院会利用它来宣传其高技术能力。
许多人认为机器人手术一定更有利于患者恢复，然而并没有明显证据支持这一点。事实上，最近一项50人随机对照试验调查将机器人手术与传统手术和腹腔镜手术进行了比较，发现结果具有可比性，机器人手术实际上慢一点。从教育角度来看，考虑到住院医生在没有必要经验的情况下就开始了自己的第一份工作，结果没有变得更糟就算一个奇迹了。这可能是因为，经验不足的初级外科医生的手术结果被高级外科医生的手术结果抵消了，或者可能是初级外科医生真的在“野生状态下”学习了他们的第一台手术，这个想法有点令人不舒服。这是一个热门的研究领域，所以我们应该尽快了解更多。
外科实习生需要更多的培训时间，这似乎违反直觉。要成为一名外科医生，一个人必须先在医学院学习4年，然后在住院医师项目至少待5年。医务人员超负荷工作、睡眠不足是出了名的，以至于美国在2003年通过了规定，将其每周工作时间限制在80小时。不过，尽管外科住院医生在手术室里花了很多时间，但我的研究发现，这些时间并没有给他们提供所需的技能。而且由于总是从与一个患者相关的任务奔波到下一个，他们几乎没有时间花在模拟程序上，虽然有这些模拟器可用。我上次研究这种情况是在大约1年前，那时大多数医院强制要求住院医生每年花大约4个小时在模拟器上。这就像要求一个人每年玩4个小时的电子游戏以便为生死攸关的情况做准备一样。
在许多方面，机器人手术领域出现的问题也反映了其他行业面临的问题，因为它们越来越依赖自动化。这种情况被总结为“自动化悖论”：自动化系统越先进、越可靠，人类操作员的贡献就越重要。因为系统将不可避免地遇到超出其设计参数的意外情况或以某种方式出现故障。在这些罕见但关键的时刻，操作员必须发现故障并接管，将人类的创造力和解决问题的能力迅速应用于棘手情况。随着自动驾驶仪的普及，航空公司的飞行员也开始熟悉这个问题，而自动驾驶汽车的前景正将这一话题带到公众面前。在这一点上，手术机器人的自主性相当有限，因此外科专业人士应该从这些事例中吸取经验教训并立即行动，改变人机关系，以便既保留手术技能，又避免发生手术室悲剧。
我利用两年时间研究机器人对手术训练的影响，得出了一些结论。我在5家医院花了大量时间，观察了94台手术，共计478个小时。接下来，我在美国13家更顶级的教学医院进行了采访，从高级外科医生和几组被外科医生认为表现良好或平均水平的实习生处收集信息。我在2019年发表的论文总结了相关发现，但结果令人失望。一小部分实习生之所以能成功学到机器人手术技能不外乎以下3个原因：他们不惜一切代价专攻机器人技术；他们将空闲时间全部用于做模拟程序和观看YouTube上的视频；或者他们最终在几乎没有监督的情况下进行了手术，在即将超出其能力边缘的手术中苦苦挣扎。我把所有这些做法称为“影子学习”，因为它们在某种程度上违背了医学教育的规范。我将更加详细地解释每种策略。
“过早专业化”的住院医生为了获得机器人技术经验，通常从医学院（甚至更早）开始便对其他学科或个人生活漠不关心。通常，他们会寻找研究项目或找到导师以便有机会参与其中。失去医药或外科方面的通才教育可能会对实习生产生影响。最明显的是，在某些情况下，外科医生必须关闭机器人，打开患者的身体，进行手动操作。这种情况几乎从未因机器人故障而发生过；而是更有可能在机器人操作过程中出现问题时发生。如果外科医生不小心划破静脉或切除肿瘤时导致癌细胞渗漏，补救方法是快速移除机器人，切开患者身体，并以老办法解决问题。我的数据强烈表明，过早专攻机器人技术的住院医生没有充足的准备来处理这种情况。
取得成功的实习生的第二种做法是抽象演练，将空闲时间花在模拟器上，仔细观看手术视频。一位住院医生告诉我，他观看了一个时长1小时的手术视频达200次左右，以便理解其中的每一部分。但是被动地观看视频只能起到这种程度的作用。比如，许多记录之所以被公开，是因为它们很好地展示了一台手术。换句话说，它们是无差错的手术。
在模拟器上练习对实习生很有帮助，让他们能够熟练掌握机器人控制的基本知识，这可能会在手术室中给高级外科医生留下深刻印象，并使实习生有更多的时间使用控制台。但就达芬奇系统而言，模拟器软件通常只能通过真正的控制台使用，因此住院医生只有在手术室空闲时才能使用它练习，这往往意味着要在医院待到晚上。少数精英机构有模拟中心，但这些中心往往离医院有一定距离。大多数住院医生并不能脱离其他任务以腾出时间专注于这种练习。
一些高级外科医生告诉我，模拟器的另一个缺点是没有足够的例子来演示手术过程中可能出现的各种复杂问题。即便是最好的外科医生也会犯错误，但他们会进行补救。例如，外科医生可能会不小心用手术刀刮伤一条小血管，但很快就会封住伤口并继续手术。在外科和其他许多职业中，实习生需要学习的最重要的事情之一是如何犯错并进行补救。
取得成功的实习生的最后一种做法是寻找能够在几乎没有监督的情形下对患者进行手术的情况，通常在他们能力的边缘工作，并且往往会违反医院政策。例如，一些实习生会在“超级明星”般的外科医生手下工作，而这些外科“超级明星”要同时负责多台手术。在这种情况下，专家只会在每台手术最棘手的部分介入。还有实习生会从地位较高的医院转到机器人手术经验相对较少的科室或医院，从而使他们看起来比较有能力且值得信赖。中端医院给外科医生施加的压力也较小，不要求他们快速完成手术，因此虽然将控制权交给实习生会不可避免地减慢速度，但却更容易令人接受。他们告诉我，所有这些情况下的住院医生通常都很紧张，但面对的困难正是他们的学习动力。
要系统性地改变这种情况，就需要彻底改革外科住院项目，这似乎不太可能在短期内发生。那么，我们能做些什么呢？
过去5年里，实现数字化手术训练（包括机器人技术和其他技术）演练的手机应用程序和计算机程序数量激增。有些程序（比如Level EX和Orthobullets）可提供快速游戏来让用户学习解剖知识或基本的外科手术动作。其他程序则利用了虚拟现实领域的最新发展，如Oculus耳机采用了沉浸方式。其中一款虚拟现实系统Osso VR提供了一套有关精准临床手术的课程，实习生可以在任何地点使用耳机和Wi-Fi进行练习。
我正在研究一些不同的东西——手术技能的协作学习过程，我希望它能发展得类似于开源软件托管平台GitHub。在GitHub上，开发人员可以发布代码，而其他人可以在此基础上进行构建，有时他们会在未来发展的最佳方式上存在分歧，并创建分支路径。我和我的搭档金俊浩（Juho Kim）正在为带注释和可注释的手术视频搭建一个众包资源库，目前还处于早期阶段，这不仅省去了在YouTube上搜索有用视频的时间，还为观看者提供了一种视频互动方式，增多了他们的主动学习。幸运的是，我们还有一个出色的行业合作伙伴：密歇根泌尿外科改进合作组织。他们策划了一个全世界知名的机器人泌尿外科视频开放库。
还有一个类似的基于视频的学习平台：C-SATS平台，现在是强生公司的子公司。外科医生可通过这个订阅制平台安全地上传自己的视频，并利用人工智能擦除患者面部图像等所有个人识别信息。然后，它可以针对外科医生的表现向其提供个性化反馈。
如果C-SATS是大英百科全书，我们就是维基百科。目前，我们正在测试免费的开源平台的初版版本，我们称之为Surch。最近，我们与一些顶级教学医院的外科医生和住院医生一起测试了初版版本，以确定哪些功能对他们而言最有价值。我们请测试人员完成他们通常难以完成的任务：找到符合其学习目标的高质量手术视频、通过对手术阶段和解剖等事项做笔记来积极地加工视频，并与他人分享这些笔记以寻求反馈。这仍是一个学术项目，但基于测试人员对我们的热情回应，似乎存在对商业产品的需求。我们可能会尝试将其加入一个外科住院项目，为期1年，以进一步测试该平台。
我认为我们需要21世纪的基础设施来支持学徒制。之所以会出现我在机器人技能培养过程中发现的问题，是因为外科医生依赖于数千年前发明的学徒模式：观察专家一段时间，越来越多地参与，然后开始帮助更多的初级成员。这个过程有很多名称，在手术中叫做“看一次，做一次，教一次”（see one, do one, teach one），但在实际工作中总是需要一对一的协作，因此无法实现远程扩展。
自20世纪90年代以来，社会大量投资扩大显性知识正式学习所需的基础设施；在线讲座、文档、测验、小组聊天和公告板数量激增。如果要打造新型工作所需的能力，我们需要用于具体化技能的同等基础设施。
我和我的合作者设想，将Surch平台发展成一个用于技能学习的人工智能全球GitHub。在人工智能的支持下，平台可以捕获、研究和共享任何形式的程序性知识，人们可以以协作方式高效地学习如何剥牡蛎壳、移除树桩、更换汽车机油以及完成无数其他任务。当然，如果我们的系统能对外科医生产生积极影响，我们将感到十分荣幸和兴奋。但是这个世界需要很多我们无法用纸笔写下来的技能，所以我们需要找到一种现代方式来鲜活地保持这些能力。
作者：Matt Beane
