81
Capitolo 6
Risultati
82
Conclusioni e sviluppi futuri
La chirurgia robotica assistita da computer viene proposta e utilizzata come chirurgia minimamente invasiva per tipologie di interventi che richiedono una elevata precisione, in particolare per interventi su campi di piccole dimensioni, in cui la fase ricostruttiva dell’intervento ricopre notevole importanza. La tecnologia da Vinci, per quanto già piuttosto diffusa, è ancora ad uno stadio precoce di sviluppo e gli studi clinici condotti fino ad oggi, principalmente una serie di casi finalizzati a valutarne sicurezza e fattibilità, non forniscono indicazioni risolutive sulla sua efficacia clinica.
Gli obiettivi del lavoro di tesi possono essere riepilogati come segue:
analisi tecnologica del robot da Vinci da un punto di vista ingegneristico e sintesi delle caratteristiche innovative e di performance derivate dalla revisione della letteratura;
modellazione cinematica tridimensionale del sistema robotico e simulazione del modello in ambiente SimMechanics per comprendere il funzionamento del sistema;
stima dell’impatto che tale tecnologia emergente potrà avere nell’immediato futuro sulla sostenibilità del sistema sanitario. La dimensione tecnologica potrebbe non integrarsi con una dimensione economica di sostenibilità;
data l’esistenza di alternative alla chirurgia robotica assistita, quali la chirurgia tradizionale e la chirurgia laparoscopica mininvasiva, sarebbe possibile accettare un costo incrementale nell’utilizzo del robot a fronte di un maggiore beneficio. Per ottenere informazioni conclusive su questo aspetto chiave, è stata perseguita una valutazione comparata dei costi e dei benefici della chirurgia robot-assistita rispetto alle soluzioni alternative.
I tre punti precedenti possono essere soddisfatti adottando una prospettiva più ampia, oltre alla dimensione tecnologica, quale la prospettiva HTA, volta al raggiungimento di una valutazione multidisciplinare e multidimensionale del sistema robotico da Vinci. Gli intenti del lavoro di tesi coincidono con gli obiettivi generali e specifici del progetto di ricerca PRIN “Health Technology
Assessment of the DaVinci Master Slave Manipulator in Italy”, che consiste nella realizzazione di
uno studio di Health Tecnology Assessment del robot da Vinci relativo alle specialità chirurgiche di Chirurgia Generale, Chirurgia Ginecologica, Chirurgia Toracica e Chirurgia Urologica.
In questo lavoro si parte, pertanto, dall'analisi della tecnologia, enfatizzandone gli aspetti innovativi da un punto di vista ingegneristico, e si prosegue integrando questa dimensione con la dimensione nuova dei costi e dell'effectiveness.
83 La metodologia di sviluppo del progetto ha previsto le seguenti fasi:
revisione sistematica della letteratura;
analisi dei costi e ipotesi di piani di utilizzo della tecnologia compatibili con la sostenibilità economica;
....
astrazione di processi, strumenti e metodi.
Coerentemente con lo stadio di sviluppo di una tecnologia ancora “immatura”, gli studi disponibili valutano quasi esclusivamente la tecnologia in termini di sicurezza e fattibilità secondo una metodologia e tipologia di disegno di studio non idonee a fornire stime di efficacia clinica
Dal momento che il campo chirurgico offre soluzioni alternative valide al robot da Vinci, a decretare la diffusione della tecnologia, deve essere il beneficio maggiore, che si può trarre dal suo utilizzo, unito alla sostenibilità del sistema.
Lo stimolo conclusivo, che si può trarre dal lavoro di tesi, è tenere sempre più integrati la dimensione di ricerca e sviluppo con la dimensione economica e organizzativa, facendoli camminare insieme/tenere insieme queste due prospettive. Oggi, già a partire dalla fase di progettazione tecnologica, è bene porsi come obiettivo una dimensione economica di sostenibilità. Un fattore chiave da considerare per la diffusione della tecnologia deve essere la sua sostenibilità. Il rischio è la non sostenibilità: raggiungere un costo incrementale inaccettabile rispetto al beneficio apportato.
Il messaggio finale di questo lavoro è lo stimolo futuro di legare sempre meglio l'aspetto tecnologico con quello economico ed organizzativo per tenere conto della diffusione della tecnologia.
84
Bibliografia
1. Dankelman J., Cornelis A., Grimbergen. Engineering for Patient Safety: Issues in Minimally
Invasive Procedures. s.l. : Lawrence Erlbaum, 2005.
2. Robotic Surgery. Stoianovici, D. 2000, Vol. World J Urol 18.
3. Mencattelli, M. Progettazione e caratterizzazione di un sistema idraulico di attuazione per
strumentazione chirurgica mininvasiva. 2011. Tesi di laurea specialistica.
4. Open versus minimally invasive surgery: a man machine system approach. Stassen H. G.,
Dankelman J., Grimberg C. A. 1999, Vol. Transaction of the Instite of Measurement and
Control.
5. Preoperative analysis of the surgical procedure . Boer den K.T., Dankelman J., Gouma D. J.
& Stassen H.C. 16, 2002, Vol. Surgical Endoscopy.
6. CRIM Lab, ENDOCAS. http://www-crim.sssup.it/protected/robmed/. 7. CRIM Lab, ENDOCAS. http://www-crim.sssup.it/protected/mvcas.
8. Whither minimal access surgery: tribulations and expectations. Cuschieri, A. 1995, Vol. American Journal of Surgical 169.
9. Pitfalls of minimally invasive surgery. Herfath C., Schumpelick V., Siewert J. R. 1994, Vol. Surgical Endoscopy 8.
10. Sensing and manipulation problems in endoscopic surgery. Tendick F., Jennings R. W.,
Tharp G., Stark L. 1993, Vol. Presence 2.
11. A Sensorized Minimally Invasive Surgery Tool for Detecting. Bicchi A., Canepa G., De Rossi
D., Iacconi P., Scilingo E. P. 1996, Vol. IEEE.
12. Force transmission of laparoscopic grasping instruments. Sjoerdsma W., Herder J.L.,
Horward M.J., Jansen A., Bannenberg J.J.G. and Grimbergen C.A. 1997, Vol. Minimally
Invasive Therapy & Allied Technologies. Pages 274-278.
13. Man-machine aspects of minimally invasive surgery. Stassen H. G., Dankelman J.,
Grimberg C. A., Meijer D. W. 2001, Vol. Annual Reviews in Control 25.
14. Sensitivity of laparoscopic dissectors; what can you feel? Boer den K.T., Herder J.L.,
Sjoerdsma W., Meijer D. W., Gouma D.J. and Stassen H.G. 1999, Vol. Surgical Endoscopy
13.
15. Simpson, D.C. The choice of control system for the multi-movement prosthesis extended physiological proprioception. [aut. libro] Kadefors R., Magnusson R. and Peterson I. Helberts P.
The control of upper-extremity prosthesis and orthoses. Springfield : Thomas, 1974.
16. Breedveld, P. Observation, manipulation and eye-hand coordination problems in minimally invasive surgery. [aut. libro] Johannsens G., Wittenberg C. and Straetz G. Boyrs B.B. Proceeding
of the 16th European Annual Conference on Human Decision Making and Manual Control.
Kassel, Germany, University of Kassel : s.n., 1997.
17. De Rossi D., Manetti S. Minimally Invasive Devices. s.l. :
http://www.piaggio.ing.unipi.it/images/stories/MediaArchive/Pdf/corsi/bioingegneria/dispositivim inimamente.html.
18. Micro-systems in biomedical applications. Dario P., Carrozza M.C., Benvenuto A. and
Menciassi A. 2000, Vol. J. Micromech. Microeng. 10.
19. Computer Integrated Surgery. Taylor R.H., Lavallée S., Burdea G.C., Mösges R. 1996, Vol. MIT Press.
20. An Overview of Computer-Integrated Surgery and Therapy. Lavallée s., Bainville E.,
Bricault I. 2000, Vol. Critical Reviews in Computed Tomography 41.
21. Progress in Minimally Invasive Surgery. Center, Health Technology. 2005. uqu.edu.sa/../Progress%20in%20Minimally%20Invasive%20Surgery.
85 22. A New Mechanism for Mesoscale Legged Locomotion in Compliant Tubular Environments.
Valdastri P., Webster R.J., Quaglia C., Quirini M., Menciassi A., Dario P. 2009, Vol. Ieee
Transactions On Robotics 25.
23. Precision Design in Surgical Tools . Ramirez H., Kushnir E. San José University : s.n., 2010. www.engr.sjsu.edu/bjfurman/courses/Micro_Surgical_Tools..
24. Madhani, A.J. Design of Teleoperated Surgical Instruments for Minimally Invasive Surgery. 1997. Department of Mechanical Engineering University of California at Berkeley.
25. Robotic surgery, telerobotic surgery, telepresence, and telementoring. Ballantyne, G. H. 2002, Vol. Surgical Endoscopy And Other Interventional Techniques 16.
26. Medical robotics in computer-integrated surgery. Taylor R.H., Stoianovici, D. 2003, Vol. Robotics and Automation, IEEE 19.
27. M., Vendittelli. Medical Robotics. 2005. Università di Roma La Sapienza.
28. Di Puccio, Francesca. Immagini tratte dalle diapositive del Corso "Meccanica Applicata al
Sistema Muscolo-Scheletrico". 2010.
29. 3-D attitude representation of human joints: A standardization proposal. Woltring, Herman
J. 12, s.l. : Journal of Biomechanics, 1994, Vol. 27. Pages 1399–1414.
30. Theoretical Kinematics. Bottema O., Roth B. North-Holland, Amsterdam : s.n., 1979. 31. Phillips, Jack. Freedom in Machinery: Screw theory exemplified. s.l. : Cambridge University Press, 1990.
32. Saha, Sunipa. Appropriate Degrees of freedom of force sensing in robot-assisted minimally
invasive surgery. s.l. : Thesis for the degree of Master of Science in Engineering, 2005.
33. Technical review of the da Vinci surgical telemanipulator. Freschi, C., Ferrari, V., Melfi, F.,
Ferrari, M., Mosca, F., & Cuschieri, A. s.l. : The International Journal of Medical Robotics and
Computer Assisted Surgery, 2012.
34. Surgical, Intuitive. http://www.intuitivesurgical.
35. Minimally invasive surgery. Hunter, J.G.& Sackier, J. M. 1993, Vol. McGraw Hill, Incorporated, Health Professions Division.
36. Sciavicco, Lorenzo & Bruno Siciliano. Robotica Industriale: modellistica e controllo di
manipolatori. s.l. : McGraw-Hill Libri Italia, 2000.
37. Treatment of acute cholecystitis: A comparison of open vs laparoscopic cholecystectomy.
Glavic Z., Begic L., Simlesa D., Rukavina A. 2001, Vol. Surg Endosc 15.
38. Breuker, Dominic. Robotics in Medicine, The da Vinci® Surgical System Device
Technologies. 2009. www.engineersaustralia.org.au/.../BIOMEDICAL/RoboticSurgery-Breuker.
39. Method for Controlling Master-Slave Robots using Switching and Elastic Elements. Yamano
Ikuo, et. al. Proc. of IEEE Int. Conf. on Robotics and Automation pp. 1717-1722, 2002.
40. Heinrichs, Wm.LeRoy. Robots in Medicine. s.l. : Stanford University Medical Media & Information Technologies, 2005. summit.stanford.edu/presentations/RobotsMedTI05.
86
Ringraziamenti
87
88
Appendice C – Gli script Matlab
In questa sezione si riportano gli script (file .m), che sono stati realizzati nell’ambiente
Matlab, utili per automatizzare la fase di simulazione, per definire i parametri geometrici ed
inerziali del modello (parametrizzazione) e per caricare direttamente nel Workspace di Matlab i risultati delle simulazioni, ossia gli output del modello cinematico.
Script: Parametri del modello da Vinci
clc
close all, clear all
%% DEFINIZIONE PARAMETRI GEOMETRICI E INERZIALI DEI LINK %Link 1 l1x=.4; l1y=.4; l1z=0; g1x=.2; %coordinate baricentro g1y=.2; g1z=0; m1=1.5; %massa
I1=.18*[.1 .02 .01;0.02 1 .015; .01 .015 .57]; %tensore d’inerzia
%Link 2 l2x=.5; l2y=0; l2z=.5; g2x=.25; %coordinate baricentro g2y=0; g2z=.25; m2=.60; %massa
I2=.25*[0 0 0;0 0 0;0 0 1]; %tensore d’inerzia
%Link 3
l3x=0; l3y=0; l3z=.4;
89 g3y=0;
g3z=.2;
m3=.45; %massa
I3=.005*[0 0 0;0 0 0;0 0 1]; %tensore d’inerzia
%Link 4 l4x=.5; l4y=0; l4z=.5; g4x=.25; %coordinate baricentro g4y=0; g4z=.25; m4=.135; %massa
I4=.07*[0 0 0;0 .6 0;0 0 1]; %tensore d’inerzia
%Link 5 l5x=.007; l5y=0; l5z=.007; g5x=.5*.007; %coordinate baricentro g5y=0; g5z=.5*.007; m5=.005; %massa
I5=1.5e-7*[0 0 0;0 .55 0;0 0 1]; %tensore d’inerzia
%Link 6 l6x=0.003; l6y=0; l6z=0; g6x=.003/2; %coordinate baricentro g6y=0; g6z=0; m6=.001; %massa
I6=2.25e-9*[0 0 0;0 .58 0;0 0 1]; %tensore d’inerzia
%Link 6’ l6_1_x=0.003; l6_1_y=0; l6_1_z=0; g6_1_x=.003/2; %coordinate baricentro g6_1_y=0; g6_1_z=0;
90
m6_1=m6; %massa
I6_1=2.25e-9*[0 0 0;0 .58 0;0 0 1]; %tensore d’inerzia
%% DEFINIZIONE PARAMETRI PER L’ATTUAZIONE IN MOTO %Tempo di simulazione
T=5;
% Si impone la legge del moto ai giunti, specificando posizione % iniziale e finale per ogni giunto
% I valori di posizione dati in ingresso devono rientrare nel range % di saturazione
%J1
Thi_1=0;
Thf_1=pi; %escursione angolare di J1 nel periodo di simulazione T scelto
Thmax_1=10;
Thmin_1=-10; %valori di saturazione (posizione massima e minima)
%J2
Thi_2=0;
Thf_2=pi; %escursione angolare di J2 nel periodo di simulazione T scelto
Thmax_2=10;
Thmin_2=-10; %valori di saturazione (posizione massima e minima)
%J3
Xi_3=0;
Xf_3=0.5; %escursione lineare di J3 nel periodo di simulazione T scelto
Xmax_3=10;
Xmin_3=-10; %valori di saturazione (posizione massima e minima)
%J4
Thi_4=0;
Thf_4=pi; %escursione angolare di J4 nel periodo di simulazione T scelto
Thmax_4=10;
Thmin_4=-10; %valori di saturazione (posizione massima e minima)
%J5
Thi_5=0;
Thf_5=pi; %escursione angolare di J5 nel periodo di simulazione T scelto
Thmax_5=10;
91
%J6
Thi_6=0;
Thf_6=pi/12; %escursione angolare di J6 nel periodo di simulazione T scelto
Thmax_6=10;
Thmin_6=-10; %valori di saturazione (posizione massima e minima)
%J7
Thi_7=0;
Thf_7=pi/12; %escursione angolare di J7 nel periodo di simulazione T scelto
Thmax_7=10;
Thmin_7=-10; %valori di saturazione (posizione massima e minima)
%%
sim(’modelloDaVinciInverso20120305’) % lancia la simulazione dallo script
%% RISULTATI DELLE SIMULAZIONI
% si plottano le grandezze sensorizzate che vengono memorizzate nel % Workspace sottoforma di variabile struttura
[max_J1 min_J1] = plot_J_inversa(J1_inversa,1); [max_J2 min_J2] = plot_J_inversa(J2_inversa,2); [max_J3 min_J3] = plot_J_inversa(J3_inversa,3); [max_J4 min_J4] = plot_J_inversa(J4_inversa,4); [max_J5 min_J5] = plot_J_inversa(J5_inversa,5); [max_J6 min_J6] = plot_J_inversa(J6_inversa,6); [max_J7 min_J7] = plot_J_inversa(J7_inversa,7);
[x_fine_EE y_fine_EE z_fine_EE] = plot_EE_inversa(EE_pos_orient_inversa); [x_fine_EE_1 y_fine_EE_1 z_fine_EE_1] =
plot_EE_inversa(EE_1_pos_orient_inversa); lastTwistEE=evalTwist(EE_pos_orient_inversa.signals.values(end,:)); num_moments=size(EE_pos_orient_inversa.time,1); twistEE=zeros(num_moments,6); for i=1:num_moments twistEE(i,:)=evalTwist(EE_pos_orient_inversa.signals.values(i,:)); end twistEE_1=zeros(num_moments,6); for j=1:num_moments twistEE_1(j,:)=evalTwist(EE_1_pos_orient_inversa.signals.values(j,:)); end % subplot(3,2,1) % plot(EE_pos_orient_inversa.time,twistEE(:,1));%pos x % % subplot(3,2,2) % plot(EE_pos_orient_inversa.time,twistEE(:,2));%pos y % % subplot(3,2,3) % plot(EE_pos_orient_inversa.time,twistEE(:,3));%pos z
92 figure;
subplot (3,1,1)
plot(EE_pos_orient_inversa.time,twistEE(:,4)); %rot x
xlabel(’t [s]’), ylabel(’rot_x’); title(’Orientamento EE’); subplot (3,1,2) plot(EE_pos_orient_inversa.time,twistEE(:,5)); %rot y xlabel(’t [s]’), ylabel(’rot_y’); subplot (3,1,3) plot(EE_pos_orient_inversa.time,twistEE(:,6)); %rot z xlabel(’t [s]’), ylabel(’rot_z’); figure; subplot (3,1,1) plot(EE_1_pos_orient_inversa.time,twistEE(:,4), ’r’); %rotx
xlabel(’t [s]’), ylabel(’rot_x’); title(’Orientamento EE_1’) subplot (3,1,2) plot(EE_1_pos_orient_inversa.time,twistEE(:,5), ’r’); %rotx xlabel(’t [s]’), ylabel(’rot_y’); subplot (3,1,3) plot(EE_1_pos_orient_inversa.time,twistEE(:,6), ’r’); %rotz xlabel(’t [s]’), ylabel(’rot_z’);
save RisultatiInverso J1_inversa J2_inversa J3_inversa J4_inversa J5_inversa J6_inversa J7_inversa EE_pos_orient_inversa EE_1_pos_orient_inversa twistEE
Script: Funzione plot_J_inversa
function [maxJ minJ] = plot_J_inversa(struttura,n)
figure;
subplot (4,1,1)
plot(struttura.time, struttura.signals.values(:,1), ’g’), xlabel(’t [s]’), ylabel([’pJ_’ num2str(n)]), title([’J_’ num2str(n) ’ Angle’]);
subplot(4,1,2)
plot(struttura.time, struttura.signals.values(:,2), ’r’), xlabel(’t [s]’), ylabel([’vJ_’ num2str(n)]), title([’J_’ num2str(n) ’ Velocity’]);
subplot(4,1,3)
plot(struttura.time, struttura.signals.values(:,3)), xlabel(’t [s]’), ylabel([’aJ_’ num2str(n)]), title([’J_’ num2str(n) ’ Acceleration’]); subplot(4,1,4)
plot(struttura.time, struttura.signals.values(:,4), ’p’), xlabel(’t [s]’), ylabel([’\tau{}J’ num2str(n)]), title([’J_’ num2str(n) ’ Computed Torque’]); maxJ = max(struttura.signals.values(:,4));
93
Script: Funzione plot_EE_inversa
function [x_fine y_fine z_fine] = plot_EE_inversa(struttura)
figure;
subplot (3,1,1)
plot(struttura.time, struttura.signals.values(:,1)), xlabel(’t [s]’), ylabel(’x’); title(’Posizione EE’)
subplot (3,1,2)
plot(struttura.time, struttura.signals.values(:,2), ’g’), xlabel(’t [s]’), ylabel(’y’);
subplot (3,1,3)
plot(struttura.time, struttura.signals.values(:,3), ’r’), xlabel(’t [s]’), ylabel(’z’);
x_fine = struttura.signals.values(end,1); y_fine = struttura.signals.values(end,2); z_fine = struttura.signals.values(end,3);
Script: Funzione evalTwist
function twist=evalTwist(myVar)
twist(1)=myVar(1); twist(2)=myVar(2); twist(3)=myVar(3);
%le prime tre componenti del twist corrispondono con le prime tre %componenti del vettore argomento (pos x, y, z)
R(1,1:3)=myVar(4:6); R(2,1:3)=myVar(7:9); R(3,1:3)=myVar(10:12);
%R è la matrice di rotazione, verifico le proprietà
RA=.5*(R-R’); traccia=R(1,1)+R(2,2)+R(3,3); rx=RA(3,2); ry=RA(1,3); rz=RA(2,1); theta=acos((traccia-1)/2); twist(4)=theta*rx; twist(5)=theta*ry; twist(6)=theta*rz;