Why Robotics?

▶APOTECAchemo, 항암제 제조 로봇[2] 

▶VUNO, LUNIT 등의 AI 판독 보조 시스템[3] 

▶생체신호 기반의 심정지 예측 시스템, DeepCARS[4]  

이 이미지[5]를 차용하여, Limited Robot Assistance의 대표격인 Intuitive Surgical(ISRG)와 그 아이템 Da Vinci System의 이야기, 그리고 Task-specific Assistance 의 대표격인 Stryker와 그 아이템 Mako의 이야기를 먼저 톺아보려고 한다.

[5] R. K. D., “Design control and management of intelligent and autonomous nanorobots with artificial intelligence for prevention and monitoring of blood-related diseases,” Engineering Applications of Artificial Intelligence, vol. 131, no. 9, p. 107798, Jan. 2024. doi: 10.1016/j.engappai.2023.107798.

Limited Robotics Assistance; ISRG & Da Vinci System

암을 진단받거나 장기를 절제해야 할 일이 생기면, 로봇 수술을 권장하는 경우가 많다. 현재 우리나라에는 100대 이상의 로봇 시스템이 끊임없이 작동하고 있고, 연간 20,000건 이상의 수술이 da Vinci 시스템에 의해서 수행되고 있다.

이러한 로봇 수술을 시행하고 권장하는 이유는 크게 2가지가 있다고 알려져 있다. 작은 절개창을 내고도 완전 개복 수술을 시행했을 때와 비슷한 치료 결과를 기대할 수 있다는 점과, 건강보험 적용이 되지 않는 비급여 항목으로 분류되어, 기존 복강경 수술 대비 고가의 수술비로 의료기관의 수익성 향상에 기여하기 때문이다.

우리나라의 로봇 수술은 대부분 Intuitive Surgical이라는 회사의 da Vinci Surgical System에 의해서 수행된다(물론, 우리나라 회사인 미래컴퍼니의 "레보아이"도 한두대 보유하고 있는 병원도 있기는 하다). Intuitive Surgical은 하드웨어 기업임에도 불구하고, "Razor and Blades Model"로 알려진 비즈니스 모델을 적용하고 있다. 이 모델에서는 수술을 수행할 때 반드시 필요한 소모품을 반복 구매하도록 설계해 안정적인 매출 구조를 만든다. 이를 통해 연 매출 약 $8.35B, 영업이익률 30%를 기록하며, 기업가치는 약 $170B로 인정받고 있다.

Intuitive Surgical 그리고 da Vinci System의 탄생에는 Frederic Moll(빌게이츠 고등학교 2년 선배)의 기여가 컸다. 1980년대 초 버지니아에서 외과 레지던트로 근무하던 중, 수술 절개로 인한 환자 부담을 줄이기 위해 안전 트로카(safety trocar)를 개발하였고, 이를 통해 일반적인 복강경 수술의 가능성을 열었다. 이후 레지던트를 그만두고, 실리콘밸리에서 Endotherapeutics와 Origin Medsystems를 설립하였으며, 각각 United States Surgical과 Eli Lilly에 인수되었다. Stanford에서 MBA를 하면서 더 나은 수술 시스템에 대한 고민을 하던 Frederic Moll은 1980년대 후반부터 진행된 전장에서 원격 수술을 수행할 수 있는 로봇 시스템을 개발하고 있던 Stanford 대학 산하의 SRI(Stanford Research Institue)의 연구를 눈여겨보고, 이를 사업화하기 위한 방법을 찾았고, 결국 SRI의 John Freund 및 Rob Younge와 함께 Intuitive Surgical을 공동 설립하였다.

회사는 최소침습적 로봇 보조 수술 도구와 플랫폼 개발에 주력하였으며, 1997년 첫 번째 프로토타입인 "Lenny"를 개발한 후, 이후 "Leonardo", "Mona" 등의 개선된 모델을 거쳐 최종적으로 "da Vinci Surgical System"이라는 이름을 확정했다. 1999년 유럽을 시작으로 2000년 미국 FDA가 복강경 수술(Laparoscopic Surgery)에서의 적응증을 승인함에 따라 그 시스템의 보급이 시작되었다. 이후 전립샘 수술, 흉강경 수술, 심장 수술, 부인과 수술 등 다양한 적응증을 추가하며 빠르게 의료 현장에 보급되며, 지금의 5세대 da Vinci System의 출시 그리고 1400만례의 수술까지 이어져 왔다.

다빈치 시스템의 핵심 기술은 EndoWrist 기구의 구현이다. 이는 선형이동과 기본적인 회전만이 가능한 4자유도의 복강경 기구를 개선하여 6자유도(DOF) 또는 7자유도(DOF)를 제공하여, 제한된 공간 내에서 정밀한 술기를 수행하기 힘든 한계를 극복하고 있다. 또한, 최신 모델에서는 AI를 기반으로 한 손 떨림 보정과, force-feedback haptic interface를 제공하는 등 개복 수술과 거의 유사한 수술 과정과 결과를 제공할 수 있도록, 끊임없이 외과 의사들이 복강내 장기들과 정확하게 상호작용하며 최선의 치료 효과를 얻어낼 수 있는데 집중하고 있다.

이와 함께 다빈치 시스템은 고해상도 3D 시각화 및 형광 영상 기술을 활용하여 수술 중 시야 확보를 극대화한다. 특히 da Vinci System의 조종 콘솔의 화면은 3D 스테레오 영상을 비롯해, 혈관과 종양 경계를 더욱 명확하게 식별할 수 있는 형광영상 기술, 실시간으로 조직의 혈류 상태를 평가할 수 있는 근적외선 영상 기술 등을 활용해 보다 안전한 절제와 봉합이 가능하다. 이를 통해 인간의 직관을 보조하고 수술 중 발생할 수 있는 실수들을 예방 더욱 나은 치료 효과를 주기 위해서 노력하고 있다.

2024년 출시된 Da Vinci System. [6]

[6] 박민식. “인튜이티브, 차세대 로봇수술 시스템 ‘다빈치 5’ 국내 출시.” 메디게이트뉴스, 2024년 11월 1일, https://medigatenews.com/news/390344585.

da Vinci system은 EndoWrist 기술을 기반으로 한 정교한 미세 조작 기술을 제한된 공간 안에서 구현하는데 그 목표가 있다. 이는 연조직의 절제와, 박리와 같은 의료 행위에 적합하여, 비뇨기계, 소화기계 등 torso 내부의 장기들의 수술의 적응증에 적합한 반면, 뼈와 같은 경조직에는 적용할 수 없다. da Vinci System이 타겟하지못하는 영역을 공략하고 있는 또다른 로봇 수술 시스템은 Stryker 사의 Mako System이다.

Mako system의 3D CT-based planning 과 AccuStop™ haptic technology [7]

[7] Stryker. “Mako SmartRobotics Overview.” Accessed March 16, 2025. https://www.stryker.com/us/en/joint-replacement/systems/Mako_SmartRobotics_Overview.html

Stryker의 Mako는 정형외과 수술 중 무릎/엉덩관절 치환술 수술에 활용된다. 2021년 기준, 이 시스템을 이용해 50만건 이상의 수술이 수행되었을 정도로, 많은 정형외과 전문의들에게 사랑받고 있다. 이러한 수술의 수요가 많아 시장성을 고려하기도 했겠지만, 왜 이러한 적응증을 세부적으로 타겟하는 로봇 시스템이 나왔을까?

인공관절 치환 수술의 예후를 높이기 위해서는, 정확한 절삭과 해부학적 정렬이 필수적이다. 이를 위해, MAKO와 같은 로봇 시스템은 각종 정형외과적 이미지와 개인별로 고려된 약간의 해부학적 변이를 고려한 맞춤형 수술 계획을 수립하고, 실시간 위치 라벨링 및 센서 피드백을 활용해 정밀한 수술을 수행한다. 직접 계획을 수립해, 기계가 조작된다는 것이 복강 내 수술과는 다른 점인데, 거의 대부분의 정강이뼈와 허벅지뼈는 거의 그 구조가 일정하고, 환자가 수술대에 누운 순간부터 그 위치는 변하지 않는다. 이는 로봇이 자율적으로 수술 계획을 세우는 알고리즘을 만들어내기 아주 완벽한 환경이다.

현재 수술실에서 사용되고 있는 로봇들은 크게 이 두 가지 정도의 방향성이다. 30년 뒤에는 지금까지의 상상력으로는 풀지 못했던 적응증을 뾰족하게 풀어내는 로봇이 발명될 수도 있고, 아니면 지금의 형태와는 크게 다르지는 않지만 새로운/그리고 보다 더 자율성을 갖고 환자와 의사의 경험을 보다 편리하게 만드는 형태의 로봇들이 등장할 것이라고 생각한다. 아래는 MD winners Technology 팀원들의 수술실의 미래에 대한 고민들에 대한 글이다.

Cutting with Confidence: Robotics for efficient R0 resection; 김백

"방금 프로즌 나간 검체 결과가 벌써 나온 건가요?", "아닙니다, 교수님. 아까 나갔던 단면입니다."

대규모 종양 수술에서는 이런 대화를 종종 들어볼 수 있다. 이때 '프로즌'은 동결절편생검(frozen section biopsy)을 가리킨다. 동결절편생검은 절제연(resection margin)에 종양 세포가 없는 것을 확인하는 데 필수적인 과정이며, 대개의 경우 수술 부위를 봉합하기 전에 이 생검 결과부터 기다리게 된다. 정형화된 과정이 있고 다루는 부위가 좁은 수술에서는 보통 한두 단면의 생검으로 충분하지만, 복잡한 수술에서는 중간에 서너 번씩 생검이 이루어지기도 한다. 그렇다면 기술의 힘으로 이 과정을 생략할 수는 없을까?

동결절편생검을 통한 현미경적 확인 과정을 아예 생략하는 것은 당분간 상상하기 어려울 것이다. 그러나 적어도 결과를 대략 예상하는 것은 이미 가능했다. 경험 있는 외과의는 조직을 보고 만지며 종양의 경계를 예상할 수 있으며, 생검의 결과가 어떻게 나올지도 어느 정도 추측할 수 있기 때문이다. 그리고 가까운 미래에는 로봇의 시야에서 조직의 모습을 실시간으로 분석하여 종양 세포가 없는 절제연을 '확신을 가지고 예상'하는 것이 가능해질 전망이다. 즉 로봇 수술 중의 실시간 광학적 생검(real-time optical biopsy in robotic surgery)이 가능해지는 것이다. 한 예로 H. Jeyarajan, et al. (2025)[8]은 두경부암 로봇 수술에서 공초점 레이저 현미경(confocal laser endomicroscopy)이 장착된 탐침자(probe)로 절제연의 점막 구조를 세포 단위로 분석했으며, 이는 수술 중에 실시간으로 수행할 수 있었다. RSIP Vision[9]에는 초분광 이미지(hyperspectral image)로 종양과 정상 조직을 구분하는 소프트웨어를 로봇 수술에 적용할 수 있다고 소개한다. 이외에도 현재 이 분야의 연구는 다수 존재하지만, 아직 광학적 생검을 적용한 로봇 수술 시스템을 전면에 내세우는 기업은 찾아보기 어려웠다.

지금까지의 로봇 수술은 갑상선 절제술, 슬관절 치환술 등 비교적 전 과정이 정형화되어 있는 정규 수술(elective surgery) 중심으로 발전해 왔다. 이미 정교하게 발전해 온 하드웨어에 실시간 광학적 생검을 결합한다면, 앞으로는 두경부, 중추신경계, 상하지 등 완전 절제(R0 resection)하기가 복잡한 부위의 종양 수술에도 로봇이 유용해질 것이다. 또한 앞으로는 시각적 이미지는 물론 촉각(tactile sense) 정보도 분석해 볼 것을 제안하고 싶다. 이 역시 로봇과 소프트웨어의 상승효과를 기대할 수 있는 부분이기 때문이다.

[8] H. Jeyarajan, I. Chaudhary, A. Fuson, S. James, A. Wodeyar, M. Sievert, et al., “Intraoperative optical biopsy assessment during TORS head and neck cancer resections-a novel application of confocal laser endomicroscopy with intravenous,” 2025.

[9] RSIP Vision, “Hyperspectral Imaging for Robotic Assisted Surgery,” RSIP Vision, Accessed: Mar. 8, 2025. [Online]. Available: https://www.rsipvision.com/hyperspectral-imaging-for-robotic-assisted-surgery/

Tiny Robots, Big Impact: Advances in nanorobotics; 신채범

로봇을 활용한 최소 침습 수술이 발전하면서, 인체 내부 깊숙한 곳까지 치료할 수 있는 길이 열렸다. 그러나 기존의 수술 로봇만으로는 접근이 어려운 부위가 많다. 예를 들어, 뇌의 미세혈관 폐색이나 암세포가 미세전이한 경우에는 기존 의료 장비로 도달하기 어렵다. 이는 가끔 마이크로미터(μm, 10⁻⁶m)에서 심지어 나노미터(nm, 10⁻⁹m) 수준의 정밀한 조작이 필요하다. 하지만 단순히 로봇을 작게 만든다고 해결되는 문제가 아니다. 나노로봇이 작아질수록 '상대적 점성도'가 커지기 때문이다. 쉽게 말해, 작은 물체일수록 액체 속에서 더 강한 저항을 받게 된다. 먼지가 공기 중에 천천히 떠다니는 것처럼, 나노로봇도 체액 속에서 쉽게 움직이지 못한다. 노벨 물리학 수상자 에드워드 퍼셀(Edward Purcell)은 이를 '가리비 원리(Scallop theorem)'라고 설명했다. 가리비처럼 단순히 껍질을 벌리고 오므리는 반복 운동만으로는 미세한 환경에서 전진할 수 없다는 뜻이다. [10]

이 문제를 해결하기 위해 현재 두 가지 방식이 연구되고 있다. 첫 번째 방법은 나노로봇 내부에 운동 장치를 내장하여 스스로 이동할 수 있도록 만드는 것이다. 대표적인 사례로 Nanobots Therapeutics라는 스타트업이 있다. 이들이 개발한 나노모터는 박테리아가 화학물질을 감지하고 이동하는 화학주성을 모방했다. 나노모터는 요산(Uric acid)을 분해하는 효소 반응에서 발생하는 힘을 이용해 특정 병변으로 이동한다. 현재 이 기술을 활용해 방광암 종양에 치료제를 전달할 수 있는 나노봇을 개발했다. [11]

두 번째 방법은 외부에서 나노로봇에 힘을 가해 원하는 방향으로 움직이게 하는 것이다. 스위스 취리히 공과대학(ETH Zurich) 연구진은 비침습적으로 자기력(magnetic force)을 이용하는 기술을 개발했다. 철(Fe), 니켈(Ni) 같은 강자성을 띠는 금속 나노 와이어에 자기장을 걸어주면, 이를 조절하여 세포 내부에서 원하는 방향으로 걸어다닐 수 있다. [12] 체코 프라하 화학공과대학에서는 이 기술을 이용해 골육종 세포 내로 나노로봇을 이용해서 미세 수술을 진행하고 약물을 전달할 수 있음을 보여주었다. [13]

현재 연구 중인 것과 같이 나노로봇의 정교한 운동을 할 수 있다면, 암 치료를 포함해 뇌졸중, 심혈관 질환에서 혁신적인 치료법이 가능해질 것이다. 최근에는 AI(인공지능)를 활용해 나노로봇의 구조와 움직임을 최적화하는 연구도 활발히 진행되고 있어, 향후 보다 정밀하고 효과적인 치료용 나노로봇이 등장할 것으로 기대되는 상황이다. [14]

[10] E. M. Purcell, “Life at low Reynolds number,” in Physics and Our World: Reissue of the Proceedings of a Symposium in Honor of Victor F. Weisskopf, pp. 47–67, 2014. [11] A. C. Hortelao, R. Carrascosa, N. Murillo-Cremaes, T. Patino, and S. Sanchez, “Targeting 3D bladder cancer spheroids with urease-powered nanomotors,” ACS Nano, vol. 13, no. 1, pp. 429–439, 2018. [12] X. Z. Chen, M. Hoop, N. Shamsudhin, T. Huang, B. Özkale, Q. Li, et al., “Hybrid magnetoelectric nanowires for nanorobotic applications: fabrication, magnetoelectric coupling, and magnetically assisted in vitro targeted drug delivery,” Advanced Materials, vol. 29, no. 8, 1605458, 2017. [13] J. Vyskocil, C. C. Mayorga-Martinez, E. Jablonská, F. Novotny, T. Ruml, and M. Pumera, “Cancer cells microsurgery via asymmetric bent surface Au/Ag/Ni microrobotic scalpels through a transversal rotating magnetic field,” ACS Nano, vol. 14, no. 7, pp. 8247–8256, 2020. [14] E. C. Yang, R. Divine, M. C. Miranda, A. J. Borst, W. Sheffler, J. Z. Zhang, et al., “Computational design of non-porous pH-responsive antibody nanoparticles,” Nature Structural & Molecular Biology, vol. 31, no. 9, pp. 1404–1412, 2024.

내시경 수술 로봇; 이수현

최소 침습 내시경 시술은 기존 개복 수술에 비해 합병증 발생 위험이 낮고, 회복 속도가 빠르다는 장점이 존재한다. 이러한 이유로 다양한 내시경 시술이 치료용 기기의 발전과 내시경 시술자의 기술적 숙련도 향상에 힘입어 크게 발전해왔다. 대표적인 기술로는, Endoscopic mucosal resection(EMR), Endoscopic submucosal dissection(ESD), Natural orifice transluminal endoscopic surgery(NOTES)가 있다.

하지만 이런 시술은 높은 기술력이 요구되며, 숙련되기까지는 긴 학습 시간이 필요하기에 규모가 있는 병원이 아닌 곳에는 보편화되지 못하는 한계가 존재한다. ‘또한, 기존의 유연 내시경은 카테터 기반 기구를 유연 내시경의 액세서리 채널을 통해 사용하기에, 기구 조작의 자유도가 낮고 조직을 세밀하게 다루는 것이 어렵다는 한계가 존재한다. 이러한 한계를 극복하기 위해 유연 내시경 로봇 시스템에 대한 논의가 시작되었으며, 이는 기존 내시경 시술의 단점을 보완하고, 더 정밀하고 효율적인 수술을 가능하게 할 수 있다.

유연 내시경 로봇 개발의 주요 목표는 1) 삼각 조작(triangulation)과 2) 반대 견인(countertraction)문제를 해결하여, 복강경 수술과 동등한 수준의 정밀한 조작을 구현하는 시술을 수행하는 것이다. 내시경 로봇은 수술의 시야를 개선하고, 정밀한 조작이 가능하게할 뿐만 아니라, 숙련자의 학습 곡선을 단축시킬 수 있는 가능성을 제공해준다.

예시로 NOTES에서 유연 내시경 수술 로봇은 빛을 발할 수 있다. NOTES는 내시경을 통해 장기 내부에 접근하므로, 수술 후 위장관 벽의 결손을 봉합하는 기술이 필요하며, 자유로운 조직 조작(triangulation) 및 견인(countertraction)을 필요로 한다. 이러한 한계가 존재하는 상황에서, 유연 내시경 수술 로봇이 도입된다면 정밀한 조직 조작 및 견인 기능이 가능해지며, 3D 영상 및 자동 조명 조절 등으로 시야를 개선하고, 최소한 절개로 수술을 진행하면서도 로봇 팔의 힘(gripping force)와 자유도(degree of freedoms)을 최적할 수 있다. 이를 통해 NOTES의 효율성과 안정성을 크게 향상시킬 수 있다.

유연 내시경 로봇 플랫폼은 기존의 내시경 시술자의 숙련도에 크게 의존하던 수술 기법을 단순화하고 표준화하며, 학습 곡선을 단축할 것으로 기대된다. 현재 EndoMaster와 ELS 시스템과 같은 로봇 플랫폼은 ESD을 중심으로 임상 시험을 진행하고 있다. 로봇 플랫폼을 이용한 ESD의 성공적인 임상 적용은 향후 EFTR과 NOTES와 같은 복잡한 시술로의 확장 가능성을 열어줄 것이다. 특히, NOTES는 기존 장비와 기법으로 해결하기 어려운 기술적 난제를 안고 있는데, 유연 내시경 로봇이 이를 해결해준다면 NOTES의 발전에 중요한 전환점을 마련해줄 것이다. 또한, 위장관 내시경은 AI 기술과 결합하여, 병변 탐지(Computer-Aides Detection, CADe) 및 병변 진단(Computer-Aided Diagnosis, CADx) 지원 기능을 제공하여, 더 정확한 내시경적 시술을 제공해줄 수 있을 것이다. 향후 AI 기반 로봇 내시경 시스템은 NOTES와 같은 복잡한 내시경 시술에서도 중요한 역할을 할 것으로 기대된다. 이로 인해, 최소 침습 수술이 더욱 안전하고 효과적인 방법으로 발전할 수 있을 것이다.

Fully automated surgery, inevitable future; 이준수

수술은 상당히 복잡한 과정이다. 인간의 장기의 구조 변이도 심하며, 수술 과정에서의 감염 관리도 필요해, 모든 과정 하나마다 정확도와 책임이 요구된다. 기술이 널리 퍼지기 위해선, 범용으로 사용가능하다는 것과, 수익이 발생할 수 있다는 선행조건이 필요하다. 인간의 직관과, 속도가 중요한 외상/응급 분야에선 로봇 의사가 수술을 완전히 대체하는 것은 힘들겠지만, 여러번의 영상검사와 판독을 기반으로 수행되는 암수술과 같은 경우에는 충분히 인공지능과 Physical AI가 수술하는 미래를 상상할 수 있을 것이라고 생각한다.

개인적으로 환자가 병원에 내원한 후의 경험은 30년 전과 크게 다르지 않다고 생각한다. 영상검사와/혈액검사 등을 통해서 볼 수 있는 지표들이 늘어났지만, CT/MRI만큼의 치료 과정에서 큰 변화를 준 break-through는 없었고, 앞으로도 나오기 힘들다고 생각한다. 의사의 수술실/진료실에서의 경험도 마찬가지이다. 암기해야 하는 것도, 고려해야 하는 사항도, 치료 option도 늘었지만, 결국에는 아직까진 직접 처방을 내리고, 직접 술기를 수행해야 한다.

요즈음 매일 인공지능의 새로운 발전들을 목도하고 있다. 이정도의 발전 속도라면, 그리고 ISRG라는 "로봇 수술의 플랫폼" 생태계가 많이 구축되었고, 이를 기반으로 학습 방법론들이 나온다면, 저는 의사의 수술실에서 경험이 크게 바뀔날이 머지 않았다고 생각한다. 이전에 우리가 구글 검색을 하던 경험 자체가, prompt 하나를 넣는 것으로 간소화 될 만큼, 의사가 "병변 절제"라는 목적을 설정하면, 영상 검사 결과를 바탕으로 알아서 Planning을 하고 이를 기반으로 수술을 수행하는 그러한 미래의 모습을 상상해본다.

아직까지 많지는 않지만, 완전 자율 수술을 위한 연구 시도들이 몇 가지 있다. 첫번째, 복강경 환경에서 완전 자동으로 소장 문합술을 수행할 수 있도록 한 STAR(Smart Tissue Autonomous Robot)[15] 시스템이다. 연조직과/경조직의 가장 큰 차이점은 조직의 위치가 실시간으로 변해, 이를 제대로 마킹할 수 없다는 점인데, 이 STAR 연구진들은 실시간 조직 추적(tissue tracking), 호흡 움직임 감지, 영상 검사 데이터를 활용하여 이를 해결할 수 있는 알고리즘을 개발했다. 호흡 주기 동안 조직이 정지하는 순간(breathing pause)에 맞춰 수술을 진행하는 CNN(Convolutional Neural Network) 기반 알고리즘을 구현하였고, 93.56%의 정확도로 조직의 위치를 인식할 수 있었다. 정확하게 위치를 인식할 수 있는 로봇 시스템을 사용하니, 외과의보다 봉합의 depth나 간격을 45% 이상 일관되게 할 수 있었고, 자동 봉합된 조직이 기존보다 더 밀착되어 누출(leak) 가능성이 낮아졌다. 또한, 돼지 모델을 활용한 실험에서 STAR 시스템은 83% 이상의 자동 봉합 성공률을 기록하며, 기존 수동 복강경 수술보다 더 높은 정확도를 보이는 결과를 얻어냈다.

두번째, SRT(Surgical Transformer)[16] 이다. 이는 da Vinci Research Kit(dVRK) 모델을 기반으로 Imitation Learning과 Vision-Based Policy Learning을 활용해 수술 기술을 학습하는 AI 모델이다. 다빈치 로봇이 수술 중 수행하는 Tissue Manipulation, Needle Pickup & Handover, Knot-Tying 등의 핵심 동작을 로봇의 Wrist Camera를 활용해 이미지/영상 데이터화를 하였고, 이를 기반으로 imitation learning을 기반으로 설계된 로봇 알고리즘이다. 아직까지는 피부조직을 꼬매는 수준의 기본적 술기를 자동화한 단계이지만, "다빈치"라는 새롭게 정의된 플랫폼 위에서 수집된 데이터를 어떻게 활용하는지 고민했으며, 이를 기반으로 지금까지 제시된 AI 모델들 중에서 "추론" 성능이 뛰어난 Transformer model을 차용해 보았다는 데 의의가 있다. 이 논문은 요즘 "cost-effective"한 imitation learning의 방법론을 차용함과 동시에, 이를 기반으로 surgical domain에서 "추론 모델"의 performance가 유의미한 결과를 보여주었다는데, 그리고 앞으로 Fully automated surgery의 구현을 위한 방향성을 엿보게 해주었다는데 의미가 있는 것이라고 생각된다.