8月3日，2025年第22届IEEE ICMA世界机电一体化与自动化大会于在北京世纪金源大酒店盛大启幕。作为IEEE Robotics and Automation Society的旗舰会议，IEEE ICMA世界机电一体化与自动化大会已成功举办21届，论文全部EI检索，特选成果更登上IJMA等国际顶刊舞台。本次大会致力于为全球机电一体化、机器人技术、传感器及自动化领域的研究人员、教育工作者、工程师和政府官员构建一个高端交流平台，深入分享前沿研究成果，共同探讨这些快速发展的学科领域的未来创新方向与趋势。
IEEE（The Institute of Electrical and Electronics Engineers，电气电子工程师学会），是全球最大的行业技术学会。IEEE出版技术期刊210多种，在科学与技术研究方面的出版物频繁的被各类专利引用，引用量远高于同类出版社。IEEE每年在全球范围内举办2000多场会议，并且制定的多项行业标准在业内具有主导作用，从航天系统工程、计算机、电子通讯到生物医学工程、电力、电子消费产品等各行各业，IEEE都具有很大的权威性和领先优势。
此次大会的分论坛以“医疗机器人技术及临床应用：现状与挑战”为核心议题，由哈尔滨工业大学机器人技术与系统国家重点实验室副主任付宜利教授主持，集结六位横跨产学研医的重磅嘉宾——深圳爱博合创医疗机器人有限公司总经理郭健博士、北京长木谷医疗科技股份有限公司董事长张逸凌博士、强联智创(北京)科技有限公司董事长秦岚博士、航天中心医院介入血管科主任王斌博士、北京理工大学二级教授，国家杰出青年科学基金获得者杨健教授、瑞鸿安(广东)科学设备有限公司意大利0T特约专家邹永向博士。大咖现场论道，从技术创新、临床实践、产业落地等多维度深度剖析医工融合领域创新技术成果转化应用的现状与挑战。
七位大咖现场论道医工融合创新前沿
付宜利教授：贵司在血管介入手术方面有很多科研成果。从科研成果落地的角度看，这种血管介入手术机器人临床操作数据化的经验为血管介入领域能带来哪些价值？
郭健博士（深圳爱博合创医疗机器人有限公司总经理）：公司通过科研成果将导管操作的手感转化为力反馈参数，大大提升了血管介入手术的精准度与安全性。此技术不仅辅助医生，缩短了医生的培训周期，还能通过量化手法数据，利用AI大数据反哺研发，推动机器人向自动化智能化发展。另外，建立常态化反馈机制需医工交叉融合，通过政府和医院的支持，让工程师在法规允许下获取并应用临床数据，进而优化机器人性能。
付宜利教授：贵司的产业化路径是先攻克三甲医院再下沉到基层医院策略，这个与直接研发简易版设备相比，在这个成本回收与技术迭代上有何优劣？
张逸凌博士（北京长木谷医疗科技股份有限公司董事长）：其实我们推行的“自上而下”策略，我们的团队是清华的团队，我们合作也是先与协和医院、积水潭医院、华西医院、中日友好医院等顶级医院专家合作验证技术。其核心逻辑在于借势三甲医院作为医疗体系 “技术高地” 的资源与能力优势，通过优先在此类机构落地验证新技术，既能依托顶尖临床专家、丰富病种样本和规范诊疗流程快速获得高质量临床反馈，加速产品迭代至成熟可靠状态，又能凭借三甲医院积累的海量高质量、多维度、标注精准的临床数据，持续动态优化AI模型，避免陷入“简易设备数据不足→算法泛化能力差→基层应用失效”的恶性循环；在基层渗透层面，通过三甲专家带教培训基层医生，再逐步向基层医院辐射，将技术标准与诊疗思维传递给基层医生，培养出技术扎根的 “火种”；与直接研发简易版设备相比，依托三甲医院积累数据优化技术产品更具成本效益。
付宜利教授：贵司的颅内动脉瘤AI诊断系统在与手术机器人协同落地时遇到的最大的数据互通障碍是什么？
秦岚博士（强联智创（北京）科技有限公司董事长）：强联智创一直关注在脑中风、脑血管病这些领域。实际上我们核心做两件事——一个叫AI治疗，一个叫AI决策。目前，我司的颅内动脉瘤AI诊断系统已经实现了从影像诊断到手术规划的闭环，但在与手术机器人协同落地时还是面临数据互通障碍，如数据兼容性的问题——不同的影像数据我们需要兼容不同设备厂家。我们当前研发的这款机器人为封闭系统，其内部植入了 AI 算法。在数据获取层面，针对所有上游数据，我们采用松散接口耦合的方式，为此开发了专用且内部保密的 Link 软件，以适配各类设备。在下游输出端，我们将机器人视为 AI 与机器人结合后的输出载体，AI 向机器人的输出采用内嵌方式。
付宜利教授：您认为手术机器人的操作流畅性与操作精度，哪个更能作为临床采购的这样一个首要的指标？
王斌博士（航天中心医院介入血管科主任）：手术机器人的操作流畅性与操作精度均是临床采购时需重点考量的核心指标，但两者的优先级需紧密结合具体手术场景来权衡。对于涉及大血管等需要连续、稳定操作的手术，操作流畅性更为关键 —— 流畅的机械臂运动能减少操作中断，避免因动作卡顿导致的组织牵拉损伤或血管撕裂风险，保障手术节奏的连贯性，降低术者操作疲劳带来的潜在风险。而在神经外科、眼科等涉及微小血管结构的手术中，操作精度则是首要指标，因为哪怕 0.1mm 的误差都可能引发严重并发症，直接影响患者预后。因此，临床采购时需以科室核心手术类型为导向，优先匹配对该类手术安全性与有效性影响最显著的指标，同时兼顾两者的协同表现，才能实现设备价值的最大化。
付宜利教授：您团队研发的多模态影像融合技术在实验室环境下和临床环境的的精度会不会有较大差别？是如何在算法设计阶段就面向临床环境？
杨健教授（北京理工大学二级教授，国家杰出青年科学基金获得者）：我们团队专注于光磁导航领域的研究，涵盖定位核心零部件的研发。目前，这些核心零部件已在约160家企业及近百所所高校得到良好应用，稳定性表现优异。首先，融合精度的实现过程极为复杂，涉及图像层面的融合与三维空间的融合精度。在实际操作中，如何评价融合精度是一个复杂问题：平面融合可能效果较好，但三维空间或切面轴向的融合效果往往不够精准。当前，推动融合技术（包括增强现实等应用）的核心在于解决图像融合问题。图像融合本身具有复杂性，涵盖不同模态的融合，如二维-三维的重合，二维-二维的融合，乃至器械和影像的融合。因此，融合精度的评价需针对不同手术场景展开。第二，临床手术场景的复杂性远高于实验室环境。手术中可能出现形变、患者位移、器官蠕动等问题，这些因素在多个层面都会导致机器人定位误差。不过，我们的多模态影像融合技术仍具有重要价值。此前，临床医生多依赖经验构想三维空间、影像与手术工具之间的关联逻辑；而在引入机器人定位系统及AI技术后，可为医生提供明确参考，从而辅助提升手术操作的精准性。
付宜利教授：康复机器人产业化中，多模态融信号融合技术因信号采集设备成本高难普及，如何通过筛选关键信号（保留极简信号）降成本？
邹永向博士（瑞鸿安(广东)科学设备有限公司意大利0T特约专家）：可以采用硬件与软件协同优化方案，即可通过精准筛选关键生理信号通道、减少冗余采集节点，同时结合软件算法对缺失信息进行智能重建，实现成本与评估精度的平衡。具体而言，硬件层面采用分时复用技术，让同一采集模块在不同时序段分别捕捉肌电、力觉等多模态信号，可减少约 10% 的硬件模块数量及资源消耗；软件层面则借鉴图像超分辨率技术原理，通过深度学习模型对低采样率信号进行特征补全，重建出接近完整采集的信号特征。
本次分论坛通过产学研医跨界大咖的思想激荡，勾勒出医疗机器人从“实验室创新”迈向“普惠临床”的成果转化路径：以临床痛点为医工融合锚点、以人机协同为医工融合创新引擎，真正释放机器人在提升医疗效率、促进医疗资源普惠中的巨大潜能。正如嘉宾共识——机器人永远是医生的超级助手而非替代者，未来需持续深化的人机协同设计，让科技的精准与温度共铸健康中国新图景！