Symani®ロボットが拓く超微細手術トレーニングの新時代：初心者でも高速習得の可能性

July 27, 2026 · 論文解説

🎧 この記事を音声で聴く（AI生成Podcast）

解説対象論文: In vivo microsurgical training with the symani® robot: early experience and feasibility
Journal of Robotic Surgery｜被引用数: 0（2026年7月27日時点）

超微細手術は、血管や神経といった1mm以下の微細な組織を扱う高度な技術が求められる分野です。Symani®サージカルロボットは、手の震えを排除し、マイクロメートル単位の精密な動きを可能にすることで、この難易度の高い手術に革新をもたらす可能性を秘めています。本研究では、ロボット手術経験がほとんどない、あるいは全くない専門家が、Symani®ロボットを用いてどれだけ早くスキルを習得できるかを生体（in vivo）モデルで検証しました。結果として、初心者でも驚くべきスピードで操作スキルを身につけ、縫合時間を短縮できることが示され、Symani®ロボットが超微細手術のトレーニングと臨床応用の両面で極めて有効なツールとなる可能性が示唆されました。

研究サマリー（FINER & PICO）

Feasible実施可能性	ロボット経験のない専門家14名がAdvanced Microsurgery CourseでSymani®ロボットトレーニングを完了した。
Ethical倫理面	動物使用数を最小限にするため、同じ動物モデルで徒手とロボット手術トレーニングを実施した。
Interesting面白さ	経験の浅い専門家がin vivoラットモデルでSymani®ロボットにより急速に微細手術スキルを習得する可能性を探る。
Novel新規性	従来のロボット微細手術トレーニング研究が経験豊富な専門家を対象とする中、本研究はロボット未経験の初心者を対象とした点が新しい。
Relevant切実さ	超微細手術におけるSymani®ロボットのトレーニングプラットフォームおよび臨床ツールとしての可能性を支持する。
Measurable測定可能性	個々の結び目を完了する時間と術中合併症（縫合糸断裂、血管裂傷）を記録し、客観的に評価した。
Modifiable派生・改善	Symani®システムが直感的であり、経験の浅いユーザーでも早期の技術的改善を促進しうることを示した。
Structured文章構造	ナポリで開催された高度微細手術コースの一環として、段階的なトレーニングプログラムが組まれ、データ収集が行われた。
PICO / PECO対象・介入・比較・結果	P: ロボット未経験かつ従来手術経験最小限の専門家。I: Symani®ロボットを用いたin vivoトレーニング。C: なし（記述的研究）。O: スキル習得時間短縮、合併症発生率の低さ。

はじめに：超微細手術の進化とSymani®ロボットの役割

どうも、Beyond the Pixelです。今回は、Journal of Robotic Surgeryに掲載された、Symani®サージカルロボットを用いたin vivo（生体）微細手術トレーニングの初期経験とその実現可能性に関する興味深い研究をご紹介します。超微細手術（直径1mm以下の非常に小さな血管や神経を扱う微細手術）は、非常に高い精度が要求される分野です。しかし、Symani®のようなロボットシステムは、 micrometric（マイクロメートル単位の）動きを可能にし、専門家（従来の「専門家」）の手の震えを排除するモーションスケーリング（動きを縮小する機能）によって、手術の精度を大幅に向上させ、専門家の疲労を軽減する可能性があります。これまで、Symani®に関するトレーニングや学習曲線（新しいスキルを習得する際にパフォーマンスが向上する度合いを示す傾向）を調査した研究の多くは、合成モデルやin vitro（生体外）動物モデルで行われてきました。また、in vivoラットモデルを用いた数少ない研究も、従来の微細手術で長年の経験を持つ熟練した専門家が対象でした。本研究は、ロボット微細手術の経験がなく、従来の微細手術の経験も限定的な専門家が、Symani®ロボットを用いてどれだけ迅速にスキルを習得できるかを評価するものです。これは、超微細手術の教育と臨床実践の未来にとって、重要な示唆を与える可能性があります。

Symani®ロボットを使ったトレーニングプログラム：実践と評価方法

この研究は、2025年5月から12月にかけてイタリアのナポリで開催されたアドバンスト微細手術コースの一環として実施されました。参加したのは14名の専門家で、彼らはロボット微細手術の経験が全くなく、従来の微細手術のトレーニングもごくわずかでした。研究の主な目的は、初心者参加者が個々の縫合（血管や神経を縫い合わせる手技）を行うのにかかる時間の傾向と、最も頻繁に発生する技術的エラーを同時に監視することでした。トレーニングは段階的に行われ、まず参加者は従来の徒手微細手術の練習をラットモデルで行い、基礎的なスキルを身につけました。次に、ロボット支援手技に備えるため、直径2mmのシリコンチューブで構成された合成モデルを使ってSymani®ロボットの操作に慣れる練習を行いました。

**Figure 1.** Fig. 1 A) Training session with the Symani® microsurgical robot in exoscope configuration on a 2-mm-⌀ silicone tube. B) End-to-end anastomosis performed on the femoral artery in an in vivo rat model解説: 本図は、Symani®微細手術ロボットを用いたトレーニングセッションの様子を示しています。Aでは2mm径のシリコンチューブを使った合成モデルでの練習風景が、Bでは生きたラットモデルの大腿動脈に吻合を行う様子が映されています。

そして最後に、同じラットモデルの大腿動脈（平均直径約1.0mm）に対して、Symani®ロボットを用いたロボット支援血管吻合を実施しました。この「同じ動物モデルを繰り返し使用する」というアプローチは、動物の使用数を最小限に抑え、倫理的懸念を軽減するための配慮でした。使用されたロボットシステムはSymani®ロボットシステム（MMI, Medical Microinstruments）で、視野はオリンパスOrbeye® 4K 3Dデジタル顕微鏡のエクソスコープモード（高精細な外部カメラとモニターで視野を確保する方式）で提供されました。ナノリスト®ロボットデバイス、特に拡張器と10-0縫合糸付き持針器が使用され、モーションスケーリングの低減率は7倍から10倍に設定されました。評価指標として、タイマーは参加者が最初の針を通過させ始めた時点から開始され、3つ目の結び目が完了した時点で停止しました。縫合時間と、縫合糸の断裂や血管の裂傷などの技術的合併症が記録され、パフォーマンス改善の変数として分析されました。ただし、時間の制約上、完全な円周吻合（血管を一周すべて縫い合わせること）はできなかったため、吻合部の開存性（血管が詰まらずに開いていること）の確認は行えず、これが研究の質的評価における限界点とされています。

初心者でも驚きのスピード：学習曲線の実態

研究の結果、合計9名の参加者がin vivoラットモデルでのトレーニングセッションを完了し、大腿動脈に様々な数の縫合を行いました。個々の実行時間の分布は非常に多様で、個人の学習進度の違いを反映していました。しかし、ほとんどの参加者において、縫合回数が増えるにつれて実行時間が短縮されるという全体的な傾向が観察されました。この傾向を視覚化するために、スモールマルチプルチャート（複数のグラフを並べて比較する図）が作成され、各参加者の連続する縫合における時間的進展を直接比較できるようになっています。

**Figure 2.** Fig. 2 Individual suture times for each participant during in vivo training on the rat model, shown as a small multiples chart解説: 本図は、生体ラットモデルでのトレーニングにおける各参加者の個別の縫合時間を示しています。参加者ごとの縫合回数と、それぞれの縫合にかかった時間の変化が折れ線グラフで示されており、多くの参加者で縫合回数が増えるにつれて時間が短縮される傾向が見られます。

具体的には、集団全体の平均実行時間は、最初の縫合で4分54秒だったものが、4回目の縫合では3分10秒まで短縮され、約35%の大幅な改善が確認されました。これは、経験の浅い専門家であっても、ロボットプラットフォームに迅速に適応できることを示しています。パフォーマンスの一貫性にも多様なパターンが見られ、安定したパフォーマンスを示す参加者（例：参加者#7、#5）や、学習による改善傾向を示す高変動性を持つ参加者（例：参加者#8、#4）がいました。一方で、疲労や適応困難によりパフォーマンスが悪化する傾向を示す参加者（例：参加者#6）もいました。連続する縫合試行を比較したウィルコクソン符号順位検定では、実行時間の有意な減少が示され（p=0.036）、学習曲線の効果が裏付けられました。技術的な有害事象は稀でした。血管の裂傷のような大きな合併症は発生しませんでしたが、3名の参加者の最初の試みで縫合糸の断裂が観察されました。これらの事象はタスクの完了を妨げるものではなく、ロボットシステム担当者の監督のもとで適切に管理されました。

Symani®ロボットがもたらす未来：トレーニングと臨床応用への期待

この研究の発見は、従来の微細手術の経験が最小限で、ロボット微細手術の経験が全くない初心者でも、Symani®ロボットシステムを使用して基本的な微細手術スキルを迅速に習得できることを示しています。これまでのロボット微細手術の学習曲線に関する研究のほとんどは、経験豊富な微細外科専門家や、少なくとも徒手技術の背景を持つ研修医を対象としていました。しかし、本研究の参加者は全員が初心者でした。絶対的な初心者が連続する縫合で実行時間を段階的に短縮できたという観察結果は、Symani®システムが直感的であり、事前の微細手術経験がなくても初期の技術的改善を促進することを示唆しています。in vivoデータの分析では、大多数の参加者で手術時間の短縮傾向が見られました。多くの参加者が、最初の縫合よりも2回目や3回目で大幅に時間が短縮され、その後個人のパフォーマンスが安定するという予測可能なパターンを示しました。これは、ロボット微細手術トレーニングを、熟練した微細外科専門家のためだけでなく、微細手術カリキュラムの早期段階に統合できる可能性を裏付けています。技術的な有害事象は少なく、初期学習段階に発生するものとして許容できるものでした。縫合糸の断裂は微細手術トレーニングでよくある問題であり、過度な牽引や不適切な針の扱いに関連しています。Symani®システムには触覚フィードバック（専門家の操作に対して物理的な感覚を伝える機能）がない点が指摘されています。非常に細い11/0のような縫合糸では、徒手微細手術でも触覚は限定的で、視覚情報に頼ることが多いため、この欠点はほとんど問題になりません。しかし、本研究の参加者が使用した8/0〜10/0のような太い縫合糸では、触覚情報が針の通過や結び目の締付け時の張力調整に通常寄与するため、特に初心者にとって触覚フィードバックの欠如がより重要になる可能性があります。これは、初期学習段階での縫合糸断裂の一因となった可能性があります。シリコンベースのモデルは有用な予備プラットフォームですが、生きた血管の変動性、脆弱性、動的な挙動を再現することはできません。そのため、ラットモデルで観察された急速な進歩は特に重要です。

研究の限界と今後の展望

本研究にはいくつかの限界があります。第一に、各参加者が行った縫合回数は固定されておらず、利用可能な手術時間と個々の実行速度に依存したため、反復回数が変動しました。この変動はトレーニング環境に固有のものであり、研究の探索的性質を考慮すれば許容されるとされています。第二に、吻合部の開存性や漏れといった定性的なアウトカム評価指標が欠如している点が主要な限界です。時間の制約により、参加者は完全な円周吻合を完了できなかったため、検証済みの質的評価指標を使用できませんでした。したがって、実行時間は初期の技術的パフォーマンスの代替マーカーとして採用されましたが、手術の質を完全に反映するものではなく、時間の短縮は真の手術熟練度というよりも、ロボットシステムへの習熟度として解釈されるべきです。第三に、研究は小規模なサンプルサイズに限定されており、統計的検出力を低下させ、研究結果の一般化を制限します。これらの限界にもかかわらず、記述的なアプローチと視覚化ツールは、ロボット微細手術に関連する初期学習の動態に意味のある洞察を提供します。全体として、本研究はSymani®ロボット微細手術システムが、正式な微細手術トレーニングプログラムに安全かつ効果的に統合できることを示しています。従来の微細手術のバックグラウンドがない参加者でさえ、基礎的なスキルを習得し、in vivo手技中に急速な改善を示しました。将来の研究では、標準化された血管標的、大規模なコホート、経験豊富な専門家との比較を組み込むことが不可欠であり、学習曲線をさらに明確にし、能力の客観的なベンチマークを定義する必要があります。

まとめ：Symani®ロボットが微細手術トレーニングを変革する

Symani®ロボットの微細手術および超微細手術への導入は、専門家に対して実質的なサポートを提供する可能性があります。このシステムは直感的であり、ロボット微細手術の経験がないユーザーや、従来の微細手術の基本的なトレーニングしか受けていないユーザーでも、急な学習曲線（短期間でスキルを習得できる傾向）と関連しています。これは、Symani®が超微細手術における効果的なトレーニングプラットフォームおよび臨床ツールとしての潜在能力を強く支持するものです。先行研究のほとんどが経験豊富な専門家を対象としていたのに対し、本研究は全くの初心者におけるシステムの潜在能力を評価することを目的とした点がユニークです。この実現可能性研究は、構造化されたトレーニングプログラム内で、従来の微細手術トレーニングに以前使用されたin vivo動物モデルを同じ動物でロボット微細手術トレーニングにも使用するという倫理的なアプローチで行われました。生体モデルの使用は、吻合を行う上でより技術的に挑戦的な環境を提供することを意図したものです。データは、初心者でも基本的なスキルを迅速に習得し、最初の縫合を効果的に行い、連続する試行を通じて吻合時間を段階的に改善できることを示唆しています。また、経験の浅い専門家によるロボットの使用は、確立された徒手技術を持つ熟練した微細外科専門家が異なる器具インターフェースに深く適応する必要がある場合と比較して、利点を提供する可能性があります。これらの予備的観察は、Symani®システムがトレーニングプラットフォームとして効率的であることを支持し、ロボットによる微細手術および超微細手術の発展と普及を促進する潜在的な役割を強調しており、教育と臨床実践の両方にとって有望な意味合いを持っています。しかし、これらの予備的知見を確認し、微細手術トレーニングおよび臨床実践におけるロボットシステムの役割をより明確にするためには、より大規模で標準化された研究が必要です。

用語集

微細手術: 高倍率の顕微鏡下で行われる、非常に小さな血管や神経などを扱う外科手術。
超微細手術: 直径1mm以下の極めて小さな血管や神経の吻合などを対象とする微細手術。
血管吻合: 血管同士を縫い合わせ、血流を再建する手術手技。
神経縫合: 断裂した神経を縫い合わせる手術手技。
Symani®ロボット: 超微細手術向けに設計された外科用ロボットシステムで、微小な動きの拡大と震えの除去が可能。
in vivoモデル: 生きている動物の体内で実験を行うモデル。
学習曲線: 新しいスキルやタスクを習得する際に、経験を積むにつれてパフォーマンスが向上する度合いを示すグラフまたは傾向。
モーションスケーリング: 手術用ロボットが、専門家の手の動きを縮小して微細な操作を可能にする機能。
触覚フィードバック: ロボットシステムが、専門家の操作に対して物理的な感覚（触覚や力覚）を伝える機能。
エクソスコープモード: ロボット手術において、高精細な外部カメラとモニターを使用して視野を確保する方式。