浙江大学新晋院士蔡秀军，最新 Nature！

机械传动在从日常任务到先进外科手术及机器人操作等各类与力相关的活动中均发挥着不可或缺的作用。尽管电子测力装置至关重要，但在空间受限或资源匮乏的环境中，如微创手术和离网作业，它们仍面临诸多挑战。在外科实践中，由于传感系统往往难以实际应用，因此精确测量张力仍具困难。因此，外科医生通常依靠基于组织变形程度的视觉估算，而非定量评。

图：通过活结传递弦中机械信息的示意图

滑结的力学建模与特性表征：

对带有典型滑结的细丝进行了拉伸试验，该滑结是使用预紧力Ftying = 7.500 N获得的。采用高速摄影和micro-CT技术捕捉结型构型的演变过程。滑结的初始构型包含两个自由端、一个结环和一个滑环。随着施加在自由端上的外力增大，滑环的长度逐渐减小。力-位移曲线显示，初始阶段拉力保持稳定。随后，拉力开始增大，这是由于缠绕数增加以及滑环应力集中所致。Micro-CT扫描结果显示，滑环与结环之间的接触面积也增大了。当达到临界力Fpeak = 2.931 N时，滑环显示出即将从结环中脱出的迹象，同时结的拓扑结构发生莱德迈斯特移动。滑结完全打开后，自由端上的拉力迅速下降，表现为载荷突然下降和滑环应力释放。对500个滑结进行拉伸试验测得的Fpeak值为2.945 ± 0.135 N，这一结果凸显了滑结量测机械传动的稳定性。

基于实验和模拟结果，特别是莱德迈斯特移动的重要性，将滑结释放过程分为两个阶段：阶段1和阶段2。阶段1包括莱德迈斯特移动前的释放过程，在此过程中，由于接触、摩擦和弹性的综合作用，拉力增大。阶段2包括由于额外的莱德迈斯特移动引起的分叉，这导致达到Fpeak，并使拉力进一步减小。相应力-位移曲线的交点位于Fpeak之前，这与实验和模拟结果吻合良好。

在制作滑结时，增大预紧力Ftying和结环数量会增大滑环与结环之间的接触面积，这为调节Fpeak提供了一种方法。在相同的Ftying值下，可通过使用不同直径的单丝来改变Fpeak。由不同材料和结构制成的滑结在浸入不同液体介质时也会表现出不同的摩擦系数。这些修改随后会影响Fpeak值，这与模型预测结果一致。值得注意的是，滑结在储存32天后仍能保持性能。这些结果共同证明了滑结从生产到实际使用过程中的长期力学稳定性。动态行为分析显示，在广泛的测试速度范围内，Fpeak值几乎保持不变。这种稳定性表明，滑结能够可靠地量测手动或机械驱动的操作。

图：活结的机械建模与表征

滑结在外科手术中量测机械传动：

打结是外科手术中闭合切口的金标准操作，需要外科医生具备灵活度、专业知识和经验。滑结所提供的精确且可靠的机械传动，符合手术中对准确性和一致性的要求。例如，在胃肠道手术中，保持合适的缝合力颇具挑战。胃肠道手术中手术结失败可能导致吻合口漏，进而使死亡率增加超过30%。此外，结打得过紧产生的过大作用力会导致组织缺血，而结打得松产生的力不足则会导致伤口裂开。与采用改良缝合材料或使用无缝合密封剂等替代方案不同，将滑结串联在普通缝合线末端，形成一种新型缝合线，称为“滑结缝合线（sliputure）”。对于外科医生而言，使用滑结缝合线的操作步骤与常规打结一样简单，只需像往常一样打好手术结，然后拉动滑结直至其打开。滑结缝合线预先编码的打开力（Fpeak）可确保手术结的打结力精确落在可行范围内（手术结打结力= Fpeak）。通常，外科医生需通过经验积累才能实现良好的手术缝合效果。而滑结缝合线无需改变既定的手术操作或引入额外设备，即可实现对智能力限的精确且可靠控制。

招募了经验不同的外科医生（经验超过10年（资深医生）或不足10年（初级医生）），让其在硅胶模型上缝合切口，打外科结。使用普通缝合线时，资深医生打结时测得的力为1.534 ± 0.283 N（相对标准差Vσ资深医生，普通缝合线 = 0.184）。资深医生的表现也比初级医生更精准（1.716 ± 0.736 N，Vσ初级医生，普通缝合线 = 0.429）。为进一步比较初级医生和资深医生使用滑结缝合线时的表现，引入|ΔF|，定义为实际Fpeak与目标Fpeak之间的绝对差值。值得注意的是，使用目标Fpeak为1.400 N（Ftying = 0.350 N）的滑结缝合线时，初级医生的表现优于使用普通缝合线。相比之下，资深医生的表现则无明显差异。此外，使用滑结缝合线的初级医生达到了与使用滑结缝合线和普通缝合线的资深医生相当的表现。与普通缝合线相比，滑结缝合线使初级医生的打结力精准度提高了121%。

凭借精确且一致的力传递，滑结量测的智能操作对临床实践产生了立竿见影的效果，这在大鼠结肠损伤修复模型中得到了验证。修复大鼠结肠损伤的最佳打结力范围在0.32 N至2.28 N之间。注意，其他手术操作的最佳打结力可通过实验测试和力学建模的组合获得。在此，选择中点1.30 N作为后续实验的目标打结力，并将滑结缝合线的Fpeak设为1.300 N。滑结缝合线在修复离体和在体大鼠结肠损伤模型中均表现出高力准确度和有效性。激光散斑对比成像显示，使用滑结缝合线修复的结肠损伤比使用普通缝合线修复的更能恢复血液供应。在手术相关并发症方面，与使用普通缝合线的动物相比，使用滑结缝合线的动物未出现肉眼可见的结肠漏。此外，使用滑结缝合线后出现的术后粘连少于使用普通缝合线。对分别标记促炎和抗炎巨噬细胞的标记物CD86和CD206的分析显示，滑结缝合线治疗组在修复的结肠中表现出显著的抗炎趋势。这一结果证明了滑结缝合线具有更强的恢复能力。

进一步将滑结缝合线应用于腹腔镜手术辅助，在腹腔镜手术中，力反馈技术大多用于模拟训练，而非实际手术环境。在此，使用结肠损伤的猪模型测试该系统。外科医生使用直杆状腹腔镜器械操作滑结缝合线，该器械可在滑结打开时将力信号传回给外科医生。使用滑结缝合线修复的结肠损伤通常外观平整，而使用普通缝合线时则观察到组织挤出和凸起。这些结果验证了滑结缝合线在腹腔镜手术中的性能。为量化滑结缝合线的益处，在腹腔镜设置下对硅胶练习模型进行了手术缝合。切口压力测量结果显示，与普通缝合线相比，滑结缝合线使缝合精准度提高了71.3%。

图：活结用于测量外科手术中的机械传递

基于滑结的智能机器人缝合技术：

机器人手术以其高精度、可视化、灵活性和人体工程学优势而闻名。然而，在现有的机器人缝合操作中，外科医生通过观察组织变形来操作机器人控制缝合过程，由于缺乏力反馈，这会导致个体间差异显著。滑结为在机器人操作过程中限制缝合力提供了一条智能途径。一旦观察到滑结打开，预先编码的力信号就会传输至缝合线，使机器人手术能够基于视觉线索智能判断手术打结情况。与张力不一致的普通缝合相比，有人参与环路的滑结辅助机器人操作在多个手术结的打结中表现出高度一致性和准确性。使用滑结的间断缝合使组织呈现平整外观，且血液供应充足，与传统钉合术和连续缝合相比具有优势。滑结有时也与连续缝合兼容，从而扩大了其在各种手术场景中的适用性。滑结的设计旨在与当前未配备专用力传感器的机器人系统配合使用。将一个基于视觉的自动制动模块集成到定制的达芬奇Xi机器人系统中。对该系统进行了重新设计，以确保与滑结无缝对接，并利用实时图像处理进行滑结检测。检测到滑结松开后，系统控制器立即发出停止指令，使器械停止运动，从而有效防止缝合线过度牵拉。该集成系统在硅胶模型和体内猪结肠损伤修复中均得到验证。结果通过视觉力反馈证实了其可靠性能，并显著提高了滑结在机器人手术中的适用性。在缝合过程中，机械臂牵拉滑结，图像处理系统跟踪相应的几何变化。当检测到滑结打开的关键时刻，机械臂自动停止以防止过度牵拉。还将滑结应用于协作机械臂中，实现了无需人工干预的智能操作。

图：活结用于衡量机器人的智能操作

小结

作者团队开发了一种基于滑结的机械智能传动机制，并验证了其在临床实践和机器人操作中传递力信号的精确性和稳健性。该机制尤其适用于滑结的典型应用场景——微创手术，在微创手术中，有限的手术空间和对电子设备的使用限制带来了重大挑战。滑结通过一种无需先进材料或电子设备的机械智能设计克服了这些限制。与传统的限力装置相比，滑结具有结构简单、一次性使用的优势。鉴于电子测力装置成本高昂，易于制造的滑结成本极低，无需额外成本或设备即可发挥作用。一台自动滑结制作机可实现标准化和按需生产，以支持大规模应用。

滑结策略适用于开放式手术和微创手术，在这两种手术中，限制打结力至关重要。此类手术包括腹部手术中的间断缝合，特别是在狭窄管腔结构吻合重建等空间受限的手术，以及需要精确控制结张力的手术，包括角膜修复和血管缝合。使用滑结时，无需改变传统手术操作，也无需额外步骤来限制打结力。该策略还与机器人系统兼容，可实现智能操作。即使滑结远离手术部位，滑结仍能保持其功能，从而避免缝合过程中受血凝影响区域。此外，该策略还与连续缝合兼容，从而扩大了其在各种手术场景中的适用性。滑结不仅可作为培训工具，还可作为传统手术缝合线的实用替代品，这对于医疗设备和培训资源有限的地区尤其有益。作者团队还将这种机械智能策略应用于机器人设计中，以提高安全性。通过将编程滑结集成到腱驱动机械臂的驱动路径中，当拉力负载超过峰值力Fpeak时，系统可自主中断力传递，起到保险丝的作用。该系统可应用于各种机器人，以防止结构过载，并确保人机交互过程中的安全操作。

滑结所展现的机械智能可能激发对多尺度打结结构的探索。滑结脱开的DNA分子展示了如何在纳米尺度上测量机械传递行为。在使用丝状物的情况下，滑结可作为机械智能介质。其他结构元素中嵌入的机械信息仍有待发现，这可能会将该系统的机械智能扩展到更广泛的应用领域。

参考文献：

Yaoting Xue, Jiasheng Cao, Tao Feng, et al. Slipknot-gauged mechanical transmission and robotic operation. Nature. 2025 Nov;647(8091):889-896.

https://www.nature.com/articles/s41586-025-09673-w