手術世界模型最需要先處理的不是畫面是否逼真，而是錯誤預測會不會影響醫師判斷。Versius Plus 提供機器人與場景資料，Cosmos-H-Dreams 產生可能的未來畫面；這條依賴鏈讓研究展示更具體，也讓臨床責任必須更清楚。
CMR Surgical 官方說明明載，展示功能目前不屬於已核准的 Versius 系統，不能用於臨床決策或病人照護。這句限制應和任何『智慧手術未來』的描述放在同一個視野。
市場要解的是預測，不是宣稱自主手術
研究做法是把目前場景與建議動作交給模型，預測手術環境接下來可能呈現的狀態。這能用於訓練、模擬或研究風險，但沒有證明機器人可以自行選擇手術步驟。自主性還涉及適應症、醫師監督、失效攔截、人因與監管。
『預測未來場景』本身也有不同用途。它可以離線生成教學情境、協助研究者比較候選動作，或成為術前模擬素材；只有在即時影響手術決策時，才進入更高風險的臨床工作流程。每個用途都要另列使用者、輸入、輸出、錯誤處理與禁止用途，不能用同一段展示文字涵蓋。
研究展示若使用預先挑選的片段，也需要說明選取方式、病例數與失敗案例。生成一段合理未來畫面只能支持技術概念，不能回答在連續手術中多久會出錯、錯誤能否及時攔截，或是否改善任何臨床終點。
CMR 提供的是既有機器人平台與研究資料
Versius Plus 是現有機器人輔助手術平台。公告當時，美國 510(k) 範圍是 22 歲以上成人膽囊切除術，部分婦科適應症仍在審查。既有器材核准不能延伸到尚未納入系統的生成式預測功能，也不能從一個適應症推論其他手術。
既有器材的 510(k) 狀態應以官方核准範圍和公告當時日期為準。醫院不能因為同一機器人平台獲准執行特定成人手術，就推論加上的研究軟體也獲准；監管審查會看軟體預定用途、風險控制、資料、版本管理與人因，而不是只看機械臂名稱相同。
病人安全問題不能由生成畫面自行回答
世界模型可能遺漏出血、組織變形、遮擋或器械接觸；看似合理的未來畫面也可能與真實生理狀態不符。研究必須記錄輸入影像、候選動作、生成版本、不確定性、醫師判讀與實際後續畫面，讓錯誤能被定位。
本站的 實體 AI 世界模型可協助理解模型用途；但醫療情境還要加入病人族群、手術階段、器械、術者經驗與臨床終點，不能只評估影像相似度。
評估預測品質時，不宜只用像素相似或畫面逼真度。更重要的是模型是否遺漏臨床上關鍵事件、錯誤發生在什麼手術階段、醫師多久能察覺，以及錯誤提示是否改變注意力。對同一病例可由多位專家盲評，並保存意見分歧，而不是硬做成唯一正解。
替代方案仍是模擬、回放與具名監督
若目標是訓練，可以用去識別化回放、傳統模擬器與專家標註比較；若目標是術中提示，則要證明提示比現有監測更早、更準，且錯誤提示不會增加延遲或認知負擔。任何路徑都需要具名醫師監督與停止權。虛擬試運轉與數位孿生比較可協助把離線驗證和臨床操作區分。
替代驗證也要先處理病人資料與隱私。回放或模擬資料應去識別化、限制存取並記錄用途；若模型或運算服務跨機構，需說明資料是否離院、保存多久、誰可再訓練。研究結果若只來自單一中心或少數術者，也不能當成廣泛臨床適用性。
| 方法 | 可回答 | 不能自動證明 |
|---|---|---|
| 未來場景生成 | 某動作後的候選視覺結果 | 臨床正確性或安全改善 |
| 去識別回放 | 對既有病例的離線比較 | 即時使用有效 |
| 傳統模擬 | 固定情境與技能訓練 | 涵蓋所有病人變異 |
| 前瞻臨床研究 | 指定族群與流程的結果 | 超出適應症的通用自主手術 |
模型供應與器材供應形成雙重依賴
NVIDIA 官方資料呈現生成與模擬基礎，CMR 提供手術平台與工作流程。醫療機構還需要知道模型在何處執行、資料是否離院、更新由誰核准、延遲或斷線時如何退回，以及器材與模型日誌能否對齊。同一事件若無法由兩邊重建，風險調查就會中斷。
供應鏈更新是另一個風險。生成模型、驅動程式、手術機器人軟體與醫院網路可能各自更新，任何版本變動都可能改變延遲或輸出。醫療機構需要鎖版、驗證、核准、分階段部署與回復舊版程序，並確保急診或手術中不會因外部服務更新而改變行為。
規模證據應從錯誤分布開始
公開資料沒有臨床效能、病人結果或長期安全數據。後續研究應報告病例數、排除條件、失敗案例、不同術者與不同解剖情境，並把幻覺、遺漏、延遲與錯誤信任分開。只有展示成功畫面，無法估計真正風險。
規模證據還要看負面使用行為，例如醫師過度相信、為了等模型而延遲、忽略提示或被頻繁誤報干擾。這些不是單純模型準確率能捕捉的問題。前瞻研究應把臨床流程、認知負擔、停止與接管時間納入，且事先定義誰有權中止研究功能。
| 證據層級 | 目前狀態 | 下一個門檻 |
|---|---|---|
| 研究展示 | 已有公開示範 | 完整測試集與錯誤分布 |
| 既有器材 | 指定成人膽囊切除 510(k) | 不得延伸至新功能或新適應症 |
| 生成預測功能 | 未納入現行核准系統 | 人因、臨床與軟體生命週期驗證 |
| 自主手術 | 未由本公告建立 | 獨立監管與臨床證據 |
後續公告要問七個未決問題
讀者可依序確認：功能是離線研究還是即時；誰選擇候選動作；模型錯誤如何告警；醫師能否立即忽略或停止；更新是否重跑驗證；適用病人與手術階段；資料與責任如何保存。只要其中一項沒有答案，就不應把展示描述成臨床自主能力。
若後續公告提供病例或效能數字，讀者要確認分母、適應症、比較組、主要終點與不良事件，不要只擷取最亮眼百分比。『協助』、『預測』和『自主』在醫療監管上不是同義詞；每次引用都應保留原文用途與限制，避免媒體標題把研究方向推成已核准能力。
醫療機構若參與下一階段研究，應先完成倫理、資料治理、事件通報與退出機制。病人或醫師拒絕研究功能時，既有 Versius 工作流程仍要可用；研究系統故障也不能影響已核准器材的基本功能與支援。
- 研究、訓練、術中提示與自主控制分開標示
- 保留模型版本、輸入、預測與實際後續畫面
- 報告錯誤預測及被醫師否決的分母
- 限定器材適應症與病人年齡範圍
- 在每次更新後重做風險與人因驗證
讀者接著會問
目前有真實病人使用這項生成預測功能嗎？
官方資料將它定位為研究展示，並明確說明不在現行核准系統內，也不供臨床決策或病人照護。不能從展示推論已有臨床客戶或病人使用。
什麼才算足以擴大到臨床的證據？
至少需要指定適應症與病人族群的前瞻驗證、完整錯誤分布、人因與醫師監督流程、更新管理、資料安全及監管審查。影像逼真或單次成功不能替代這些證據。
資料最後查核：2026 年 8 月 25 日