Page 8 - 《中国医疗器械杂志》2026年第2期

Chinese Journal of Medical Instrumentation 2026年 第50卷 第2期

医 疗 机 器 人

挖掘+深度学习”的中成药RCT文献智能抽取与自 拟合不一致性模型）。临床证据智能转化的结果展
动质量评价模块、基于R语言的自动化Meta分析/网 示如图4所示。
状Meta分析模块、基于Python的灵活数据调用与可
视化统计分析模块，以及证据报告自动生成模块、
报告输出模块（二维码生成）。Multi-RevRobot功
能模块流程，如图3所示。

图4 临床证据智能转化结果展示
Fig.4 Intelligent translation result display of clinical evidence

4.4 导航决策算法
为确保Multi-RevRobot在复杂、动态的医疗与
社区环境中稳定运行，其软件系统还集成了高精度
建图、运行数据管理与智能路径规划算法，实现了
“感知—决策—执行”的全流程闭环控制。
（1）双模建图与数据管理。
Multi-RevRobot采用融合激光雷达与深度摄像
头的双模建图方案，实现室内环境的高精度地图
构建与实时定位。机器人在工作过程中，通过激光
同步定位与地图构建（simultaneous localization and
mapping，SLAM）与视觉SLAM的协同处理，持续
更新环境模型，并生成完整的语义地图，为路径规
划与避障提供基础支持。此外，系统支持本地与云
端的建图数据同步。运行中生成的导航轨迹、避障
行为与系统日志将实时上传至云端平台，实现远程
图3 Multi-RevRobot功能模块流程 任务监控、运行状态回溯与集中式数据管理。该机
Fig.3 Process of the Multi-RevRobot functional module
制不仅提升了机器人部署的可扩展性，也为后续模
4.3 临床证据转化模型应用 型优化与系统更新提供了数据支撑。激光雷达与深
临床证据转化结果以森林图、网络证据图、概 度摄像头的双模式示意，如图5所示。
率排序图及漏斗图等形式呈现。Meta分析涵盖随机
效应模型与固定效应模型等基础方法，而网状
Meta分析主要采用频率学与贝叶斯两类模型 。贝
[5]
[6]
叶斯模型的公式 如下：
P(D|θ)P(θ)
P(θ|D) = (1)
P(D)
频率学方法以广义线性模型（generalized linear
model，GLM）及广义线性混合模型（generalized
linear mixed model，GLMM）为主，适用于二分类
变量、计数变量和连续型变量等多种结局变量类
型。贝叶斯模型主要通过马尔可夫链蒙特卡罗
[7]
（Markov chain Monte Carlo，MCMC）算法 实现
参数估计。分析流程还设置了异质性检验与发表偏
倚检验（漏斗图）。另外，在网状Meta分析中增添 图5 激光雷达与深度摄像头的双模式示意
了一致性评估（如节点分裂法、设计一致性检验、 Fig.5 Dual-mode schematic of laser radar and depth camera

122