В статье представлен новый алгоритм управления для медицинских роботизированных систем, объединяющий методы обучения с подражанием (Imitation Learning) и глубокого обучения с подкреплением (Deep Reinforcement Learning). Целью разработки является повышение точности и безопасности МРТ-направляемой трансуретральной ультразвуковой аблации, процедуры, используемой для лечения заболеваний предстательной железы и других органов малого таза. Авторы предлагают архитектуру, где ИИ-контроллер обучается на данных экспертных действий (подражание), а затем оптимизирует свои действия в симулированной среде с учетом ограничений безопасности и эффективности. Валидация проводилась на компьютерных симуляциях и физических фантомах, имитирующих анатомические структуры пациента. Результаты демонстрируют высокую точность позиционирования ультразвукового излучателя и способность системы адаптироваться к изменениям в реальном времени, что критически важно для минимизации повреждения здоровых тканей. Исследование подтверждает жизнеспособность применения сложных ИИ-методов в хирургических робототехнических системах, работающих в условиях жестких ограничений визуализации (МРТ). Работа закладывает основу для будущих клинических испытаний, потенциально улучшая исходы малоинвазивных вмешательств.