人工智能在微创外科手术中的应用研究进展2026

人工智能在微创外科手术中的应用研究进展2026近年来，微创技术在外科领域取得显著进展［1］。随着腔镜和手术机器人技术的发展，微创技术已广泛应用于肝胆胰外科、胃肠外科等消化外科领域［23］。微创手术以其创伤小、出血量少、疼痛轻、术后恢复快等优势，受到外科医师和患者的青睐［47］。随着微创手术的推广普及以及医疗信息化和数字化的发展，对微创手术视频的记录、回顾和分析变得愈发重要［8］。有研究结果显示：手术视频分析在技能评估、医师认证和外科培训中具有重要价值［911］。然而，手术视频的分析不仅耗时耗力，且需要专业的外科知识和经验，这导致视频中如操作技巧和解剖结构等信息难以得到充分挖掘和利用［12］。此外，与开放手术比较，微创手术复杂性和难度更高，风险更大，如何在降低手术难度和复杂性的同时，提高手术的安全性和效率，仍是外科领域亟需突破的难题之一［13-16］。AI尤其是深度学习技术，已经在图像和视频信息的识别、理解和分析方面取得了显著进展［1718］。目前，AI已广泛应用于放射、超声、内镜和病理等医学图像中，并在这些领域取得显著成效，甚至在一些研究中超越了人类医学专家的表现，体现了其在临床应用中的价值和前景［1923］。AI在微创外科领域同样展现出巨大的应用潜力，如手术过程监测、手术导航和技能评估等［18，24］。目前，AI在微创外科领域中处于快速发展阶段［18，2427］。图像分类、目标检测、语义分割、实例分割和时序识别等AI算法正在不断发展和迭代，逐步应用于手术器械、阶段、动作、解剖识别，术中诊断，不良事件监测以及智能去雾等方面，为微创外科手术提供了支持和辅助［18］。因此，笔者系统梳理AI在微创外科手术中的应用研究进展以及风险挑战，以期为未来技术创新和临床实践提供指导，推动AI在微创外科手术中的发展和应用。一、手术器械识别手术器械识别是当前AI在微创外科手术中的关键应用方向之一，近年来得到广泛关注。准确且快速地识别手术器械能够帮助外科医师精确控制器械操作，降低失误风险，优化手术路径，从而提升手术的安全性和效率［28］。目前，目标检测、语义分割和实例分割等算法已被广泛应用于手术器械识别的研究，展现了优异效果和广阔应用前景［29］。Ping等［30］改进YOLO目标检测模型，用于在不同类型手术（如胰腺手术、结肠手术、胃手术）图像中识别手术器械并定位其尖端，平均精度可达到89.6%。DeBacker等［31］利用基于UNet架构的语义分割模型识别机器人辅助部分肾切除术的手术器械，在评估图像分割性能的关键指标即平均交并比表现出色，达到94.4%。此外，他们还将该方法应用于增强现实技术，成功解决了增强现实辅助微创手术中的器械遮挡问题，显著提高了手术视野的清晰度和立体感。Kitaguchi等［32］利用MaskRCNN实例分割模型成功在腹腔镜结直肠手术中识别8种手术器械，平均精度为91.8%，为手术自动化奠定了基础。Kitaguchi等［33］从不同角度测试深度学习手术器械分割模型性能的泛化表现。其结果显示：AI模型泛化至不同的腹腔镜系统（如Olympus与KarlStorz的色温差异导致平均精度下降7.5%）、器械型号（器械尖端形状变化导致平均精度下降17.9%）及手术类型（手术方式不同导致平均精度骤降37.3%）时，其性能下降明显。因此该研究进一步指出：未来需通过多中心联邦学习提升数据多样性，采用对抗式领域适应消除图像性质的影响，构建动态增量学习框架提升模型临床可靠性。此外，手术器械识别技术在外科培训和技能评估中也具有重要价值。该技术能够帮助新手外科医师快速识别器械并理解手术工具与解剖结构的交互，加速培训进程，缩短学习曲线［34］。Matsumoto等［35］利用Deeplabv2语义分割模型在腹腔镜远端胃切除视频中成功识别手术器械的尖端位置坐标，并基于这些坐标进行运动学分析。其结果显示：与新手外科医师比较，专家的操作更加高效和规律，手术用时更少，器械总移动距离更短，这证明了手术器械识别技术在实时技能评估中的潜力。二、手术阶段识别在微创手术视频中识别和分析手术阶段或步骤，对于手术流程的标准化和技能评估具有重要意义，已成为微创外科专家关注的重点方向［3637］。通过学习手术视频，AI能够准确识别手术阶段，预测手术剩余时间、定位关键手术片段以及辅助技能评估等，推动手术自动化的发展［38-42］。由于不同类型微创手术具有独特的阶段划分，按消化外科的细分学科分别介绍其手术阶段识别。（一）肝胆胰外科在肝胆胰外科领域，LC的手术阶段识别研究最广泛且深入［36］。自Twinanda等［43］于2017年首次提出Cholec80数据集以来，该领域已取得显著进展。Cholec80数据集将LC划分为7个手术阶段：准备、Calot三角解剖、夹闭与切断、胆囊游离、胆囊牵引、清理与止血、胆囊装袋。此后，多项研究不断提高LC阶段识别的平均准确率（81.7%~95.4%），为手术阶段识别技术的持续发展奠定了坚实基础［44-46］。Golany等［47］基于LC构建一个有手术阶段及手术复杂度注释的多中心数据集，基于此开发的MSTCN模型在手术阶段识别中取得89.0%的平均准确率，并发现模型的准确率与手术复杂度呈负相关，随着复杂度等级的增加，准确率从92.0%（复杂度等级1）下降至81.0%（复杂度等级5）。此外，Liu等［37］对机器人肝左外叶切除术的手术过程进行系统定义和划分，将整个手术过程分为4个主要步骤：游离肝脏、肝实质离断、横断面止血、抽吸引流；为实现自动化步骤识别，其开发的混合深度神经网络模型在手术步骤识别中平均准确率为82.0%。Guo等［48］则将腹腔镜肝切除术中的Pringle法肝蒂阻断操作细分为5个步骤：准备、打结、切除、阻断解除、术后处理，其开发的PmNet模型在该任务中的平均准确率为95.9%，可用于实时监控手术进程，确保手术操作的标准化和精确性。（二）胃肠外科在胃肠外科领域，手术阶段识别的相关研究同样进展迅速。Kitaguchi等［49］率先将腹腔镜乙状结肠切除术细分为11个阶段：准备、全直肠系膜切除右侧/后侧游离、肠系膜下动脉离断前-结肠内侧游离、肠系膜下动脉离断、肠系膜下动脉离断后-结肠内侧游离、结肠外侧游离、全直肠系膜切除左侧游离、直肠系膜切除、离断直肠并吻合、肠系膜下静脉/左结肠动脉离断、吻合后操作。他们开发的基于InceptionResNet和LightGBM的深度学习模型在这一阶段分类任务中平均准确率达到91.9%，并能以32帧/s的速度进行实时推理。随后，Kitaguchi等［50］基于日本19家医疗中心的数据构建腹腔镜结直肠手术多中心数据集（LapSig300），采用Xception架构的卷积神经网络模型进行手术阶段识别。该研究创新性地将手术过程简化为9个核心阶段，聚焦于从系膜解剖到血管离断的核心操作环节。该模型展现出81.0%的整体阶段识别准确率，这一性能指标虽较单中心研究有所下降，却真实反映了多中心场景下的应用挑战：不同医疗机构在手术器械规格（如抓钳类型）、成像设备参数（如光源强度）以及手术程序差异（30例未进行阶段9操作）等方面存在的异质性，是导致模型性能波动的主要因素。随后Igaki等［40］提出一种基于手术阶段识别的自动化手术技能评估系统。他们利用内镜手术技能认证系统（endoscopicsurgicalskillqualificationsystem，ESSQS）获得高分的腹腔镜乙状结肠手术视频数据训练AI模型，通过模型计算实际手术场景与标准化场景的相似度，即AI置信分数（AIconfidencescore，AICS）来评估手术质量。其结果显示：AICS在识别ESSQS高评分组和低评分组的表现能力优异，受试者工作曲线下面积（areaundercurve，AUC）分别为93.0%（高评分组）和94.0%（低评分组），表明手术阶段识别技术可用于自动化手术技能评估，减轻专家评估负担。此外，Komatsu等［51］将腹腔镜远端胃切除术划分为9个阶段：准备、左侧胃大弯淋巴结清扫、右侧胃大弯淋巴结清扫、十二指肠离断、胰腺上区淋巴结清扫、胃小弯淋巴结清扫、胃体离断、重建、重建后至手术完成。基于EfficientNetB7的卷积神经网络模型在该手术阶段识别任务中平均准确率达到8.8%。类似地，Takeuchi等［52］将机器人远端胃切除术划分为10个阶段：准备、胃网膜左淋巴结清扫、幽门下淋巴结清扫、十二指肠上淋巴结清扫、十二指肠离断、胰腺上区淋巴结清扫、胃小弯淋巴结清扫、胃体离断、重建、清扫后至手术完成。他们采用TeCNO模型平均准确率达到87.0%，并指出此技术可实现术中进程监控，提升手术室管理效率。Takeuchi等［53］将腹腔镜经腹膜前疝修补术的手术流程分为7个阶段：准备、打开腹膜瓣、腹膜瓣游离、切除疝囊、覆盖补片、固定补片和关闭腹膜瓣。他们开发的TeCNO模型平均准确率为85.8%。该研究结果显示：专家在打开腹膜瓣和切除疝囊阶段的操作时间明显少于学员，表明此系统在评估外科医师学习曲线中具有潜力。三、手术动作识别在微创手术中，手术动作是指外科医师在有限的可视和操作空间内，通过特定器械和技术动作执行的一系列精细操作［54］。这些动作通常包括热切、缝合和拨推等，旨在以最小的创伤实现手术目标［55］。作为有意识手术活动的基本功能单位，手术动作直接反映外科医师的技术水平，因此被视为评估手术技能表现的重要指标［56］。随着AI技术的引入，自动化手术动作识别与分析已成为提高手术效率和客观技能评估的重要研究方向［57］。现阶段对于手术动作识别的研究主要集中在以下3个方面。（一）手术动作序列Müenzer等［58］基于腹腔镜妇科手术，首次提出了SurgicalActions160数据集，为手术动作分析和识别领域的研究提供了宝贵的数据资源。该数据集包含16类典型的手术动作：进入腹腔、注射、切割、钝性分离、热解剖、冲洗、电凝、抽吸、定位针头、针穿刺、推结、打结、剪线、置入吊带、置入取物袋、取出取物袋。Luongo等［59］开发1种用于机器人辅助根治性前列腺切除术中缝合动作识别的ConvLSTM模型，实现了88.0%的AUC。该研究将缝合动作进一步细分为5个具体手势，ConvLSTM模型在缝合手势分类的任务中AUC达87.0%。这表明AI不仅能识别缝合动作，还能进一步识别缝合动作的手势类型，为自动化的手术技能评估奠定了基础。Kiyasseh等［60］开发基于视觉变压器模型的手术人工智能系统（surgicalartificialintelligencesystem，SAIS）。该系统能够识别并分类手术视频中的不同解剖动作，包括钩取、上夹、切割、移动、拨推和牵开，其AUC为70.1%~97.4%。此外，SAIS还能识别缝合动作，包括持针、穿针和撤针，AUC为70.5%~83.7%，并在多个医院的视频测试中展现了良好的泛化性能。该研究还表明：SAIS在可解释性方面表现良好，能够用于术中实时技能评估。（二）手术动作三元组相比于仅识别手术视频中的动作序列，Nwoye等［61］指出：识别和分析精细且复杂的手术动作需要考虑器械与组织之间的交互。因此，研究者标注LC手术视频中的器械、手术动作和目标解剖结构，组成动作三元组<器械动作解剖结构>，如<抓钳牵拉胆囊>。最终构建三元组手术数据集CholecT50。基于该数据集，研究团队开发Rendezvous模型，用于识别动作三元组，其中器械、动作和解剖结构的识别平均精度分别达到92.0%、60.7%和38.3%，整体三元组识别的平均精度为29.9%。该研究通过对动作三元组的定义、构建和识别，充分展示AI在手术动作识别和动作交互分析中的可行性与潜力，为实现手术视频理解、术中情景感知和辅助技能评估提供了新视角。尽管如此，现有算法在动作三元组整体识别的精度上仍有较大的提升空间。笔者预测：未来的研究需要进一步优化算法，提高识别精度，以充分发挥AI在手术动作分析领域的应用潜力。（三）手术动作轨迹Zhang等［62］专注于从腹腔镜手术视频的器械轨迹中解析手术动作，采用极坐标系统分析器械的运动路径，进一步开发APRGMM模型对轨迹进行分析和预测。该模型在器械（如外科钳）3、6、9和12s的轨迹预测中，均方根误差分别为3.4、5.0、5.6和5.3。该研究为AI手术系统和手术机器人的发展提供了新方法，通过实时精确预测器械轨迹辅助外科医师更好地操作器械，从而优化手术路径、降低操作失误风险，并为术中动态决策提供强有力的支持，具有重要的临床应用前景。四、解剖结构识别：在微创手术中，实时自动识别关键解剖结构可以有效防止术中损伤，降低术中并发症发生率，从而提高手术安全性。AI应用使得在多种微创手术中实现解剖结构识别成为可能，在识别器官、血管、输尿管和神经等关键结构方面展现了卓越的效果，这为复杂手术提供了重要的导航支持，使微创手术更加精准和安全［6366］。由于不同类型的微创手术涉及的解剖结构和手术范围各异，以下将按消化外科的细分学科分别介绍。（一）肝胆胰外科在肝胆胰外科领域，Mascagni等［67］开发DeepCVS两阶段AI模型。第一阶段使用Deeplabv3+模型对LC中涉及的解剖结构（胆囊、胆囊管、胆囊动脉、胆囊板和胆囊三角），手术器械及背景进行分割，平均交并比达到66.6%。第二阶段通过深度学习分类网络识别关键安全视野评分，识别的平均准确率达到71.4%。该研究首次展示AI在肝胆结构识别和关键安全视野评估方面的可行性，具有预防胆管损伤、降低并发症发生率并提升手术安全性的潜力。Tao等［68］应用nnUnet语义分割模型识别腹腔镜左肝外叶切除术中的左侧Glissonean肝蒂和左肝静脉。在内部交叉验证集中，模型的Dice系数（图像分割性能关键评估指标）分别达到78%（左侧Glissonean肝蒂）和74%（左肝静脉）；在独立外部测试集中，这两项结构的Dice系数均达到75%。模型的实时识别速度分别为12.7帧/s（左侧Glissonean肝蒂）和11.5帧/s（左肝静脉）。此外，研究对比了AI模型与人类外科医师对以上解剖结构的优先识别率，结果显示：AI模型的优先识别率达58.3%，高于人类外科医师（33.3%）。该研究表明为AI模型在微创肝脏手术解剖结构识别中的可行性以及在手术实时应用中的潜在价值。Oh等［69］采用Deeplabv3+模型对全腹腔镜供肝切取术中完整的胆管结构，以及肝总管和右肝管交汇处的前壁进行识别，Dice系数分别为72.8%和42.9%，实时推理速度达15.3帧/s，展现了AI技术在术中实时识别解剖结构的可行性和潜力。（二）胃肠外科在胃肠外科领域，Kolbinger等［63］使用SegFormer模型在机器人直肠手术中识别11类解剖器官和结构，包括腹壁、结肠、肠系膜下动脉、结肠静脉、肝脏、胰腺、小肠、脾脏、胃、输尿管和精囊腺。SegFormer模型单独识别各结构的Dice系数为43.0%~91.0%，同时识别的Dice系数为35.0%~78.0%，且实时识别速度达到10帧/s，展现了SegFormer模型在复杂微创手术解剖结构识别中的应用潜力。由于结直肠癌手术中对自主神经保护的重要性，Kojima等［66］使用Deeplabv3+模型识别腹下神经和上腹下神经丛，识别的Dice系数分别为56.0%和49.0%。Igaki等［70］则关注腹腔镜全直肠系膜切除术中的手术层面，使用Deeplabv3+识别层面之间的疏松结缔组织，Dice系数为84.0%，这有助于提高手术操作的准确性和效率。类似地，Kumazu等［71］利用UNet模型识别机器人辅助胃切除术中胰腺上区淋巴结清扫手术层面的疏松结缔组织，Dice系数达到54.9%，可用于辅助外科医师确定手术解剖平面和降低术中不良事件发生率。Cui等［72］利用YOLOv4模型对腹腔镜腹股沟疝修补术中的输精管进行识别，平均精度达95.6%。该模型有助于提高年轻外科医师对局部解剖结构的理解，优化学习曲线，并提升手术效率。在解剖结构识别领域，AI模型的性能主要受训练数据量、结构特性及术中场景复杂性的综合影响。由于不同研究在训练数据量上存在显著差异，所开发的AI模型性能难以直接比较。多项研究表明：胆囊、肝脏等器官的识别性能较高，这主要得益于其边界清晰、与周围组织对比度高且尺寸较大，便于模型分割［63］。相比之下，神经、血管及疏松结缔组织等精细结构由于形态较小、与周围组织颜色相似且易受遮挡，分割难度显著增加。此外，术中动态因素如运动模糊、光照不均及器械干扰进一步加剧了模型性能的波动［66，68，71，73］。因此，笔者认为：未来研究需通过扩充高质量数据集、优化数据标注标准以及开发针对性更强的AI算法，以提升对复杂解剖结构的分割性能，推动AI在微创手术中的实际应用。五、其他应用方向（一）术中诊断术中准确的疾病诊断分期对于制定合适的治疗方案至关重要。Schnelldorfer等［74］率先开发了1种计算机辅助分期腹腔镜（computer-assistedstaginglaparoscopy，CASL）系统用于术中识别肿瘤转移病灶。该系统可在腹腔镜探查的静态图像中，检测腹膜表面的肿瘤转移病灶，平均召回率达63.0%，平均精度达64.0%。在检测到病灶后，CASL系统还能进一步判别其良恶性。该研究开展的人机对比测试结果显示：CASL系统分辨良恶性的平均准确率为65.0%，而外科医师凭借经验分辨的平均准确率仅52.0%；在该系统辅助下，外科医师分辨的平均准确率可提升至66.0%。CASL系统有望在未来用于辅助肿瘤腹腔转移病灶的识别，以利于减少不必要的术中活检。笔者团队则针对胃癌腹腔种植转移病灶隐匿性强、术中探查易遗漏的特点，开发AI腹腔镜探查系统［75］。该系统可实时动态地分析手术视频，无论腹腔病灶转移的位置（包括腹膜、网膜、肠壁、肠系膜、肝脏表面和子宫）和程度（包括单发病灶、多发病灶和广泛转移），均可快速准确地识别并高亮转移病灶，其平均Dice系数达到76.0%，推理速度为11帧/s，有望在未来整合至术中，辅助识别胃癌腹腔种植转移，提升术中诊断的精准性并辅助个体化治疗决策。与此同时，Ishikawa等［76］利用YOLOv4目标检测模型，实现胸腔镜手术中肺肿瘤病灶的自动检测。该模型的平均精度为91.9%，平均召回率为90.5%，准确定位肿瘤位置，可增强外科医师的术中诊断能力。（二）不良事件监测术中不良事件，尤其是术中出血，对患者术后恢复及长期预后有着不良影响。AI技术在实时捕捉和分析术中不良事件中展现出巨大潜力，能够自动识别和记录术中出血、血管损伤、灼伤等不良事件，从而减少依赖人眼观察所带来的偏差与遗漏［77］。Hua等［78］构建FasterRCNN模型用于快速检测腹腔镜手术中的出血点，其平均精度为68.2%，证实了术中检测出血的可行性。Sasaki等［79］通过检测腹腔镜结直肠手术视频中的出血像素点，有效识别术中出血，准确率达到85.7%。通过统计出血像素点的数量，研究评估了外科医师的组织处理技能。其结果表明：技术熟练的外科医师在手术过程中，由于组织处理得当，所引发的微小出血明显较少，出血像素点的数量显著低于技术相对较弱的医师。Yoon等［80］提出1种基于深度学习的实时出血检测系统，该系统利用卷积神经网络分析腹腔镜胃癌手术中的实时视频流，能够自动识别纱布，且具有高达96.5%的灵敏度。通过分析纱布的皱缩程度，进一步估计术中出血量，平均绝对误差为0.25g，平均绝对误差率为7.3%。该研究结果表明：AI系统不仅能够有效辅助外科医师实时识别术中突发的出血情况，还能够量化出血程度，从而有效防控术中出血。（三）智能去雾在微创手术中，使用微创手术器械（如电刀、超声刀等）进行切割、电凝等操作时，常会产生烟雾、气溶胶等气体以及PM2.5等非活性颗粒，从而降低手术视野的清晰度，妨碍术中观察和手术操作的有效性［81］。随着AI技术的发展，智能去雾技术为这一问题提供了新的解决方案。AI可用于提高术中图像在不同场景下的清晰度并进行颜色校正，进而减少烟雾带来的视野干扰，清晰地显示术中各个脏器的边界和器械的位置，帮助外科医师更顺畅地完成手术，同时降低术中并发症的发生率［82］。Su和Wu［83］提出CycleGAN模型，在LC中表现出优越的去雾性能，同时保持了原图像的颜色和纹理细节。彭子洋等［82］开发Yun-Transformer模型，该模型能够自动检测并去除由烟雾和气溶胶产生的视觉干扰，提高术中图像的清晰度和对比度。YunTransformer模型在处理烟雾图像方面表现优异，每张图像的中位处理时间仅为0.04s，图像处理成功率为97.0%。该模型的应用有效减少了传统人工去雾方法（如取出腹腔镜进行热水浸泡并擦拭）所需的时间，可节省手术时间并提高工作效率。六、AI在微创外科手术中应用的挑战与风险在微创外科手术领域，AI的有效应用需要有循证医学证据作为基础。然而，当前AI在手术实践中的应用依然面临诸多挑战与风险，尤其是数据标注困难、实时性要求高和伦理限制等问题。由于技术瓶颈和伦理风险，开展大规模的前瞻性对照试验仍然存在困难。因此，为了实现AI在临床中的广泛应用，未来还需克服以下挑战与风险。（一）数据标注困难开发高精度、高泛化性和鲁棒性的手术AI模型的基础是高分辨率、高质量的手术图像或视频数据［24］。微创外科手术视频中蕴含着大量关键信息，如解剖结构、器械、手术阶段、动作和器械轨迹等［18］。这些信息在不同手术类型、患者、机构和国家间存在显著差异，理解和标注这些数据需要高水平的专业外科知识和丰富的实践经验［8］。此外，手术视频的信息密度极高，常见的视频格式为25~60帧/s，标注其中的解剖结构等信息是一个耗时且繁重的过程，这极大地限制人工标注数据集规模的扩展［84］。因此，构建多样化且标准化的外科数据集是手术AI领域面临的一项重大挑战。此外，由于医疗政策、法律法规以及患者隐私保护等因素的限制，现有可公开获取的外科数据集较稀缺，这使得大多数AI模型只能应用于单一外科领域或特定任务，其通用性和可扩展性受到制约［85］。笔者认为：为了推动手术AI技术的发展，未来还需要加强跨领域、跨机构、跨地域的数据共享与合作，建立规范化的数据处理与隐私保护机制。（二）实时性要求在手术中提供实时、准确的辅助，是将AI技术整合至微创手术中的核心要求之一［24］。然而，由于实时手术视频流中蕴含了海量信息，这对模型的即时处理速度和手术室计算设备的性能提出了很高的要求。首先，为了满足实时性的要求，AI模型需要能够在极短的时间内处理大量图像数据，并输出准确的结果，以便外科医师根据实时反馈作出精准决策。目前，多项研究结果显示：AI模型的实时推理速度在6~14帧/s［63，66，68］，虽未完全达到临床应用标准，但已能够提供较为连续的辅助识别信息，尤其在静态或场景变化幅度小的场景中表现良好。然而，对于大多数复杂手术过程，现有的推理速度暂时低于临床应用标准，为了保持识别画面的稳定性（如30帧/s），减少对术者操作的干扰，还需进一步优化。这通常需要深度优化模型架构，减少计算复杂度，从而提升推理速度。常见的优化方法包括量化技术和模型蒸馏等，通过减少不必要的计算开销，实现更高效的实时推理［86］。其次，绝大多数医院可用的计算设备（如高性