人工智能在结直肠癌手术中的应用进展总结2026

人工智能在结直肠癌手术中的应用进展总结2026人工智能（artificialintelligence，AI）在医疗健康领域内的应用发展迅速，在外科手术中，基础模型架构的突破、可穿戴技术的发展以及手术数据基础设施的完善，正推动AI干预措施与应用效能的快速演进。日趋成熟的AI应用模式在改善患者预后、促进外科教育及优化围手术期护理方面具有巨大潜力[1]。而在结直肠外科领域，AI正逐渐渗透至多学科讨论、术中导航、术后预后预测模型、个体化诊疗等多个维度，对结直肠癌外科诊疗格局具有革新意义[2-4]。本文将针对AI在结直肠癌手术术中智能导航与实时决策、流程识别与质量评估、并发症预测及风险评估和辅助机器人手术的应用进展进行述评。1术中智能导航与实时决策1.1关键解剖结构的智能识别结直肠外科手术的难度主要源于解剖结构的复杂性与不同个体间的变异。深度学习算法在术中识别血管、输尿管、盆腔神经等关键结构方面展现出显著优势。卷积神经网络能够从腹腔镜视频流中实时分割动脉、静脉及淋巴组织，为手术提供类似“增强现实（augmentedreality，AR）”的视觉引导。Anaut公司开发的Eureka系统已于2024年在日本获批上市，可在术中实时识别并叠加显示结缔组织、神经、血管和器官，其在直肠癌全直肠系膜切除术中的应用已实现可增强解剖层面与关键结构的可视化[5]。具体流程为，在结直肠手术中，将Eureka系统并行接入腹腔镜系统，术中对监视器上的神经进行高亮显示。有研究统计了在主刀医师术中确认神经后受训医师未能识别神经的总场景数的比例，还评估了当受训医师无法识别神经时，通过观看Eureka监视器识别神经的成功率。结果显示在AI导航下，左侧腹下神经识别率由26.7%提升至48.1%，右侧腰内脏神经识别率由31.7%提升至90.6%，左侧腰内脏神经识别率由43.6%提升至88.6%。尽管AI导航对不同神经的识别辅助率存在差异，但该系统在辅助解剖结构识别、加强手术教学以及促进神经保护方面仍具有潜在价值[6]。术中对于游离层面和解剖的把握直接关系到手术质量和手术安全。日本一项研究通过基于深度学习的导航技术，分析接受腹腔镜直肠癌根治术患者的手术视频，来辅助术者确定直肠癌全直肠系膜切除的“神圣”层面[7]。另一项研究纳入接受经肛全直肠系膜切除术（transanaltotalmesorectalexcision，taTME）的患者进行分析，证实深度学习模型可以辅助判断taTME术中前列腺的位置[8]。Sun等[9]为了提高低位直肠癌手术中前列腺游离的准确性，设计了视频语义分割框架IG-Net模型，通过结合手术器械特征，实现对前列腺区域精准地识别，有助于降低术中前列腺或尿道损伤的风险。笔者团队2024年发表的一项研究将taTME手术视频逐帧分解，人工标注重要的解剖标志，构建了一种轻量级动态卷积网络（LDCNet）模型，它不仅具有卓越分割性能，而且运行速度快，能辅助术者在taTME手术过程中实时识别正确的游离层面[10]。上述研究通过建立AI模型，帮助术者在手术过程中准确识别重要的解剖标志，进而减少并发症发生，为未来实现实时术中手术导航提供了前期基础。1.2与荧光结合辅助术中决策判断荧光导航肿瘤手术是近年外科的热点，将荧光技术与AI结合能更好地发挥荧光辅助效能[11]。基于吲哚菁绿（indocyaninegreen，ICG）的荧光技术在结直肠癌术中吻合口学血供的判断已经在临床得到广泛应用，但由于不同个体血管解剖结构的差异，各研究分析结果也因定量参数的使用而有所不同。Park等[12]开发了一种基于AI的腹腔镜结直肠手术实时微循环分析系统，通过基于AI的实时分析微灌流，理解和评估手术过程中的吻合口的微循环血流情况，结果显示，基于AI的分析在预测吻合口并发症风险优于传统参数，展现了AI技术在推动临床手术技术创新与优化方面的重要潜力。近期，McEntee等[13]也开发了一种实时分析ICG术中吻合口灌注技术的AI工具，该工具通过构建AI模型，自动解读术中ICG荧光强度信息，帮助术者判断吻合口血供情况，具有广阔的应用前景。为了在术中实时区分肿瘤组织和正常组织，Cahill等[14]基于AI和ICG灌注技术提供了一个新的术中决策支持方法。该研究基于24例患者的术中荧光图像构建了肿瘤检测模型，通过分析患者手术视频，利用ICG对感兴趣区域进行跟踪和分析，成功开发了一种基于荧光梯度提升模型的AI工具。利用该模型，在患者的级别诊断中正确诊断出了20例中的19例癌症患者，灵敏度达100%，特异度为92%，进一步展示了AI在辅助结直肠癌手术中识别和分类组织的潜力，10min内即可识别结直肠肿瘤病灶的部位和边界，为未来术中实时确定肿瘤切缘提供了有价值的参考。笔者认为，虽然荧光腹腔镜在结直肠癌手术中已经得到了广泛的应用，但由于现有不同荧光腹腔镜品牌之间的荧光强度难以进行定量分析，且ICG本身不具有肿瘤特异性，未来荧光与AI的结合将使得荧光引导手术进一步提升临床疗效，发挥更重要的临床作用。2手术流程识别与质量评估手术视频的自动化分析是AI在术中应用的另一个重要方向，通过对手术流程进行时间片段分割，AI可识别具体操作步骤并判断手术层面选择是否正确。多项手术技能评估工具强调了高效组织游离的重要性，但对此的评估依赖于人为判断，因此容易产生偏倚，自动化评估可能有助于解决这一问题。Nakajima等[15]基于深度学习的计算机视觉技术，开发了一种识别单极器械进行组织游离的模型。该研究使用了来自日本多中心的行腹腔镜结直肠癌手术（乙状结肠切除术或高位前切除术）的共计766例术中视频，根据技能水平区分为高技能组、中等技能组和低技能组，将单极器械显现时间内的组织游离时间作为描述高效游离的量化参数。结果显示，组织游离识别模型的总体准确率为0.91，提示基于AI的自动手术技能评估能相对客观地评估外科医师的临床技能，减轻人力负担。标准术野的建立是外科手术技能评估的关键因素。Igaki等[16]开发了一种能够识别腹腔镜乙状结肠切除术中标准术野并输出其与标准术野建立相似度的深度学习模型，通过使用日本内镜外科学会的腹腔镜结直肠手术术中视频（由内镜外科技术认定系统评分高于75分的专家医师实施），基于该模型的标准术野进行手术技能评估，相似度以AI置信度评分表示。结果显示所开发模型输出的AI置信度评分与内镜外科手术技能资格认证系统‌（EndoscopicSurgicalSkillQualificationSystem，ESSQS）评分强相关，证明了该模型作为自动手术技能评估方法的可行性。在腹腔镜结直肠癌手术中，游离—显露时间比是反映手术效率的指标，并与手术熟练程度相关。Obuchi等[17]开发了一种能自动识别游离时间和显露时间的AI模型，以探索手术技能评估的新方法。该模型使用提交给内镜外科技术认定系统的腹腔镜乙状结肠切除术视频构建视频数据集，根据手术技能水平将视频分为+2SD组（ESSQS总分高于平均值+2个标准差）和-2SD组（ESSQS总分低于平均值-2个标准差），通过静态图像上标注游离时间、显露时间、无效时间以及体外时间（镜头位于体腔外），计算D/E比值以及游离与显露之间的切换次数，开发了基于卷积神经网络的图像分类模型，并对各项参数进行比较。在该模型中，+2SD组和-2SD组的平均游离时间、平均显露时间比较差异均有统计学意义，提示该模型能够基于DEI参数，根据手术熟练程度对腹腔镜乙状结肠切除术视频进行自动分类，可能有助于提高手术质量和教学水平。现有的腹腔镜或机器人手术产生了海量的手术视频文件，完全依靠人工进行视频分析将消耗大量的人力物力，AI对手术视频进行自动分析的过程不仅有助于术者进一步提高手术技能，还能客观地对于手术技术进行分析评价，对于年轻医师的成长及未来外科医师的评价体系建立具有重要意义。3手术并发症预测及风险评估结直肠癌围手术期不良结局，包括严重并发症、死亡及由此导致的患者生存率下降、医疗成本激增，长期困扰着临床工作者。传统的风险评估工具往往依赖单一维度（如年龄、并发疾病数量等），难以全面捕捉患者个体差异，导致高风险患者错失精准干预机会，低风险患者则面临过度医疗风险。在此背景下，AI凭借处理海量数据、挖掘复杂关联的能力，为解决这些困境提供了新可能。近期一项丹麦研究通过整合全国性医疗数据，涵盖18403例2014年至2019年期间接受择期根治性结直肠癌手术的患者，开发并落地了一种结直肠癌围手术期风险AI预测模型，为结直肠癌手术患者提供个性化围手术期治疗方案，以实现降低并发症发生率、医疗资源优化与成本节约等多重目标。研究结果显示，AI个性化围手术治疗的干预组对比标准护理组在综合并发症指数（comprehensivecomplicationindex，CCI）、术后并发症发生率、术后90d内再入院率均有显著降低，且高风险组患者的获益更明显。同时通过1年时间跨度的卫生经济学模型分析，干预组成本效益优势明显[18]。此外，Brydges等[19]通过机器学习的方法建立了结直肠术后患者肠梗阻的预测模型，预测准确度高达94.2%，可为高风险患者的早期干预提供参考。Agnes等[20]通过分析结直肠癌切除术后实验室检查结果，建立了术后严重并发症的AI预测模型，结果显示该模型相对于传统的回归模型在预测重大并发症、吻合口漏发生率及再入院率方面具有优势。4AI辅助机器人手术手术机器人在目前结直肠癌治疗中已经得到较广泛的应用。按照手术机器人自主性分级，目前临床应用的大部分手术机器人仍处于0~1级的低度智能水平[21-22]。2025年来自约翰霍普金斯大学的研究团队开发了一套名为SRT-H（HierarchicalSurgicalRobotTransformer）的自主手术机器人系统，为了验证该系统的效果，研究团队在8个离体猪胆囊上进行了测试，实验结果显示，SRT-H在所有8个测试场景中均成功完成了胆囊切除术的夹闭和切割步骤，全程无人工干预，提示SRT-H已达到高度自主性水平（4级），能够在适当监督下自主、可靠地完成关键手术步骤，标志着手术机器人技术向完全自主手术迈出了关键一步[23]。结直肠癌手术操作相对于胆囊切除手术更为复杂，目前也已出现一些初步尝试。2016年，约翰霍普金斯大学报道了智能组织自主机器人（STAR）系统的应用，该系统由1台轻量级机械臂配合带有关节的腹腔镜缝合工具组成，拥有8个自由度，配合智能成像技术可在动物模型中自主完成体外小肠吻合，通过比较缝合一致性、吻合口破裂压力、缝合错误次数、完成时间以及吻合口狭窄程度，发现其性能并不劣于传统的腹腔镜及机器人手术[24]。2022年，该团队进一步通过开发增强的自主操作策略使STAR系统实现腔内自主小肠吻合。结合体内动物实验，结果显示STAR系统在缝合质量、完成时间、吻合口通畅性、吻合口破裂压力等各项指标上均不劣于由经验丰富的外科医师开展的腹腔镜或机器人手术[25]。将AR技术与智能机器人结合在近期也取得了突破性地进展。2025年，来自希腊的研究团队报道了全球首例AI辅助AR引导下进行的机器人右半结肠切除术。该研究采用FeaturePyramidNetwork与EfficientNetV2主干构建二元分割模型，对手术器械进行实时分割与“去遮挡”处理，同时AI能够自动识别器械区域并将其从AR叠加内容中排除，确保器械始终清晰可见。术中，AI辅助的AR导航在血管解剖、结肠系膜层面发育等关键步骤中发挥了重要作用，显著改善了术者对深部解剖结构的空间感知。这一突破性进展标志着智能手术导航从概念验证迈向临床实用阶段[26]。5挑战与未来展望尽管AI在结直肠外科的应用已取得显著进展，但临床转化仍面临许多挑战。首先，现有AI模型普遍为基于单一中心数据训练得到的模型，且外部数据验证不足，难以迁移至不同医疗中心、不同手术平台或不同人种人群应用，推广落地受到影响。因此，建立全国性的数据平台在AI时代显得尤为重要。其次，结直肠癌患者个体差异较大，组织结构复杂，干扰因素及需要处理的数据量较多，术中导航系统的实时性及精度要求较高。目前手术机器人虽然能够搭配荧光技术，但在辅助手术决策方面所发挥的功能有限。AI结合机器人手术及荧光技术等多种手段的深度融合是推动智能化手术的重要方向。综上所述，AI时代背景下，手术