在腹腔镜供肾切除术中利用人工智能识别手术解剖——验证与可行性研究

为高风险的馈赠提供更聪明的技术

腹腔镜供肾切除术是健康者捐赠肾脏时采用的微创手术——这种无私的行为使得任何外科差错都尤为难以接受。本研究探讨人工智能（AI）如何在此类精细操作中帮助外科医生更清晰地识别重要结构，旨在降低捐赠者风险并改善未来外科医生的培训。

为何供肾手术需要额外谨慎

活体肾脏捐赠者通常是完全健康的人，出于帮助他人的目的自愿接受手术。尽管腹腔镜技术已使捐赠更安全、恢复更快，手术仍需在狭小空间内处理动脉、静脉和输尿管等必须避免损伤的结构。外科医生目前依靠眼睛和经验在视频屏幕上识别这些结构。一个能够实时可靠指示关键解剖位置的 AI“副驾驶”可能有助于防止失误，尤其对经验较少的外科医生或在复杂病例中更为重要。

教计算机“看见”体内结构

研究团队与一家医疗技术公司合作，构建了一个在左侧供肾手术中识别重要结构的计算机视觉系统。他们收集了 30 台手术的视频记录，重点选取了周围脂肪已被清除、肾脏、脾脏、主要血管和输尿管可见的时刻。从这些视频中提取了数千张静态图像。每张图像都由解剖学家逐像素精细标注，并由经验丰富的移植外科医生复核。这些注释图像作为训练 AI 的“答案键”。系统基于一种现代深度学习模型，该模型最初用于图像中快速检测目标，随后被调整以在每一帧手术画面上勾画出单独的器官和血管。

系统如何训练与测试

研究人员使用来自 16 台手术的 6,828 张标注图像来训练 AI，另保留来自另外 4 台手术的 1,757 张图像用于测试其学习效果。他们刻意对最关键的结构——肾动脉、肾静脉和输尿管——给予更高权重，以便模型特别关注这些部分。训练过程中，程序反复将其预测与专家标注比较，并自我调整以减少错误。核心问题是，当给出新图像时，AI 是否能正确标出脾脏、肾脏、主要血管和输尿管，而不漏检或混淆结构。

AI“副驾驶”的表现如何

测试结果显示该 AI 系统具有令人鼓舞的准确性。它在识别脾脏和为肾脏供血的主要血管方面表现尤其强劲。对于左肾、肾动脉和肾静脉，系统在避免错误标注背景组织与不遗漏目标结构之间取得了良好平衡。这些结果达到了手术实时检测中常用的判定阈值。输尿管——一条将尿液从肾脏引流的细管——则更难检测，可能因为它细、可移动、与邻近组织颜色相似，且在训练图像中出现较少。除了静态测试，团队还在手术室实时试用该系统并在另一家不同国家的医院的视频上进行验证。AI 仍能识别关键解剖结构，甚至发现了罕见的双动脉模式，表明其可能超出原始训练中心具有一定的泛化能力。

这对外科医生与患者意味着什么

尽管该系统尚未准备好作为完整的实时导航工具，但这项工作标志着重要的第一步。能够可靠勾画关键解剖结构为多种应用打开了可能性：在手术关键阶段屏幕上提供引导、为受训者自动标注教学视频，以及更客观地评估外科表现。未来的改进需要来自多家医院的更多样化数据、更好地处理像输尿管这类难以识别的结构，以及对 AI 每帧工作速度与一致性的正式测量。尽管如此，对于非专业读者来说，核心信息很明确：AI 已能“看见”受过训练的外科医生所能识别的大部分内容，经过进一步完善，此类系统有望使肾脏捐赠这一馈赠变得更安全。

引用: Ong, C.S.H., Wong, H.P.N., Leung, M. et al. Utilising artificial intelligence to identify surgical anatomy during laparoscopic donor nephrectomy – a validation and feasibility study. Sci Rep 16, 7416 (2026). https://doi.org/10.1038/s41598-026-35999-0

关键词: 肾脏捐赠, 腹腔镜手术, 手术人工智能, 医学中的计算机视觉, 器官移植安全