基于深度学习的系统：用增强对比CT预测肝细胞癌切除体积

为肝癌手术提供更智能的规划

对肝癌患者而言，外科医生面临的最大挑战之一是决定切除多少肝脏。切得太少，肿瘤可能复发；切得太多，患者可能没有足够的健康肝脏存活。该研究引入了一种新的人工智能（AI）系统，利用CT扫描帮助医生快速且准确地规划肝脏手术，目标是使手术更安全、更迅速且更一致。

为什么肝脏大小如此重要

最常见的原发性肝癌——肝细胞癌，既具有侵袭性又在全球范围内越来越常见。能够完全切除肿瘤的手术，为部分患者提供了长期生存的最佳机会。但肝脏并非可以随意切除的器官：它承担许多重要功能，从过滤毒素到处理营养物质。如果外科医生切除过多，患者可能在术后出现危及生命的肝功能衰竭。反之，留给肿瘤周围的安全切缘过小，则增加癌细胞残留的风险。因此，准确计算可以安全切除的肝脏比例是现代肝脏手术的核心。

缓慢且依赖人工的现状

如今，这一谨慎的计算通常是手工完成的。放射科医生和外科医生将增强对比的CT影像导入专业三维（3D）规划软件，逐层勾画肝脏和肿瘤、识别关键血管，然后模拟不同的切除方案。这个过程每例患者可能需要若干分钟，且需要高度训练的人员操作。它也受人为差异影响：两位专家可能画出略有不同的边界，同一人在不同时间也可能不完全一致。在需要为许多患者进行肝脏手术的繁忙医院，这种耗时的规划会拖慢治疗进度并增加成本。

名为LRVCD的AI助手

研究团队开发了一种名为“基于深度学习的肝切除体积计算”（Liver Resection Volume Calculation with Deep Learning，LRVCD）的AI系统。它基于在两家大型医院近十年间收集的990例患者CT影像训练的深度学习模型。第一阶段，AI自动检测肝脏肿瘤并在CT图像上将肝脏划分为详细的解剖分段。第二阶段，系统将这些分段图与外科医生选择的手术方案——无论是标准的分段切除还是更不规则的定制切法——相结合，计算将被切除的健康肝组织量和肿瘤体积。系统会报告关键数字，例如总肝体积、肿瘤体积、拟切除体积以及将被切除肝脏的百分比。

对系统进行验证

为检验LRVCD的可靠性，团队将其结果与经验丰富的外科医生使用既有3D规划软件的结果进行了比较。他们评估了两组独立患者：一组来自训练AI的同一医院，另一组来自不同的中心。对每例病例，他们测量AI在肝体积、肿瘤体积和拟切除体积方面与人工参考的吻合程度。差异很小，关键指标——拟切除肝脏百分比——在两组中均表现出接近的一致性。尽管AI倾向于略微低估整体肝体积并略微高估肿瘤体积，这些偏差仍在可接受的临床范围内，并且与人为驱动的3D规划已知的偏差相类似。

从数小时的工作到数秒

LRVCD最显著的优势之一是速度。在内部和外部测试组中，与传统3D软件流程相比，AI驱动的工作流将规划时间大约缩短了二十倍。曾经需要约十分钟或更长时间的工作，现在可在不到半分钟内完成。由于AI承担了分割和体积计算的繁重任务，人类的输入大多限于输入基本的手术信息并在需要时进行微调。这意味着放射科医生和外科医生可以把更多精力放在临床决策上，而不是重复性的鼠标操作。

这对患者意味着什么

对患者来说，技术细节归结为一个简单承诺：更精确、更快速的手术规划，无需额外检查或增加成本。通过快速且一致地估算可以安全切除的肝脏量，LRVCD或能帮助外科医生在追求治愈性手术的同时将术后肝功能衰竭的风险控制在可接受范围内。研究表明，该AI工具在性能上与已有的3D规划方法相当，同时大幅减轻工作负担。作者指出仍需在更广泛的患者群体中进一步测试该系统并进一步自动化外科决策，但他们的结果表明，基于AI的规划有望很快成为肝癌手术室中的实用助手。

引用: Wang, X., Zhang, L., Liu, P. et al. Deep learning-based system to predict hepatocellular carcinoma resection volume using contrast-enhanced CT. Sci Rep 16, 6388 (2026). https://doi.org/10.1038/s41598-026-37085-x

关键词: 肝癌手术, 医学影像人工智能, 肝细胞癌, CT扫描策划, 肝脏切除体积