AI驱动的解剖结构识别在机器人胃切除术中的表现评估：一项多中心回顾性分析

　　来自日本多家大型医疗中心的研究人员开展了一项关于人工智能（AI）在机器人远端胃切除术（RDG）中自动识别关键解剖结构的研究。该研究证实AI模型对胰腺、横结肠系膜及右胃网膜静脉（RGEV）的识别具有稳定准确性（IoU 0.5-0.7），且AI辅助显著提升外科医生对解剖标志的识别准确率（91.7% vs 80.6%, p=0.043），有望降低手术并发症风险。

　　

背景：在机器人远端胃切除术（Robotic Distal Gastrectomy, RDG）中实施幽门下淋巴结清扫时，精准识别胰腺、横结肠系膜（Transverse Mesocolon）及右胃网膜静脉（Right Gastroepiploic Vein, RGEV）等解剖结构至关重要——误认可能显著增加手术风险。然而，即便经验丰富的外科医生亦可能因患者解剖变异或技术差异而面临识别困难。本研究旨在验证一种人工智能（AI）模型在多机构环境下对RDG术中解剖结构的自动识别性能，并评估其辅助外科医生的临床价值。

方法：研究分析了日本多家大型医疗中心90例接受RDG患者的手术视频数据。通过交并比（Intersection over Union, IoU）这一指标，在四家机构中评估了AI模型对胰腺、横结肠系膜及RGEV的识别精度。同时，通过比较有/无AI辅助下外科医生在幽门下淋巴结清扫过程中识别解剖标志的准确性，以评估该模型的临床效用。

结果：在此手术步骤中，AI模型对胰腺、横结肠系膜和RGEV的IoU值分别为0.624、0.575和0.618。尽管四家机构间存在一定差异，模型仍表现出高度稳定性，IoU均维持在0.5–0.7之间。更重要的是，接受AI辅助的外科医生在识别解剖标志——尤其是横结肠系膜边缘——时准确率显著高于未辅助组（91.7% vs. 80.6%, p=0.043）。这一发现凸显了AI模型提升手术安全性与精确性的潜力。

结论：该AI模型表现出良好的外部有效性，能够有效改善外科医生在RDG术中的解剖结构辨识能力。将其整合至临床实践中，有望降低手术并发症发生率，从而改善患者预后。