Mol Cancer | 上海交通大学齐峰等团队合作通过基于共生微生物组的多组学分子分型预测乳腺癌的分子特征和治疗反应
来源：生物探索 2024-05-16 14:42
每年全球约有3.3亿台手术正在进行中，随着手术需求的不断增加和等待名单的延长，AI在优化外科手术流程和提高手术效果方面的潜力正逐步显现。
在当今医学领域，人工智能（Artificial Intelligence, AI）正以前所未有的速度发展，并在众多领域展示出其强大的应用潜力。然而，相较于其他医学领域，AI在外科手术中的应用尚处于起步阶段，但其未来发展前景令人瞩目。外科手术是一个高度复杂且依赖经验的领域，涵盖术前诊断（Preoperative Diagnosis）、临床风险预测（Clinical Risk Prediction）、术中决策支持（Intraoperative Decision Support）和术后监测（Postoperative Monitoring）等多个环节。每年全球约有3.3亿台手术正在进行中，随着手术需求的不断增加和等待名单的延长，AI在优化外科手术流程和提高手术效果方面的潜力正逐步显现。5月13日Nature Medicine就该领域的进展发表了一篇综述“Artificial intelligence in surgery”。
术前诊断是AI应用的一个重要领域，通过对医学影像数据的深度学习（Deep Learning），AI可以实现早期疾病的高精度检测。例如，三维卷积神经网络（3D Convolutional Neural Network, 3D-CNN）在检测胰腺导管腺癌（Pancreatic Ductal Adenocarcinoma）方面表现出色，极大地提高了早期诊断的准确性。与此同时，AI在临床风险预测和患者选择中的应用也日益广泛。基于机器学习（Machine Learning）的预测模型，如POTTER计算器（POTTER Calculator），在手术风险评估中表现优异，能够帮助医生更科学地选择适应症，优化手术计划。
在术中，AI的应用主要集中在实时决策支持和手术自动化（Surgical Automation）方面。通过对手术视频的计算机视觉（Computer Vision）分析，AI能够识别手术步骤，评估术者的技术水平，并提供实时反馈，显著提高手术的精确度和安全性。此外，术中低血压预测指数（Hypotension Prediction Index, HPI）等AI工具在临床实践中已经显示出显著的效益，能够提前预测并干预术中并发症。
术后监测是另一个AI大有作为的领域。通过可穿戴设备（Wearable Devices）和传感器（Sensors），AI可以实现对患者生理参数的连续监测，及时预测和预防术后并发症。例如，基于AI的Prescience系统能够在低氧事件发生前五分钟进行预测，并提供实时风险评分，大大提高了术后护理的效率和安全性。
总的来说，AI在外科手术中的应用正在不断深入，其在提高手术精准度、优化手术流程和改善患者预后方面展示出巨大的潜力。随着AI技术的进一步发展，多模态AI（Multimodal AI）方法的应用将为外科手术带来更为广阔的发展前景和更显著的临床效益。未来，AI有望在外科手术的各个环节中发挥更加重要的作用，为患者提供更加优质的医疗服务。
AI在术前的应用
术前诊断
术前诊断是手术成功的重要环节。AI在医学图像识别方面的表现尤为突出，特别是在早期疾病诊断和手术计划制定方面。例如，三维卷积神经网络（3D Convolutional Neural Network, 3D-CNN）能够在术前磁共振成像（Magnetic Resonance Imaging, MRI）中检测出胰腺导管腺癌，具有极高的准确性（AUROC值分别为0.97和0.90）。这种高精度的早期诊断有助于及时干预，从而显著改善患者的预后。
临床风险预测和患者选择
高精度的风险预测模型能够帮助医生在术前更好地选择手术适应症，减少手术的无效性，提高患者知情同意的质量。例如，基于机器学习的POTTER计算器在急诊手术患者中的预测准确性达到了0.92（内部验证）和0.93（外部急诊手术验证）。这种模型通过综合分析多种数据，提高了风险预测的准确性，为临床决策提供了有力支持。
术前优化
术前优化是一个相对较新的概念，旨在通过全面评估患者的身体状况，制定个性化的优化方案。例如，AI可以利用12导联心电图（Electrocardiogram, ECG）快速评估心功能，从而优化术前心血管评估。此外，多模态AI方法能够综合分析包括基因组学（Genomics）、微生物组学（Microbiomics）等在内的多种数据，对患者进行全方位评估，以期在术前进行更精确的优化。
人工智能驱动的数字干预措施在术中环境中的整合（Credit: Nature Medicine）
AI在术中的应用
术中决策支持
AI在术中的应用主要集中在实时决策支持上。例如，术中低血压预测指数（Hypotension Prediction Index, HPI）已在两项随机试验中显示出显著的临床效益，能够提前预测低血压并进行干预。通过实时分析患者的生理数据，AI可以帮助医生在术中做出更及时、更准确的决策，减少术中并发症的发生。
计算机视觉与手术自动化
计算机视觉是AI在术中应用的另一个重要领域。通过分析手术视频，AI可以识别手术步骤、评估术者的技术水平，并提供实时反馈。例如，一种统一的外科AI系统在外部验证中能够准确识别和评估针头提取、处理和驱动等手术步骤，表现出较高的可靠性（AUC值大于0.85）。这些技术有助于提高手术的精确度和安全性。
围手术期和术后连续监测的传感器输入（Credit: Nature Medicine）
AI在术后的应用
术后监测
术后监测对于提高患者的康复质量至关重要。当前，许多医院仍依赖于每四小时一次的护士观察，这不仅增加了护理人员的工作负担，也可能导致对患者状况的延迟反应。通过可穿戴设备实现连续的生理参数监测，AI可以实时分析患者的恢复情况，提前预测并发症并进行干预。例如，基于可解释性AI的Prescience系统能够在低氧事件发生前五分钟预测其风险，并提供实时的风险评分。
并发症预测
术后并发症的早期检测对于减少术后死亡率至关重要。例如，MySurgeryRisk使用机器学习算法预测术后主要并发症和死亡的风险，已经在单中心研究中显示出良好的性能。随着传感器和可穿戴设备的发展，AI在并发症预测方面的应用前景广阔。
AI在患者教育与知情同意中的应用
大语言模型与患者教育
大语言模型（Large Language Models, LLMs）如ChatGPT已经展示了在医学教育和患者沟通中的潜力。这些模型可以帮助医生撰写手术知情同意书，提高患者对手术风险和过程的理解。例如，LLM生成的知情同意文档在可读性、准确性和上下文意识方面表现出色，甚至优于外科医生撰写的文档。
个性化的患者咨询
AI模型还可以用于个性化的患者咨询，通过分析患者的个人数据，提供定制化的风险评估和术后恢复指导。例如，集成了准确的深度学习风险预测的AI通信平台可以为患者提供个性化的风险评估，回答术前优化和术后恢复的相关问题，指导患者顺利度过整个手术过程。
随着AI技术的不断发展，其在外科手术中的应用前景广阔。从术前诊断、临床风险预测、术中决策支持到术后监测，AI正在各个环节中发挥着越来越重要的作用。未来，随着多模态AI方法的发展，AI在手术中的应用将进一步扩展和深化，为外科手术带来更高的精确度和安全性，最终改善患者的预后和生活质量。
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
