人工智能驱动胸腔镜肺手术阶段识别模型的开发与验证：一项单中心试点研究 中文标题

本研究针对微创肺切除手术中标本管理流程复杂、人工分析效率低的问题，开发了基于Swin Transformer架构的人工智能模型，用于自动识别胸腔镜楔形切除手术的五个关键阶段。研究结果显示模型整体准确率达0.778，在标本提取关键阶段准确率提升至0.816，证实AI技术可优化手术室工作流程，为实时决策支持提供新方案。

　　

随着肺癌持续位居全球癌症相关死亡首位，肺切除手术在肺部恶性肿瘤治疗中扮演着核心角色。近年来，基于患者免疫状态和基因突变的围手术期治疗方案不断发展，而手术标本在离体10分钟内就会发生显著的生化变化，这对标本从切除到固定的时间窗口提出了严苛要求。与此同时，电视辅助胸腔镜手术（VATS）和机器人辅助胸腔镜手术（RATS）等微创技术虽能改善患者术后生活质量，却因其操作方式多样化导致手术工作流复杂化，使标本管理和手术室人员协调面临巨大挑战。

传统的手术视频分析高度依赖专业人员的判读，效率有限且难以标准化。随着人工智能（AI）技术在医疗影像分析领域的突破，自动手术视频分析已成为可能。特别是在手术阶段识别这一基础任务上，AI不仅能助力手术技能评估，还可通过实时决策支持提升手术安全性。然而，这类技术在肺手术领域的应用可行性尚未明确。

为此，日本国立癌症研究中心东院胸外科的研究团队开展了一项开创性研究，通过Swin Transformer架构的AI模型对胸腔镜楔形切除手术视频进行自动化阶段分类。该研究纳入2021年1月至2023年12月期间73例单标本VATS肺楔形切除手术视频，将手术过程划分为五个连续阶段：准备阶段、病灶定位、切除阶段、标本提取和闭合阶段，并引入胸腔外阶段（Ex phase）以提升模型性能。

研究采用多项关键技术方法：首先使用经ImageNet预训练的Swin Transformer模型架构；其次通过帧率调整（1-60 fps）解决各阶段时长不均导致的数据不平衡问题；同时采用梯度加权类激活映射（Grad-CAM）技术实现模型决策可视化。所有视频均经统一编码（MPEG-4 AVC/H.264）和分辨率（1980×1080像素）处理，且严格区分训练集（65例）与测试集（8例）。

患者特征

纳入患者中位年龄71岁，原发性肺癌占49.3%，病灶最常见于左肺上叶（27.4%）。各阶段中位时长显示：准备阶段325秒，病灶定位523秒，切除阶段556秒，而标本提取阶段仅34秒，凸显该阶段的短暂性与识别挑战性。

原始与改进模型

通过排除胸腔外帧、上采样技术和合并阶段3-4等优化策略，改进后模型在训练集和测试集分别达到0.778和0.750的整体准确率。特别值得关注的是，在标本管理关键阶段（合并后的3-4阶段）准确率达0.816，精确度和召回率分别达到0.794和0.776。模型推理速度可达每秒40帧，满足实时分析需求。

模型可解释性

通过Grad-CAM热力图可视化发现，模型在不同阶段关注的特征区域与临床预期高度吻合：准备阶段聚焦端口插入位点；病灶定位阶段突出粘连解剖器械；标本提取阶段关注取物袋；闭合阶段则重视用于封堵的聚乙醇酸片。

临床因素与模型评分

多端口手术的F1评分显著高于单端口手术（0.83 vs 0.76）。研究还发现手术总时长与整体F1评分呈负相关（相关系数-0.301），阶段2和5的持续时间与其相应阶段的F1评分也呈负相关，而额外操作的存在显著影响阶段3-4和5的识别准确性。

研究表明，AI驱动的胸外科手术阶段识别模型不仅能有效分类手术阶段，更在标本管理关键环节展现出色性能。多端口设计、阶段持续时间和胸腔外镜头频率是影响准确性的关键临床因素。尽管本研究仅针对楔形切除这一基础术式，且来自单中心数据，但为AI在胸外科应用的可行性提供了重要证据。

未来研究需扩展至肺叶切除、肺段切除等更复杂术式，并整合多中心数据验证模型泛化能力。对解剖结构和手术器械的标注优化将进一步提升准确性。最终，通过开发实时应用程序接口（API），该技术可集成于手术记录平台，实现阶段特异性时间戳自动插入和上下文敏感警报触发，为手术质量保障和生物样本库协调提供技术支持。

该研究成果发表于《ESMO Real World Data and Digital Oncology》，标志着胸外科手术数字化分析的重要进展，为智能手术室管理和精准外科实践奠定了坚实基础。