综述：人工智能在胸外科的应用：前景与挑战

《Surgery (Oxford)》：Artificial intelligence in thoracic surgery: perspectives and challenges

本综述系统阐述了人工智能(AI)在胸外科临床路径中的前沿应用与挑战，重点介绍了大型语言模型(LLM)如ChatGPT在电子健康记录(EHR)处理、计算机辅助诊断(CAD)、术中决策支持及自主机器人手术等领域的突破性进展，同时深入剖析了数据安全、算法偏见、验证可解释性等关键瓶颈问题，为胸外科医师把握AI技术变革提供了权威参考。

　　

人工智能在胸外科的应用全景图

随着ChatGPT、Claude、Gemini等大型语言模型(LLM)在医疗领域的广泛应用，胸外科正经历着前所未有的技术革命。这些尖端技术通过高效处理海量数据集，为胸外科医师提供辅助诊断和治疗建议，显著提升医疗质量与效率。本文将沿临床路径系统梳理AI在胸外科的应用图谱。

AI技术核心要素与关系架构

人工智能的核心要素包含大数据、算力、算法和应用场景四大支柱。其中算法作为实现AI的基础方法，主要包括机器学习、分类器、深度学习、神经网络和自然语言处理(NLP)等关键技术。值得注意的是，机器学习与自然语言处理同为AI的子领域，前者涵盖深度学习和分类器，后者则衍生出ChatGPT、Claude等大型语言模型，这种技术层级关系为理解AI在胸外科的应用奠定了理论基础。

临床路径中的AI应用场景

问诊与电子健康记录智能化

生成式AI通过其先进的自然语言处理能力，可与患者进行模拟对话，高效完成病史采集。研究表明，GPT-4在生成编程代码方面显著优于其他LLM，这种能力可转化为医疗文档处理的卓越效率。AI能自动生成标准化模板并填充临床信息，有效减轻医护人员文书负担，优化电子健康记录工作流程。

影像诊断与肺结节筛查

AI与医学影像的融合已成为最具前景的应用领域。低剂量CT(LDCT)筛查的普及产生了大量适于AI分析的数据集。基于卷积神经网络(CNN)的深度学习算法在胸片异常识别方面表现突出，对胸腔积液、心脏增大等病变的识别精确度和灵敏度均超过91%。多中心研究显示，AI软件对肺功能测试的诊断准确率达82%，显著高于医师的44.6%，且具有更低的判读差异。

手术决策支持系统

在解剖性肺切除手术中，AI辅助的三维重建系统展现出显著优势。研究显示，AI系统可精确重建肺段分支结构，准确率最高达100%，使肺叶切除和肺段切除手术时间分别缩短24.5分钟和20分钟。此外，AI还能通过术中冰冻切片分析快速判断结节良恶性，为手术范围决策提供关键依据。

机器人手术与视觉分析

虽然当前达芬奇机器人辅助手术(RAS)尚未实现真正自主操作，但研究表明监督式自主手术在肠吻合等操作中已超越传统技术。AI辅助的可视化技术（如三维重建/打印、虚拟现实等）可将肺部CT影像转化为三维模型，显著提升手术规划精度。新兴的手术视频分析技术更在器械识别、解剖结构定位等方面展现出高准确性。

肺癌病理分类与预后预测

AI在肺癌亚型分类方面达到病理医师水平。深度学习模型不仅能区分肺腺癌(LUAD)和鳞癌(LUSC)，还能直接从组织病理图像预测基因突变。通过提取H&E染色全切片图像的定量特征，AI模型可显著分层早期肺癌患者的生存结局，为精准肿瘤学提供支持。

患者健康管理助手

生成式AI在用药提醒、剂量指导、副作用监测等方面发挥重要作用。评估显示，ChatGPT在回答黑色素瘤咨询时准确度最高，而Gemini在信息完整性、个性化方面表现突出。AI驱动的健康管理通过整合可穿戴设备、电子健康记录等多模态数据，实现精准医疗干预。

AI发展面临的挑战与局限

尽管前景广阔，AI在胸外科应用仍面临多重挑战：数据安全与隐私保护要求建立稳健的数据治理框架；算法偏见可能因训练数据代表性不足而加剧；模型决策过程的"黑箱"特性影响临床可信度；伦理法律问题需明确责任归属；技术障碍包括系统集成兼容性和术中实时决策可靠性等。这些问题的解决需要技术突破与临床实践深度融合。

未来展望

随着斯坦福大学提出的通用医疗AI(GMAI)等新概念的出现，AI有望在更广泛医疗场景中解决复杂问题。自主机器人手术在活体猪模型中的成功验证，标志着AI在外科应用的重要进展。人工智能技术将继续推动胸外科向精准化、智能化方向发展，但实现完全自主机器人手术仍有长路要走。