基于真实世界前瞻性数据的人工智能辅助三维肝脏体积测量在活体捐献者评估中的准确性和效率

《HPB》：Accuracy and Efficiency of Artificial Intelligence–Assisted Three-Dimensional Liver Volumetry in Living Donor Evaluation based on real world prospective data

活体肝移植中AI辅助三维肝体积测量的准确性及效率评估显示，AI方法较传统手动二维分割处理时间缩短（1.5 vs 4.2天，p<0.001），预测 graft 体积与术中重量相关性更高（R2=0.818 vs 0.707），尤其适用于高临床负荷环境。

　　

作者：Hayeon Do、Jiyoung Baik、Suk Min Gwon、Eunjin Lee、Youngju Ryu、Bogeun Kim、Soyoung Lim、Namkee Oh、Jinsoo Rhu、Gyu-Seong Choi、Jongman Kim

韩国首尔成均馆大学医学院三星医疗中心外科

摘要

背景

准确的肝脏体积测量对于安全实施活体供体肝脏移植（LDLT）至关重要。手动分割耗时较长，会延迟手术计划。人工智能（AI）能够实现自动化的3D体积测量，从而提高工作流程的效率和准确性。

方法

这项回顾性研究分析了2023年1月至2025年2月期间在三星医疗中心接受术前CT体积测量的583名活体肝脏捐献者。捐献者被分为传统2D手动分割组和基于AI的3D体积测量组。比较了AI处理前后的体积数据与术中移植物的重量，并评估了周转时间、AI与手动结果的一致性以及预测准确性。排除那些进行了部分切除或术前体重下降超过5%的捐献者。

结果

在583名捐献者中，271人接受了手术，其中239人符合纳入标准。AI组的周转时间更短（1.5 ± 1.5天 vs 4.2 ± 3.6天；p < 0.001）。AI和手动编辑的体积数据高度相关（R2 = 0.992；平均差异23.7 ± 39.5 mL）。排除这些情况后，基于AI的体积测量显示出更优的预测性能（R2 = 0.818；中位数误差54.0 mL），而传统方法的预测性能为R2 = 0.707；中位数误差55.0 mL。

结论

AI辅助的3D体积测量能够快速、准确地估算移植物的体积，减少LDLT中的处理时间和人工工作量。

临床试验注册

不适用。

引言

准确的移植物体积测量在活体供体肝脏移植（LDLT）中起着关键作用，尤其是在确保捐献者安全和优化受者结果方面。¹术前肝脏体积测量是常规操作，用于指导捐献者选择和手术计划，传统方法依赖经验丰富的临床医生对计算机断层扫描（CT）图像进行手动分割。然而，这一手动过程耗时较长、劳动强度大，且高度依赖人类专业知识。²

在许多移植中心，外科医生或放射科医生仍然使用CT扫描进行2D体积评估。随着技术的发展，正从2D向3D过渡。³尽管分割本身相对简单，但从体积测量请求到最终报告的整个周转时间可能会因其他临床任务（如手术、住院护理和门诊服务）而延迟。这些工作流程的低效率还因临床工作量增加和劳动力短缺而加剧。¹

最近的人工智能（AI）进展使得基于CT或磁共振成像的自动化3D体积测量成为可能。⁴基于AI的分割可以快速生成结果，且几乎不需要人工干预，为减少周转时间和减轻工作负担提供了有希望的解决方案。⁵此外，AI显示出高准确性，提供了稳定且可重复的结果，有助于临床决策。我们中心开发了多种自动化3D体积测量模型，可用于肝脏和胰腺的测量。^{6, 7, 8, 9}在这些模型中，用于捐献者CT扫描的AI模型比外科医生的2D体积测量具有更高的准确性。⁶本研究旨在评估在韩国医生突然短缺的情况下，基于AI的3D肝脏体积测量在潜在活体捐献者评估中的临床应用价值。¹⁰我们比较了其与传统手动方法在效率、准确性以及改善LDLT捐献者评估工作流程方面的潜力。

研究设计与研究对象

研究设计与研究对象

这项回顾性研究在韩国首尔的三星医疗中心进行，研究对象为2023年1月至2025年2月期间接受术前体积测量的活体肝脏捐献者。根据体积测量技术和时间周期，将捐献者分为两组：

• •
  传统2D组（2023年1月–2024年3月），由临床医生进行手动分割。
• •
  基于AI的3D组（2024年4月–2025年2月），初始分割由AI完成。

评估指标

评估了以下指标：

• ●
  从请求到获取报告的时间（获取时间）
• ●
  AI初始结果与手动结果之间的体积一致性
• ●
  预测的移植物体积与实际手术重量的准确性
• ●
  排除术前体重下降的捐献者后的准确性

研究队列与捐献者选择

共筛选了583名活体捐献者，其中351人属于传统2D组，232人属于基于AI的3D组。在这些捐献者中，分别有158人和113人实际进行了捐献。排除那些进行了右侧后段切除、左侧外侧段切除或术前体重下降超过5%的捐献者后，最终纳入准确度分析的分别为144名传统组捐献者和95名AI组捐献者（图1）。

基线特征

所有筛选捐献者的基线特征如下

讨论

本研究评估了AI辅助3D体积测量在LDLT中的准确性和临床可行性，并将其与传统2D手动方法进行了比较。研究结果表明，AI生成的体积估计既快速又可靠，且只需少量手动编辑即可与实际移植物重量高度吻合。这表明AI体积测量可能成为传统方法的可行替代方案，尤其是在高量移植情况下。

作者贡献

Hayeon Do和Jinsoo Rhu参与了研究设计、数据分析、数据收集，并撰写了手稿初稿。他们参与了研究的各个方面，包括方法开发、验证、可视化、项目管理以及最终手稿的审阅和编辑。

Jiyoung Baik、Suk Min Gwon、Eunjin Lee、Youngju Ryu、Namkee Oh、Gyu-Seong Choi和Jongman Kim参与了数据整理，并参与了方法学方面的工作

资金支持

本研究未获得任何外部资助。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本研究得到了韩国政府（MSIT）资助的国家研究基金会（NRF）（项目编号RS-2025-16069864）以及三星医疗中心的Future Medicine 2030项目的支持（项目编号#SMX1230771）。