编辑推荐：
这篇综述聚焦机器人辅助微创食管癌切除术（RAMIE）。通过文献检索，总结了人工智能（AI）在 RAMIE 术中视频分析的应用，包括手术阶段识别、手术性能评估等，虽处于起步阶段，但潜力巨大，值得关注。
食管癌治疗现状与机器人辅助手术优势
食管癌（EC）是一种侵袭性很强的胃肠道癌症，在全球癌症致死原因中排第六位，每年新增病例达 60 万。手术切除并淋巴结清扫是局部晚期食管癌的主要治愈手段，但传统手术复杂且风险高，术后并发症和死亡率不容小觑。
机器人辅助微创食管癌切除术（RAMIE）的出现带来了新的希望。它属于微创手术（MIS），能让更多患者受益。与开放手术或传统微创食管癌切除术相比，RAMIE 术后住院时长等指标表现良好，在肿瘤学效果上也不逊色。而且，RAMIE 操作时活动范围更广、视野更清晰，医生操作起来更舒适，仪器设备的技术进步也让它在复杂手术中更具优势。同时，RAMIE 还能获取完整的术中视频，这些视频对分析手术过程、改善患者预后意义重大。
人工智能技术解析
人工智能（AI）是计算机科学的重要延伸，它能让计算机通过构建数学模型来模仿人类认知，进而解决问题，不过这需要对模型进行恰当训练。机器学习（ML）是 AI 的一个分支领域，主要是从特定数据中自动提取知识。深度学习（DL）又是 ML 的子集，通常由三层或更多层算法构成神经网络，这种神经网络能模拟人类神经系统的行为，从而更自主地从数据中 “学习”。
在医学领域，DL 常用于图像识别和视频评估。像大语言模型（LLMs）这样的 DL 模型，能基于训练数据集生成模仿自然语言的文本组合。生成式 AI 则利用 LLMs 等模型创建图像、文本和合成数据等内容，在术前规划、术中记录和术后随访等方面都有潜在应用。计算机视觉（CV）作为 AI 的一个热门领域，专注于让计算机理解数字图像或视频，实现目标识别、跟踪和场景识别等功能，在术中视频评估中发挥着重要作用。近年来，AI 在医学领域的应用研究呈爆发式增长。
研究方法
本次研究采用范围综述的方法，依据系统评价和 Meta 分析扩展版（PRISMAScR）的相关报告项目要求，全面检索相关文献。检索的数据库包括 Medline（1946 年至 2024 年 8 月 14 日）、Embase（1947 年至 2024 年 8 月 14 日）、Cochrane Review Library 和 Scopus 数据库。同时，还手动检索了符合条件文章的参考文献列表，以确保没有遗漏重要文献。检索时使用了布尔运算符 AND、OR，结合各种拼写变体和通配符进行全面搜索。
筛选文献时，由两名独立的评审人员（A.C. 和 A.M.）负责。纳入标准是文章必须报道 AI 在 RAMIE 任何方面的应用；排除标准为未提及 AI 在 RAMIE 中应用的研究。在数据提取方面，收集了文章的发表年份、研究设计、样本量、研究国家、视频数量、参与者数量、注释帧数、交叉验证技术以及 AI 模型的详细信息等。此外，使用 STARD 清单对纳入的原始研究进行质量和严谨性评估，若 STARD - AI 清单可用，将是更合适的评估工具。
研究结果
最初检索到 117 篇文章，经过筛选，最终只有 4 篇被纳入分析，其余 113 篇因未报道 AI 应用或未涉及 RAMIE 而被排除。这 4 篇文章均发表于 2022 - 2023 年，都是回顾性单中心病例研究，没有随机对照试验。
- 手术阶段识别：Takeuchi 等人建立了用于 RAMIE 手术阶段自动识别的 AI 模型，将 RAMIE 手术分为九个阶段，采用名为 Temporal Convolutional Networks for the Operating room（TeCNO）的模型进行层次化预测。与外科医生的标注相比，该 AI 模型的总体准确率达到 84%，显示出较好的效果。Brandenburg 等人开发了主动学习（AL）ML 程序，用于标注机器人术中视频，以减少手动标注工作量，该程序能从 22 个 RAMIE 视频中识别出与手术出血相关的重要视频帧，AL 模型在选择器械和解剖结构的视频帧方面表现更优，有助于在保证 ML 性能的同时减少标注工作量。De Backer 等人则针对构建和训练 AI 模型所需的大量手动标注工作，开发了 ML 程序来识别和标注视频中的手术器械，通过自下而上的方法在机器人辅助部分肾切除术（RAPN）和 RAMIE 视频中进行验证，为手术 AI 程序开发提供了全面指导。
- 手术性能评估：Takeuchi 等人通过比较 AI 预测的不同阶段手术时长，来测试 AI 预测模型评估手术熟练度的可行性。根据学习曲线，他们发现某些阶段如准备阶段、解剖完成后到手术结束阶段以及取出摄像头阶段，在手术后期的时长明显短于前期，这表明提高团队在器械操作方面的熟练度有助于缩短手术总时长。通过与外科医生标注的参考数据对比，评估 AI 模型的性能，结果显示基于 AI 的系统在手术教育、手术室效率提升和手术技能评估方面有潜在价值。
- 术中导航：食管癌手术技术要求高，AI 辅助识别解剖结构对 RAMIE 意义重大。Den Boer 等人开发了基于深度学习的算法，利用 83 个 RAMIE 的胸腔镜视频帧构建卷积神经网络（CNN），用于胸部解剖结构识别。该 CNN 能准确识别如腔静脉、奇静脉、主动脉和肺等关键解剖结构，预测性能与专家外科医生相当，且推理时间接近实时解剖识别，为术中导航提供了有力支持。
讨论
- AI 应用现状与挑战：AI 在 RAMIE 术中视频分析的应用还处于起步阶段，相关研究较少。目前主要集中在手术阶段识别、手术性能评估和术中导航方面。虽然 AI 在医疗保健领域应用越来越广泛，如 Advanced Alert Monitor 系统能有效降低医院死亡率和 ICU 入住率，但在手术室中的应用仍比较新颖，尤其是在 RAMIE 中，目前还没有经过临床验证的应用。在其他手术领域，AI 在泌尿外科手术中的应用报道较多，其次是妇科和普通外科。
- 手术阶段识别的意义与局限：手术阶段识别是 AI 在视频分析中的重要应用，有助于优化手术室规划、提供自动辅助和术中导航。在多种微创手术中都有相关应用，如胆囊切除术、袖状胃切除术和腹股沟疝修补术等。Takeuchi 等人在 RAMIE 手术阶段识别的研究，有望优化手术流程、提高患者安全性。不过，目前自动手术阶段识别技术还存在一些局限性。一方面，它依赖人工标注手术帧，耗费大量资源和时间，而且标注质量参差不齐，容易出现人为误差，影响模型性能；另一方面，高质量多中心标注的手术视频稀缺，这是由于隐私问题、手术技术差异和获取难度大等原因导致的。
- AI 在手术决策和培训中的作用：AI 在手术决策方面有潜在价值，虽然目前在 RAMIE 中应用较少，但在其他手术中已有相关研究。例如，Kumazu 等人开发的 AI 算法能识别机器人辅助胃切除术中的疏松结缔组织纤维，确定安全的解剖平面，有助于手术决策。在 RAMIE 中，Brandenburg 等人的研究也表明 AI 可用于术中检测出血相关视频帧，预测患者总体预后，提高手术安全性和质量。此外，AI 在手术培训方面也有很大潜力，通过术中视频分析，能为外科医生提供自动、实时的反馈。目前 RAMIE 的学习曲线在 20 - 70 例手术之间，Fuchs 等人开发的 6 步模块化程序有助于缩短学习曲线。在其他手术中，如腹腔镜胆囊切除术和机器人前列腺切除术，AI 在提高安全性、优化手术培训方面也发挥了积极作用，但同时也表明 AI 目前还只是辅助工具，不能完全替代人类专家。
- 手术质量评估与 AI 应用前景：手术质量评估（SQA）目前主要依赖传统方法，如外科医生资质审查、手术记录审核、数据监测、病理检查和术中手动视频评估等，这些方法存在主观性和耗时的问题。AI 在术中视频分析中的应用为 SQA 提供了新的途径，通过标准化的 AI - SQA 程序，有望在学术研究和手术质量提升方面发挥重要作用。
- AI 研究的方法学与伦理问题：AI 在外科领域的研究还处于发展阶段，方法学标准尚未完善。目前已经制定了一些针对 AI 研究的报告指南，如 STARD - AI、CLAIM、CONSORT - AI 等，这些指南有助于提高研究的可解释性、可重复性和可扩展性。同时，AI 应用的伦理问题也不容忽视，特别是在手术领域，AI 模型的 “黑箱” 特性可能导致决策难以验证，存在潜在偏见和误导风险。因此，需要建立严格的验证协议和监管框架，确保 AI 决策的可靠性和安全性。虽然目前纳入研究的 AI 算法通过交叉验证和与专家标注数据集对比，显示出一定的可靠性，但在临床应用中，还需要外科专家团队进行一致性评估，以充分验证其有效性和可靠性。
- AI 在 RAMIE 中的发展展望：AI 在 RAMIE 中的应用虽然处于起步阶段，但发展前景广阔。随着标准化 AI 研究报告方法的不断完善，未来十年相关研究有望大幅增长。目前，机器人系统的 AI 自主性还需要大规模验证研究来建立信心，但考虑到医学领域数据获取技术的快速发展和 AI 技术在其他方面的成功应用，在不久的将来，AI 在 RAMIE 中的应用可能会取得更大突破。
结论
总体而言，AI 在 RAMIE 中的应用有望显著提升手术技能评估、规范手术技术、优化术中操作。目前，术中视频分析中最常见的应用是手术阶段识别、解剖标志识别和术中导航。未来，AI 在微创手术质量评估方面将发挥重要价值。借助 AI 技术，外科医生能够提高手术的一致性和准确性，改善临床预后，提升手术效率。尽管目前还存在一些局限性，但 AI 的巨大潜力使其在外科实践中的持续发展和应用充满希望，值得深入研究和探索。
