编辑推荐：
肺癌手术复杂度攀升，传统术前规划成像支持不足。研究人员开展 AI 驱动的 3D 重建系统用于肺部手术规划研究。结果显示该系统提升解剖变异识别准确率 8%、减少错误 41% 。这为胸外科术前规划提供有力支持，改善手术效果。
在医疗领域，肺癌是全球癌症相关死亡的主要原因之一，手术是治疗多数肺部病变尤其是肺癌的最佳方式。随着早期肺癌发病率上升，全球每年肺部手术需求超百万例，但胸外科医生短缺问题凸显。精准的术前规划成为提升手术效率与安全性的关键，然而，当前肺部手术术前规划主要依赖二维（2D）计算机断层扫描（CT），其无法直观呈现复杂解剖结构，在远端肺血管等解剖变异复杂区域易导致误判，极大地限制了手术规划的准确性。三维（3D）重建虽能改善空间理解，辅助精准手术规划与执行，但手动图像分割耗时久，致使其在大型手术中的利用率低于 25% 。在此背景下，人工智能（AI）算法与 3D 重建的结合带来了新的希望，不过此前关于 AI 驱动的 3D 重建对术前规划及围手术期结果的影响存在争议，急需深入研究。
为解决这些问题，来自北京大学人民医院、上海肺科医院、中南大学湘雅二医院等机构的研究人员，开展了一项回顾性、多中心、多阅片者、多病例（MRMC）研究，评估 AI 驱动的 3D 重建系统（AI-3D 系统）在肺部手术术前规划中的有效性。该研究成果发表于《Nature Communications》，为肺部手术术前规划提供了重要依据。
研究人员开展此项研究运用了多种关键技术方法。首先，基于深度学习算法开发 AI-3D 系统（InferOperate Thorax），通过特定的网络架构进行支气管和肺血管的分割，利用区域生长算法等优化分割结果，并借助 MarchingCube 和 RayCasting with DepthPeeling 技术实现 3D 渲染辅助手术规划。其次，研究采用两阶段完全交叉的交叉设计，减少研究偏倚。从三个中心选取符合条件的 450 例患者，随机抽取 140 例作为研究对象，由 10 名胸外科医生作为阅片者参与研究，同时由 3 名资深胸外科医生组成专家小组确定金标准。
研究结果如下：
- 解剖变异识别：在主要分析中，AI-3D 辅助下解剖变异识别的病例准确率中位数为 0.87，显著高于无 AI-3D 时的 0.78（p<0.01），识别错误减少 41% 。在不同阅片者、肺叶及多数解剖结构中均有一致性提升，且 AI-3D 系统在识别低患病率变异时提升更明显。排除部分可能影响分析的病例后，AI 的优势依然显著。
- 手术操作选择：AI-3D 辅助下手术操作选择的准确率从 0.77 提升至 0.85，错误减少 35% 。在肺叶切除术和肺段切除术的选择上，准确率也有所提高，且 AI-3D 辅助在肺叶切除术病例中表现更优。进一步分析发现，AI-3D 辅助能有效减少误切（减少 73% ）和切缘不足（减少 51% ）的情况，但对过度切除的减少效果不明显。
- 时间消耗、信心和阅片者间一致性：AI-3D 辅助使手术规划的中位时间减少 63 秒，降低 25% 。原本规划时间长、准确率低的病例在 AI-3D 辅助下改善更显著。同时，AI-3D 辅助显著提高了阅片者在解剖变异识别和手术操作选择中的信心，阅片者间一致性也明显提升。
- 对 AI-3D 系统的满意度：该系统总体满意度达 99% 。少数重建效果不满意的病例对解剖变异识别准确率影响较小，表明系统在临床实践中可用性和可靠性较高。
研究结论表明，AI-3D 系统显著提升了肺部手术术前规划中解剖变异识别的准确性，同时提高了手术操作选择的准确率，缩短了规划时间，使不同经验水平的外科医生均能从中受益。虽然目前该研究存在一些局限性，如未明确 AI-3D 系统对手术结局的直接影响、对罕见解剖变异研究不足等，但依然为肺部手术术前规划的优化提供了重要方向。未来需开展更多前瞻性试验，纳入围手术期患者结局等指标，进一步明确 AI-3D 系统的临床价值，推动肺部手术朝着更精准、更高效的方向发展。
