人机协同手术视野优化框架(HIC-FoV)的设计与验证：降低术者负荷的AI决策新范式

为解决机器人内镜持械臂在微创手术(MIS)中难以平衡视野(FoV)自主调整精度与术者交互负担的难题，研究人员开发了基于临床决策启发的HIC-FoV框架。该方案通过多维度加权机制解析语音指令与手术场景，在模拟胆囊切除术中实现与人工操作相当的效率(127.3±21.5s vs 121.4±27.4s, p=0.513)，同时显著降低NASA-TLX体力负荷评分(29.3±4.2 vs 53.5±7.5, p<0.001)，为远程手术AI协作提供新范式。

　　

在微创手术(MIS)的精密舞台上，机器人内镜持械臂正试图取代人类助手的关键角色——既要像芭蕾舞者般精准调整手术视野(Field of View, FoV)，又要如磐石般保持影像稳定。然而现有系统仿佛陷入两难困境：全自主模式像"盲人摸象"般误解手术意图，而详细指令控制又让术者像"牵线木偶"般疲于操作。

受临床决策树启发诞生的HIC-FoV框架，宛如给AI装上了"手术思维解码器"。仅需术者发出"向左放大"这样的简洁语音指令，多维度加权机制就会启动全景分析：既考量指令方向与解剖结构的空间一致性，又评估胆囊三角等关键区域的上下文权重，还会像"置信度雷达"般扫描AI的感知确定性。这套智能算法在模拟手术中展现出惊人潜力——

• 在经典的peg transfer训练中，其调整速度(127.3±21.5秒)已逼近资深助手水平(121.4±27.4秒，p=0.513)
• NASA-TLX量表揭示体力需求直降45%(29.3±4.2 vs 53.5±7.5，p<0.001)，仿佛为术者卸下"铅制手术衣"
• 不同难度胆囊切除术中的稳定表现，使其堪比永不疲倦的"AI扶镜手"

这项研究不仅为远程手术搭建了人机共舞的新舞台，更启示着：当AI学会"望闻问切"，外科医生的双手将真正获得"思维的自由度"。