基于深度学习的腹腔镜结直肠手术器械操作技能自动评估模型构建与验证

日本国立癌症研究中心东医院团队针对腹腔镜手术中器械操作技能评估难题，开发了基于计算机视觉的组织抓取自动识别模型。研究通过对比高、中、低技能三组外科医生的操作视频，证实自动计数组织抓取次数可有效区分手术水平（r=0.86），但失败动作识别仍需优化（r=0.42），为AI辅助外科培训提供了新方法。

　　

在微创外科快速发展的今天，腹腔镜结直肠手术已成为治疗肠道肿瘤的常规术式。然而，手术器械的精细操作犹如"筷子夹豆腐"，稍有不慎就会导致组织损伤或缝合失败。日本国立癌症研究中心东医院的研究团队发现，新手医生常出现"器械打滑"或"犹豫不决的试探性动作"等问题，这些操作缺陷与术后吻合口漏等严重并发症直接相关。传统的手术评估依赖专家主观评分，就像用肉眼判断体操运动员的落地稳定性，缺乏客观量化标准。

为解决这一难题，Nakajima K等研究者创新性地将深度学习技术引入外科领域，在《European Journal of Surgical Oncology》发表了首个专注于组织抓取动作的自动化评估系统。研究团队收集了日本全国范围内158例腹腔镜乙状结肠切除术视频，构建了两个关键数据集：97段视频用于训练器械识别模型，88段视频（含高、中、低技能组）用于验证评估效果。

关键技术包括：1）基于计算机视觉的术者持针器（grasper）实时追踪算法；2）组织抓取动作的时空特征提取网络；3）成功/失败抓取分类器。研究采用双盲设计，由资深外科医生手动标注抓取次数和成功率作为金标准，与模型输出进行对比验证。

【结果】

1. 人工计数显示：低技能组组织抓取次数（28.5±6.2次）显著高于高技能组（15.3±4.1次，p<0.01），失败率（34.7%）是高技能组（12.1%）的2.9倍。
2. 自动计数与人工结果高度相关（Pearson's r=0.86），但失败动作识别仅达中度相关（r=0.42）。
3. 模型成功复现了人工评估的组间差异（低技能组自动计数26.4±5.8次 vs 高技能组14.9±3.9次，p<0.01）。

【讨论】
这项研究首次证明基于组织抓取频次的自动化评估可有效区分手术技能层级，其意义堪比体操比赛引入电子评分系统。但失败动作识别不足（AUC=0.67）暴露了模型对"器械打滑"等细微动作的捕捉局限，这可能与数据集样本量（仅29例低技能视频）和动作持续时间短（平均1.2秒）有关。研究者建议未来结合力反馈传感器数据，就像给器械装上"触觉神经"，或许能提升识别精度。

该模型的临床价值在于：1）为住院医师培训提供实时反馈，就像驾校的电子考官；2）通过量化指标降低评估主观性；3）为手术机器人自主操作奠定算法基础。正如作者所言，这仅是"AI辅助外科评估"长征的第一步，但已开辟了一条通向数字化手术教育的可行路径。