人工智能辅助下机器人微创食管切除术中喉返神经识别的时效性研究

为解决机器人辅助微创食管切除术(RAMIE)中喉返神经(RLN)识别困难的问题，研究人员开发了基于人工智能(AI)的解剖识别系统。通过对比8名外科医师使用AI前后的识别时间，发现AI显著缩短了RLN确认时间(右RLN：CL1阶段134 vs. 178秒，CL2阶段233 vs. 325秒，p<0.001)，证实AI可提升RLN识别效率与操作信心。

　　

在机器人辅助微创食管切除术(Robot-Assisted Minimally Invasive Esophagectomy, RAMIE)中，喉返神经(Recurrent Laryngeal Nerve, RLN)的精准识别是预防神经麻痹的关键。科研团队创新性地引入人工智能(Artificial Intelligence, AI)技术，构建了一套解剖结构智能识别系统。

研究采用五段RAMIE手术视频进行验证，创新性定义了外科医师识别RLN的置信等级(Confidence Level, CL)：CL0为寻找神经候选阶段，CL1为初步识别未确认阶段，CL2为最终确认阶段。八位受训外科医师间隔四周分别观看原始视频和AI增强视频，记录从RLN淋巴结清扫开始到各置信等级的耗时。

结果显示，AI辅助显著缩短双侧RLN识别时间。右侧RLN识别尤为突出：达到CL1阶段时间从178秒缩短至134秒(p<0.001)，CL2阶段从325秒降至233秒(p<0.001)。这些数据证实，AI技术不仅能加速RLN的术中定位，更能提升术者识别神经的确定性，为复杂手术中的神经保护提供了智能解决方案。