综述：人工智能与机器学习在胸外科中的应用

《Thoracic Surgery Clinics》：The Use of Artificial Intelligence and Machine Learning in Thoracic Surgery

本文系统综述了人工智能（AI）和机器学习（ML）在胸外科领域的应用进展，涵盖术前影像分析（如CT扫描）、术中胸腔镜导航、术后病理诊断及预后预测等场景，重点探讨了肺癌和食管癌诊疗中的AI模型（如Sybil、pulmo-VR），同时指出当前面临FDA审批、数据安全等挑战。

　　

关键要点

当前人工智能（AI）在胸外科的应用仍处于早期阶段，但已在影像分析领域展现出巨大潜力。通过分析CT扫描、胸腔镜图像和病理切片，AI能辅助医生完成胸部疾病的检测、诊断和治疗决策。现有研究主要集中在肺癌和食管癌，但其应用潜力可覆盖更广泛的胸部疾病谱。

方法学

研究者通过PubMed检索近10年"artificial intelligence"和"thoracic surgery"相关MeSH术语，筛选出342篇文献。涵盖机器学习（ML）、深度学习模型和神经网络在胸外科围手术期的应用研究，包括手术教育及伦理法律限制等衍生话题。

技术解析

AI技术体系：

• 机器学习（ML）：通过算法从数据中识别模式

• 深度学习：采用多层神经网络处理复杂特征

• 自然语言处理（NLP）：解析临床文本数据

典型应用包括Sybil系统对肺癌风险的预测（敏感度达94%），pulmo-VR实现3D手术规划，以及全肺影像分析系统对术后并发症的预警。

临床转化瓶颈

尽管前景广阔，AI在胸外科的临床应用仍受限于：

1. 缺乏FDA认证的商业化平台

2. 大样本有效性数据不足

3. 医工交叉人才短缺

4. 伦理框架尚未完善

未来方向

需重点探索AI在胸外科的精准定位——是作为辅助决策工具还是自主诊疗系统。同时需要建立标准化评估体系，包括：

• 多中心临床试验验证

• 实时安全监控机制

• 医患接受度研究

临床实践要点

• AI在肺癌预测、术中导航和靶向治疗选择中已显示临床价值

• 需建立动态评估框架监控AI系统的安全性和有效性

• 当前技术更适用于特定场景的辅助决策，而非完全替代医生