《Langenbeck's Archives of Surgery》：Machine learning for operative time prediction in robotic ventral hernia repair patients: Perspective on predictive model development and validation
编辑推荐：
机器学习（ML）正越来越多地被应用于外科手术时间的预测，但其在机器人腹壁疝修补术（robotic VHR）中的作用尚未被探索。Brucchi及其同事近期开发了随机森林（Random Forest）、梯度提升（Gradient Boosting）和岭回归（Rid
机器学习（ML）正越来越多地被应用于外科手术时间的预测，但其在机器人腹壁疝修补术（robotic VHR）中的作用尚未被探索。Brucchi及其同事近期开发了随机森林（Random Forest）、梯度提升（Gradient Boosting）和岭回归（Ridge Regression）三种ML模型，用于预测208例择期机器人VHR患者的手术时间，其中随机森林模型表现中等（R2 = 0.22，MAE = 38 min）。尽管这一概念验证性研究代表了新的应用方向，但在临床转化之前，仍有若干方法学问题值得关注，包括缺乏与传统统计方法的比较、未纳入外科医生层面的时间数据及学习曲线动态变化、缺少外部验证，以及基于SHAP的可解释性与临床实用性之间存在差距。本文就上述问题提出观点，并为未来的改进方向提供建议，包括引入外科医生特异性指标、与传统回归模型进行基准对比、开展外部验证以及将预测整合入临床工作流程，以提升ML在腹壁外科手术时间预测中的预测精度和临床适用性。
研究背景与意义
手术时间的精准预测对于优化手术室资源调度、降低医疗成本、提升患者安全具有重要意义。近年来，机器学习（ML）技术在外科手术时间预测领域展现出潜力，但尚未有研究将其应用于机器人腹壁疝修补术（robotic VHR）。Brucchi等人针对这一空白，首次尝试利用ML模型预测机器人VHR的手术时间，旨在为围手术期管理提供决策支持。然而，现有研究中存在若干方法学不足，包括缺乏与传统统计方法的对比、未考虑外科医生的学习曲线效应、缺少外部验证，以及模型可解释性与临床实用性的脱节。因此，有必要从方法学角度审视该研究的局限性，并提出改进路径，以推动ML预测模型在腹壁外科领域的临床转化。
研究方法概述
研究人员采用回顾性单中心队列设计，纳入208例接受择期机器人VHR的患者，数据来源于单一医疗机构。研究使用了三种ML算法：随机森林（Random Forest）、梯度提升（Gradient Boosting）和岭回归（Ridge Regression），通过5折交叉验证进行模型训练与内部验证。特征重要性评估采用SHAP（Shapley Additive Explanations）分析方法，以识别影响手术时间的关键变量。
研究结果
缺失与传统统计方法的比较
研究人员指出，Brucchi等人的研究仅将三种ML模型相互比较，而未纳入多元线性或对数线性回归作为基准模型。鉴于仅有9个变量和208例的小样本量，这一遗漏尤为显著。已有综述表明，ML模型的性能优势常被夸大，而传统统计方法可能在某些场景下达到同等甚至更优的表现。随机森林模型仅解释了手术时间变异的22%（R2 = 0.22），无法排除包含BMI和疝尺寸非线性项的合理回归模型能够取得更好或相当的性能。因此，未来研究应常规纳入传统统计模型作为对照，以判断ML的额外复杂性是否带来实质收益。
外科医生经验与学习曲线
研究覆盖了4.5年的时间跨度（2020年10月至2025年4月），涉及Da Vinci Xi和Hugo? RAS两种机器人平台，但模型完全忽略了外科医生身份和经验因素。学习曲线研究表明，机器人VHR的操作熟练度阈值约为26至49例，而外科医生的累计手术量是手术时间的最强预测因子之一。在Hugo? RAS平台的单外科医生系列中，控制台时间从首个三分位段的177.5分钟显著下降至第三个三分位段的138.5分钟（p = 0.005），CUSUM分析显示控制台时间和解剖时间的熟练度阈值分别为34例和37例手术。由于本研究同时使用两种具有不同对接流程、器械关节和学习曲线的机器人平台而未加以区分，引入了大量未测量的变异。研究人员认为，缺失外科医生层面的时间数据是导致模型R2仅为0.22的重要原因，建议未来纳入累计病例数、学习曲线阶段指标和分步操作时长等纵向指标。
超越内部交叉验证
虽然研究采用了5折交叉验证进行内部验证，但这无法替代独立数据集上的外部验证。一项基于TRIPOD指南的系统评价显示，外科预测模型的报告质量中位依从率仅为53.8%，ML模型的依从率（50%）甚至低于传统统计模型（56%）。Suzuki等人开发的机器人辅助根治性前列腺切除术手术时间预测系统中，随机森林模型在内部验证时的归一化RMSE为0.107，而在外部验证中升至0.148，表明性能可能大幅下降。本研究完全缺乏外部验证，作为单中心回顾性队列，其结果可能无法推广至其他机构。研究人员建议未来应遵循TRIPOD等报告指南，优先开展外部验证，并透明地报告带置信区间的性能指标。
可解释性与准确性之间的权衡
Brucchi等人通过SHAP分析识别出补片位置（45.0%）、疝尺寸（30.7%）和BMI（14.2%）为手术时间的主要预测因子。然而，在模型R2仅为0.22、平均绝对误差（MAE）达38分钟（相对于中位手术时间90分钟，相对误差约42%）的情况下，统计可解释性与临床实用性之间存在明显差距。肥胖状态等临床直觉相关的特征贡献度仅0.4%，进一步说明SHAP解释需谨慎对待特征编码方式。一项关于ML在外科实施障碍的调查指出，临床信任度不足、工作流程整合困难和经济效益不明确是主要障碍。研究人员认为，若无前瞻性验证和工作流程整合，仅凭SHAP分析无法弥合预测与临床决策之间的鸿沟，建议未来将ML预测与外科医生的临床估计直接比较，并结合决策曲线分析。
结论讨论
Brucchi等人的研究为ML在机器人VHR手术时间预测中的应用提供了有价值的概念验证，但若干方法学问题限制了其临床准备度：缺乏与传统统计方法的比较、未纳入外科医生层面时间数据及学习曲线动态、依赖内部交叉验证而无外部验证，以及SHAP可解释性与临床效用之间的差距。研究人员建议，未来研究应纳入外科医生特异性指标、与传统方法进行基准对比、优先开展外部验证，并将预测嵌入临床工作流程，以提升ML预测模型在腹壁外科手术时间预测中的准确性和临床适用性。
