《International Journal of Medical Informatics》：Artificial intelligence for video-based assessment of surgical performance in robot-assisted minimally invasive surgery in real operative settings: A systematic review
编辑推荐：
摘要背景机器人辅助微创手术要求外科医生在掌握传统腹腔镜技术之外，还需具备特定的专业技能。然而，目前高效且客观的技能评估方法仍然有限。人工智能（AI）有望实现更加客观的基于视频的表现评估。本系统综述旨在评估当前使用AI评估真实机器人手术中外科技能的相关证据，并概述未来研究的潜在
摘要 背景 机器人辅助微创手术要求外科医生在掌握传统腹腔镜技术之外，还需具备特定的专业技能。然而，目前高效且客观的技能评估方法仍然有限。人工智能（AI）有望实现更加客观的基于视频的表现评估。本系统综述旨在评估当前使用AI评估真实机器人手术中外科技能的相关证据，并概述未来研究的潜在方向。
方法 我们系统检索了自建库至2025年7月10日的Ovid Medline、Embase、Clarivate Web of Science、ERIC教育学院科学和Scopus数据库，查找评估使用真实患者机器人辅助手术视频进行基于AI的技术技能评估的研究。提取研究特征、AI方法、评估目标、参考标准和模型性能。使用PROBAST + AI评估偏倚风险和适用性。由于评估构念和报告的性能指标存在差异，采用结构化叙述方法综合发现。
结果 共识别2116篇文章，其中5篇符合我们的纳入标准。各研究在AI方法和评估目标方面差异显著，包括预测全球技术技能评分、分析器械衍生性能指标、特定手术评估以及手术错误检测。参考标准包括OSATS、GEARS或改良GEARS、PLACE和手术经验。报告的性能指标代表不同的构念，跨研究不具有直接可比性。PROBAST + AI识别出重要的方法学局限性，且没有研究报道使用独立数据集进行外部验证。
结论 AI在真实机器人手术中基于视频的技术技能评估方面显示出潜力，但当前证据有限且异质性较大。未来研究应优先推进标准化标注、多中心术中数据集和外部验证，以支持向临床实践的可靠转化。
引言 迄今为止，使用机器人辅助进行微创手术（MIS）已成为许多不同环境下多种外科手术的优选标准 [1]、[2]、[3]。事实上，机器人手术的数量（外科医生使用机器人辅助进行MIS）正在不断上升 [4]、[5]。进行机器人手术要求外科医生具备高水平且特定的技能 [6]、[7]。这些技能无法仅从传统MIS操作的熟练度中简单推断，即便是专家外科医生也是如此。使用手术机器人进行MIS的外科医生需要发展特定的手腕操作技术来操控机器人，并且必须适应系统末端执行器的运动缩放。此外，他们还需要适应手术视野的三维可视化，因为传统腹腔镜通常依赖于相对距离处观看监视器，显示的是二维图像。此外，与传统MIS相反，他们在使用手术机器人时还必须适应触觉和力反馈完全缺失的情况 [8]。直到最近，机器人系统仍仅作为专家外科医生的工具使用，完成从传统MIS到机器人辅助MIS手术的跨越 [9]。随着更多手术机器人在更多医院获得使用，且相关研究不断证实其优势，使用机器人进行MIS手术变得更加主流。由此，人们认识到需要在核心外科技能课程中纳入机器人MIS培训。因此，在培训期间对住院医师进行训练以使其掌握使用机器人手术系统的技能变得尤为重要，最好无需通常忙于手术的外科医生在场参与，尤其是在人员不足的外科部门 [10]、[11]。
人工智能（AI）正在各领域快速发展，包括医疗领域 [12]、[13]。AI及其子领域，如机器学习（ML）、计算机视觉（CV）和深度学习（DL）有可能为用户提供有意义的信息，前提是底层数据收集良好且基本无偏倚。在机器人MIS中，这些智能系统的重要数据来源可能来自内窥镜手术视频分析。AI有潜力在无观察者和相关霍桑效应等偏倚的情况下评估机器人手术的表现，但也存在其他挑战 [14]。先前的研究已指出明显的变异性和担忧，报道了在模拟环境中使用干实验室记录的视频进行分析的度量工具的效度和信度问题 [15]。在临床环境中，外科技能的客观评估比模拟环境复杂得多。这是由于多种因素，如（但不限于）解剖变异、术中出血和外科医生压力等。Pedrett等人（2023年）[16]试图综合有关手术室中机器人和腹腔镜手术技术技能评估的现有文献。该研究面临挑战，因为生成的视频图像数据和操作模式存在很大差异。例如，在传统MIS中，内窥镜操作需要专门的助手；而在机器人辅助手术中，一旦将内窥镜插入患者体内，坐在机器人控制台前的主操作者即可启用自主摄像头控制。这引入人际协调变异，成为评估传统MIS与机器人辅助MIS技术技能时的重要混杂因素。
由于机器人技术的快速采用和AI方法的持续进步，我们需要重新审视当前用于手术中基于视频技能评估的观察模型。因为使用检查表进行技能评估既繁琐又易产生偏倚，甚至可能随着技术的发展而过时。事实上，当前时代呼唤使用现代计算技术重新评估如何评估机器人MIS [14]、[17]、[18]、[19]。先前的系统综述通过结合模拟、干实验室和运动学研究评估了AI在机器人手术中的应用。虽然这些综述提供了该领域的广泛概述，但它们并未具体针对真实手术环境的证据，而在真实手术环境中，临床复杂性可能显著影响AI模型的开发。本系统综述旨在评估以下问题：迄今为止，真实机器人辅助MIS手术中产生的手术视频所承载的信息是否已被充分提炼为支持可靠的AI模型以评估手术表现的数据？
我们的目标是综合既往研究，评估其异质性，并分析所报告的结果，同时识别差距和偏倚。通过专门关注真实手术环境中的术中视频，本系统综述旨在界定支持基于AI的机器人辅助微创手术评估的当前证据，并确定未来研究的优先事项。
章节片段 检索策略和纳入标准 本系统综述按照在PROSPERO注册的预先制定的方案（CRD42024534137）进行，并按照系统综述和荟萃分析首选报告条目（PRISMA）指南进行报告 [20]（附录第8-9页）。
在本系统综述中，我们自建库检索至2024年5月，搜索了OVID/Medline、
Embase.com 、Clarivate Analytics/Web of Science核心合集、Ebsco/ERIC和Elsevier/Scopus数据库，并与一位医学
研究选择 截至2024年5月的初始检索识别了2297条记录，最终有5项研究符合条件（补充图S1，第16页）。截至2025年7月10日的最终重新检索识别了2116条记录。去除重复后，对剩余1107项研究的标题和摘要进行筛选。24项研究留存，其中19项经全文筛选后排除。总之，5项研究符合纳入标准，因此被纳入本系统综述（
讨论 本系统综述对使用真实机器人辅助微创手术的术中视频进行基于AI的技术技能评估的当前证据进行了聚焦性综合。虽然先前的研究已评估了AI在机器人手术中的更广泛应用，但我们的发现表明，来自真实手术环境的证据仍然有限且方法学异质性较大。
纳入的研究表现出显著的临床和方法学异质性，
CRediT作者贡献声明 Jiani Tang： 写作 – 审阅与编辑，写作 – 初稿撰写，监督，软件，方法论，调查研究，形式化分析，数据整理，概念构思。 Ana Manzano Rodriguez： 写作 – 审阅与编辑，写作 – 初稿撰写。 Erdem U?ur： 验证，调查研究，数据整理。 Marlies P. Schijven： 写作 – 审阅与编辑，监督，资源，项目管理，概念构思。
利益冲突声明 作者声明，他们没有任何已知的竞争性经济利益或个人关系可能影响本文所报道的工作。
致谢 我们要感谢阿姆斯特丹自由大学图书馆医学信息专员Hans Ket对文献检索的帮助。
在准备本工作的过程中，作者使用了ChatGPT（OpenAI）来协助改进语法、句子结构和语言清晰度，以及改进用于数据可视化的代码。作者对所有AI辅助输出进行了审阅和编辑，并对已发表内容的
Jiani Tang|Ana Manzano Rodriguez|Erdem U?ur|Marlies P. Schijven
阿姆斯特丹医学中心，阿姆斯特丹大学院区，外科，荷兰阿姆斯特丹
