外科医生在环框架下的人工智能、机器人手术与微创手术对手术判断、技术表现及培训影响的系统综述与结构化叙述综合

《Intelligent Surgery》：The Surgeon in the Loop: Artificial Intelligence, Robotic Surgery, and the Future of Surgical Judgment, Performance, and Training A Systematic Review with Structured Narrative Synthesis

　　

背景：人工智能（AI）在机器人手术（RS）和微创手术（MIS）中的应用快速进展。尽管技术不断扩展，这些技术在多大程度上改善手术判断、技术表现和患者结局仍未被明确。目的：评估AI在RS和MIS中的应用，检查其对手术表现、决策和临床结局的可测量影响，评估其在外科教育中的作用，并在外科医生在环框架内识别技术、伦理和实施障碍。方法：按照PRISMA 2020指南，在PubMed/MEDLINE、Embase、Scopus和Cochrane Library进行系统文献检索，时间范围为2015年1月1日至2026年5月31日。纳入评估AI在RS或MIS中应用的原始研究和结构化共识声明。AI被定义为一种方法，其模型输出由从数据中学习的参数生成；不具备该组成部分的数字技术单独分析。同一队列的报告按一项独特研究计数。采用RoB 2和ROBINS-I评估偏倚风险，采用CLAIM评估报告质量，采用CREDES衍生标准评估德尔菲方法，其他设计采用Joanna Briggs Institute（JBI）清单。结果：纳入42篇报告，描述41项独特研究。在32篇评估特定技术的报告中，22篇包含学习型AI成分，1篇使用规则式计算机视觉，9篇评估非AI数字技术并单独分析；10篇为共识声明、立场文件、调查或定性研究。多数临床证据来自泌尿外科。识别出8项独特随机试验，4项具有患者水平终点，4项具有模拟终点。在AI赋能系统中，一项多中心试验中，神经保留根治性前列腺切除术中的AI辅助三维增强现实（3D AR）导航与选择性神经血管床活检后较少的阳性切缘相关（22% vs 39%，p = 0.047），并与较高的12个月控尿率相关（91% vs 71%，p = 0.03）；一项56例单中心试验中，AI辅助磁共振成像（MRI）规划使宫腔镜子宫肌瘤切除术缩短约9分钟。非AI三维虚拟模型的随机试验显示，在部分肾切除术中手术时间或阻断时间无未校正差异，在根治性前列腺切除术后可检测术后前列腺特异性抗原（PSA）率较低。手术阶段识别准确率从开发术者病例中的93%降至实时部署期间的68.7%，外部验证不常见。在模拟试验中，AI辅导和AI信息支持的专家反馈改善了模拟表现；未研究向患者照护的迁移。术中与机器人交互的系统均未超过Yang Level 1。非随机比较因混杂而处于严重偏倚风险。结论：现有证据仅支持AI在RS和MIS中作为临床评估早期阶段的辅助技术。AI赋能系统使患者获益的随机证据限于两项试验，多数AI研究报告来自单中心回顾性数据集的技术指标，外部验证有限。具有患者中心终点和外部验证的前瞻性多中心试验是下一步所需。共享视频注册库、联邦学习和多模态模型是尚待检验的提议方向。

研究背景：机器人手术（RS）已进入多个外科领域的常规实践，机器人平台可产生高分辨率内镜视频、同步器械运动学和系统事件日志，使手术干预可被计算化研究。人工智能（AI）通过机器学习和计算机视觉进入围术期，涵盖术前规划、术中图像引导、手术流程分析、技术表现评估和术后风险预测。然而，临床证据发展慢于算法能力，现有报道多为单中心回顾性开发研究，聚焦准确率、F1分数、交并比（IoU）或Dice相似系数等技术指标，较少检验AI是否改变术中决策或改善患者结局；随机对照试验（RCT）少见，跨机构、跨手术团队和真实手术环境的外部验证有限。共识文件强调人类监督、数据治理、患者安全和临床问责是临床采用的前提。因此，研究人员在外科医生在环框架下开展系统综述，评估AI在RS和MIS中的应用、对手术表现和判断的影响、在外科培训中的作用以及临床转化障碍，并用Yang自主分级和IDEAL框架区分技术可行性与可证明的临床疗效。研究方法概括（不超过250字）：研究人员检索PubMed/MEDLINE、Embase、Scopus和Cochrane Library于2015年1月1日至2026年5月31日发表的英文文献，遵循PRISMA 2020，方案注册于PROSPERO（CRD420261491556）；由两名评价者独立筛选和提取资料，第三方裁决分歧；对AI作操作性定义，并单独分析规则式计算机视觉和非AI数字技术；采用Yang分级和IDEAL分期，采用RoB 2、ROBINS-I、CLAIM、CREDES衍生标准和JBI清单进行质量评价；按SWiM进行结构化叙述综合，分为六个证据层，未进行定量合并。样本队列来源为已发表研究，报告中心包括意大利、美国、中国等。研究结果：3.1 AI Applications by Function (Objective 1)：42篇报告（41项独特研究）按功能分为计算机视觉与图像引导、流程识别、决策支持、表现评估、治理和教育；32项技术报告中22项含学习型AI，1项为规则式计算机视觉，9项为非AI数字技术并单独分析；临床证据多来自泌尿外科。3.1.1 Computer Vision and Intraoperative Image Analysis：8项研究（7项泌尿、1项胃）评估器械分割、组织层面识别、三维模型配准和增强现实（AR）导航；Porpiglia et al. 2020为手动配准3D AR非AI，Amparore et al. 2022为规则式荧光；AI自动配准约7至11秒并出现短暂失败；De Backer et al.分割IoU 94.4%、Dice 97.1%，10例活体使用无术中并发症但延迟约0.5秒；Kumazu et al.的U-Net Dice 0.525、4.9帧/秒；Porpiglia et al.的RIDERS多中心RCT显示AI辅助3D AR在神经保留根治性前列腺切除术选择性神经血管床活检后阳性切缘22% vs 39%（p = 0.047），12个月总控尿91% vs 71%（p = 0.03，非预设）；Shi et al.自动AR导航缩短肾门暴露时间。3.1.2 Workflow Recognition and Automation：4项研究评估手术阶段识别，离线准确率约80%至93%，跨术者和实时部署时下降；Konnai et al.对开发术者准确率0.93、对其他5名术者0.83；Choksi et al.离线80.1%、4名术者活体部署68.7%；Kolbinger et al.准确率0.84、F1 0.82，解剖分割IoU变异大。3.1.3 Decision Support Systems：7项研究涵盖术前规划、术中出血检测、复杂度评分和安全标志验证；Shirk et al.的3D-VR模型为非AI，RARP计划改变32%、可检测PSA 9% vs 31%，RAPN无未校正差异但多水平模型显示控制组出血>200 mL和住院>2天 odds 较高；Chen et al.的AI辅助MRI规划缩短宫腔镜子宫肌瘤切除术约9分钟；Checcucci et al.出血识别准确率90.63%，Horita et al. AP50 0.574，Mascagni et al.评估关键安全视野，Dayan et al.进行复杂度分级。3.1.4 Objective Performance Assessment Tools：8项研究评估运动学指标和视频计算机视觉；Hung et al.显示专家自动性能指标（APM）更优；Lyman et al.的Operative Robotic Index解释79.6%方差（R² = 0.796）， beginner vs intermediate分类准确率89.3%；Ghodoussipour et al.的APM与R.E.N.A.L.评分和热缺血时间相关；Yang et al.器械移动距离与GEARS效率r = -0.72；Pan et al.两级分类准确率92.04%、三级84.80%；Igaki et al.与专家评分Spearman rho = 0.81、AUC 0.93/0.94；Oh et al.显示客观指标与GEARS相关性弱；Laverty et al.的C-SATS未区分新手与专家。3.2 Impact on Surgical Performance (Objective 2)：临床结局证据来自有限RCT和比较队列。3.2.1 Randomized Trials with Patient-Level Outcomes：4项独特RCT报告患者水平结局，其中2项评估AI系统（RIDERS、Chen et al.），2项评估无学习型AI成分的3D-VR模型（Shirk et al.）；Shirk et al.的RAPN试验无未校正手术时间、阻断时间或出血差异，RARP试验计划改变32%、可检测PSA 9% vs 31%，18个月二次分析显示trifecta 48.0% vs 10.0%、可检测PSA 0 vs 17.9%、SHIM 16.8 vs 9.8。3.3 Influence on Surgical Judgment and Decision-Making (Objective 3)：7项研究评估AI对判断、治理和态度的影响。3.3.1 Ethical Principles and Clinical Governance：Cobianchi et al.德尔菲建立7个伦理域；Hassan et al.建立19项治理框架；Lam et al.就114个问题、38项障碍和22项优先领域达成共识。3.3.2 Risk and Liability Frameworks：Hashimoto et al.的SAGES白皮书提出算法、使用者、机构三方责任，并警示自动化偏倚和去技能化；Eckhoff et al.提出手术视频基础设施建议。3.3.3 Surgeon Attitudes and the Expectation Gap：Hameed et al.调查显示81%认为AI是有用培训辅助、40%认为可改变复杂术中决策；Thornton et al.报告 onboarding时间、数据获取、并发症预测和学术产出四类差距。3.4 Role in Surgical Education and Training (Objective 4)：7项研究评估教育作用。3.4.1 Consensus on AI in Surgical Assessment：Vedula et al.德尔菲对136/155项声明（87.7%）达成共识；Kewalramani et al.提出能力建设、多中心验证和纵向监测三阶段路线图。3.4.2 RCT Evidence for AI Tutoring Systems：Fazlollahi et al.显示AI导师优于远程专家和无反馈；Giglio et al.显示AI信息支持的个性化专家反馈优于单独导师；Ma et al. 2022为非AI反馈，Ma et al. 2024显示AI反馈改善EASE针持操作0.30 vs -0.02（p = 0.018），基线表现差者受益更明显（0.60 vs 0.01，p = 0.02）；均未评估向手术室迁移。3.4.3 International Consensus on AI in Bariatric Surgical Training：Kermansaravi et al.的68名专家、35国德尔菲对28项声明均达70%以上共识，支持视频分析、解剖标志识别、胃旁路袖状胃体积估计和培训反馈。3.5 Quality Assessment：RoB 2评估9篇报告（8项试验），低风险1、some concerns 6、高风险2（试验层面低1、some concerns 6、高1）；ROBINS-I评估3项非随机比较研究均为serious风险；CLAIM评估15项AI开发/验证研究，验证部分9项、不足1项，透明度部分12项；CREDES衍生标准评估6项德尔菲研究，外部验证未显示5项、部分1项，偏倚防护部分5项；JBI横断面清单评估5项，混杂控制策略仅1项；JBI定性清单评估1项，7/10条满足；JBI文本与意见清单评估2项，均满足5条适用标准；Amparore et al. 2022单臂 pilot未被所用工具覆盖。讨论部分总结：研究人员强调机器感知不等于手术判断，纳入的实时系统均未超过Yang Level 1，无系统在无持续术者控制下执行手术任务；IDEAL分期显示20/31项技术研究为Stage 0，4项Stage 1、1项Stage 2a、2项Stage 2b、4项Stage 3，无Stage 4。挑战包括单中心数据集、外部验证少、数据泄漏风险、黑箱、指标不统一、实时延迟和配准漂移、闭源平台和基础设施不足、伦理治理与责任、自动化偏倚和去技能化、算法偏见、知情同意。未来方向包括vision-language-action接口、DECIDE-AI报告、数字孪生、联邦学习、共享视频注册库、教育迁移研究和代谢与减重外科评估。综述局限包括异质性无法定量合并、发表偏倚无法正式评估、长期随访有限、证据集中泌尿外科和北美/西欧/东亚、AI定义与分级在修订期应用、英语限制。研究结论翻译：现有证据表明，AI在RS和MIS中仍处于临床评估早期阶段。在22项AI赋能研究中，两项随机试验报告了患者水平结局：神经保留根治性前列腺切除术中的AI辅助3D AR导航与选择性活检后较少的阳性切缘和较高的12个月控尿相关，AI辅助MRI规划缩短了宫腔镜子宫肌瘤切除术。每项发现均来自单一手术中的单项试验。泌尿外科中患者特异性3D模型的随机证据涉及无报告AI成分的模型，不应归因于AI。自动性能指标和视频分析在受控环境中可区分技能水平，AI赋能反馈改善了模拟表现，但二者尚未与手术表现或患者结局建立联系。纳入研究中，术中与外科医生或机器人交互的系统均未超过Yang Level 1；多数AI研究处于IDEAL Stage 0，使用单中心回顾性数据集且外部验证有限，并来自泌尿外科。当前模型的技术表现能否在不同术者、机构和机器人平台间保持，以及是否改变并发症、功能恢复或肿瘤学结局，仍不确定。下一步所需证据是具有外部验证和患者中心终点的前瞻性多中心评价，并按CLAIM和DECIDE-AI报告，包括泌尿外科以外研究。共享视频注册库、联邦学习和多模态视觉语言模型是尚待检验的提议方向。在当前证据范围内，主刀外科医生保留对手术操作的控制和对每项手术决策的责任。