编辑推荐：
章节摘要要点•人工智能（AI）使整形外科传统上主观的结果评估能够实现客观测量，涵盖美学对称性、感知年龄、伤口愈合和皮瓣灌注监测等方面。•机器学习改善了个体化风险分层和围手术期决策支持，通常能够识别超越传统统计模型的预测因子。•人工智能驱动的影像技术，如三维重建、体积分析和增强
章节摘要
要点
- •
人工智能（AI）使整形外科传统上主观的结果评估能够实现客观测量，涵盖美学对称性、感知年龄、伤口愈合和皮瓣灌注监测等方面。
- •
机器学习改善了个体化风险分层和围手术期决策支持，通常能够识别超越传统统计模型的预测因子。
- •
人工智能驱动的影像技术，如三维重建、体积分析和增强现实，正在重塑
整形外科研究中人工智能演变的概述
人工智能在整形外科领域的研究轨迹反映了外科学科整体范式的转变，即从静态预测工具转向能够处理多种数据类型的自适应多模态系统。
整形外科最早采用人工智能的阶段特征是使用国家登记库（如国家外科质量改进计划）的回顾性数据库研究。这些研究采用了传统机器学习分类器、逻辑回归、随机
美容外科研究中的人工智能
美容整形手术因其结果的视觉性和主观性而特别适合与人工智能整合。传统评估方法（如患者调查和医生评价）容易受到偏差影响且可重复性有限。因此，研究越来越多地采用人工智能驱动的定量工具，以引入客观、标准化的结果指标（图2）。
重建外科研究中的人工智能
重建外科是整形外科中技术要求最高的领域之一，其成功依赖于精心的术前规划、精准的术中操作和审慎的术后监测。鉴于皮瓣受损、感染和伤口失败带来的高风险，人工智能研究致力于提高围手术期各阶段的可靠性（图3）。
影像技术在整形外科中的应用
人工智能与医学影像的融合为整形外科带来了"智能影像"的新范式。与传统影像手段主要服务于描述或存档目的不同，人工智能增强的系统将静态图像转化为可量化、可预测和可交互的外科工具（图4）。该领域的研究涵盖3个主要方面：
- •
基于人工智能的结果量化，
- •
二维至三维重建与模拟，以及
- •
增强现实（AR）和虚拟现实（VR）
方法论局限性与报告挑战
尽管人工智能应用发展迅速，但显著的方法学局限制约了临床转化。许多研究依赖于回顾性、单中心数据集，缺乏外部验证，且方法学报告不完整。15整形外科研究同样反映了这些广泛存在的不足，并且因主观结果评估和异质性影像方案而进一步加剧。
整形外科中许多人工智能模型仅基于单一机构的少于500例患者数据集进行训练，
伦理与法律问题
将人工智能整合到整形外科研究中引发了伦理和法律挑战，包括算法偏差、数据隐私、监管监督和法律责任。在非代表性数据集上训练的模型存在放大差异的风险，尤其在皮肤色调和颅面多样性至关重要的美容应用中。生成模型在美容描绘和解剖图像中均显示出种族和性别不平衡，凸显了14,15……生成模型在美容描绘和解剖图像中均显示出种族和性别不平衡，凸显了5,7……需要
未来方向
下一阶段整形外科中的人工智能必须强调方法论的成熟度，而非技术的新颖性。多中心前瞻性验证对于在不同人群和临床工作流程中确立泛化性至关重要。联邦学习提供了一种在保护隐私的同时扩展数据集多样性的有前景的策略。55此类方法尤其适用于罕见的重建手术场景和被低估的美容表型。
未来的系统还应优先考虑人机
总结
人工智能正在重塑整形外科研究，通过实现客观的结果量化、高级影像分析、预测性风险建模以及跨美容和重建领域的术后决策支持。从基于计算机视觉的皮瓣监测到生成模拟和检索增强引导系统，人工智能提供了更高的精度、可扩展性和工作流程效率。然而，大多数研究仍为回顾性、单中心研究，外部验证有限，且
临床关注要点
- •
将人工智能作为临床判断的辅助工具使用。人工智能工具可以支持风险分层、手术规划、术后监测和患者教育，但输出结果应在临床背景下解读，并由主治医师审核。
- •
不要将高算法准确率等同于临床可用性。在将人工智能工具纳入患者护理之前，应考虑其是否已在特定人群、影像条件和临床工作流程中通过外部验证
利益声明
本研究得到梅奥诊所以及施密特科学基金会、理查德·M·舒尔策家族基金会和格斯特纳慈善基金会的慷慨支持。无适用拨款编号。上述机构未参与本研究设计、数据的收集、分析和解释、报告撰写，或提交文章发表的决策。所有作者声明无财务或非财务利益冲突。
Bernardo Gabriele Collaco｜Cesar Abraham Gomez-Cabello｜Syed Ali Haider｜Antonio Jorge Forte
