-
生物通官微
陪你抓住生命科技
跳动的脉搏
生物通官微
陪你抓住生命科技
跳动的脉搏
用于胸外科手术风险评估和并发症预测的人工智能与机器学习
《Thoracic Surgery Clinics》：Artificial Intelligence and Machine Learning for Risk Assessment and Complication Prediction in Thoracic Surgery
【字体： 大 中 小 】 时间：2026年10月27日 来源：Thoracic Surgery Clinics 1.6
编辑推荐：
章节摘录 关键要点 传统胸外科风险模型仍然是有用的基准，但在外部人群中的区分度、校准度和可移植性表现不一致。 机器学习和影像组学可以通过捕捉非临床关系和影像特征来改善预测，但外部验证和校准仍然有限。 多模态人工智能可以结合临床、影像和语言数据，支持更加个性化、可解释
机器学习在胸外科手术风险预测中的应用已迅速发展，从概念验证研究逐步演进为日益复杂且经过外部验证的模型。
逻辑回归因其透明性和可解释性，仍然是一个有用的基准模型，在某些胸外科队列中表现尚可。例如，Huang等人开发了一个针对1085例患者解剖性肺切除术后心肺并发症的逻辑回归模型，报告的AUC为……
几乎所有胸外科手术候选人都进行横断面影像学检查，然而传统风险模型从中提取的信息极为有限。影像组学能够提取定量影像特征，这些特征可能反映超出视觉判读范围的肿瘤生物学特性和宿主生理状况。33
在切除的肺腺癌中，基于CT的影像组学特征已显示出与已建立的病理因素相当的预后价值。Choe等人评估了术前增强CT影像组学……
单模态预测存在固有局限性：临床变量遗漏影像表型，影像组学忽略合并症和功能状态，术中数据缺乏术前背景。多模态人工智能整合这些互补数据流，可能是手术风险预测的下一步方向。
Wang等人开发了一个融合框架，结合时序临床变量、胸片和电子健康记录中的临床笔记，用于预测住院期间……
可穿戴生物传感器和连续生理监测有望将风险预测延伸至术后阶段，实现动态风险重新评估和早期并发症检测。
Beqari等人前瞻性研究了56例心胸外科患者，这些患者在术前1周至术后90天内持续佩戴Fitbit设备。26NightSignal算法在症状出现中位提前2天检测出21例术后事件中的17例，检测率为81%……
将机器学习模型转化为临床实践，不仅需要良好的区分能力。一个模型可能正确地对患者进行排序，但如果系统性高估或低估绝对风险，仍然会误导决策。
区分能力通常以AUC或C统计量表示，仍然是最常报告的性能指标。然而，仅凭区分能力并不能确立临床实用性。正如Vickers和Holland所强调的，一个AUC为0.80的模型可能……
要使人工智能在胸外科实践中得到采用，外科医生必须能够理解、质疑并在必要时推翻模型预测。
SHAP在外科机器学习中被广泛使用，胸外科研究也显示其有用性，但事后解释并不一定阐明生物学含义或风险如何被调节。49,50
更新的方法旨在使人工智能输出更具临床可操作性。这些方法包括概念瓶颈模型、大语言模型生成的解释以及贝叶斯或蒙特卡罗……
对胸外科人工智能的 enthusiasm 必须与当前证据基础的局限性相平衡。在我们涵盖22项与胸外科相关的机器学习研究的范围文章中，仅有4项纳入了外部验证，校准很少被报告，仅有1项涉及公平性或偏差。44更广泛地看，一项针对103项围手术期机器学习研究的系统综述和PROBAST评估发现，75%依赖于单中心验证，仅13%经过多中心外部验证，且大多数……
几个优先事项将决定人工智能能否在胸外科中实现临床实用性。首先，多中心验证至关重要。联邦学习可能特别具有吸引力，因为它能够在不需要传输患者级数据的情况下实现跨机构训练。在其他外科领域，联邦方法已取得了接近集中建模的性能，表明在胸外科登记系统之间实现隐私保护的协作是可行的……
人工智能和机器学习正在重塑胸外科的围手术期风险评估。与传统风险计算器相比，当代机器学习方法可以整合异质数据源，并可能在整个手术过程中提供更加个体化和动态的预测。影像组学、多模态模型、语言赋能系统和可穿戴监测设备各自以重要方式拓展了风险评估，而诸如MIRACLE等框架则展示了如何将预测、解释和临床医生……
在准备本文期间，作者使用了生成式人工智能对文章进行编辑。在使用该工具/服务后，作者审阅并按需编辑了内容，并对出版物的内容承担全部责任。
作者无利益冲突需要披露。
