胰腺癌手术中的人工智能：证据成熟度、边界与临床转化

《Artificial Intelligence Surgery》：Artificial intelligence in pancreatic cancer surgery: evidence maturity, boundaries, and clinical translation

　　

摘要专业翻译 胰腺癌手术涉及关于可切除性、治疗顺序、手术规划、并发症及预后等多方面的决策。研究人员将人工智能（AI）研究映射至五个外科决策领域，并评估了研究设计、验证、性能、决策效用、工作流程适配性及证据局限性。这项结构化叙述性综述纳入了31项直接AI研究及3项邻近研究或方案研究；仅直接AI研究接受了证据成熟度分级。18项研究达到1级，10项达到2级，3项达到3级；无研究达到4级或5级。血管受累的三维评估已通过外部及前瞻性性能验证，但其对外科决策或患者结局的影响尚未得到证实。自动化分割有助于解剖可视化，尽管肿瘤勾画及工作流程需求限制了其应用。试验样本的转录组学分析提示辅助治疗获益存在差异，但尚未确立前瞻性的生物标志物指导的治疗分配。并发症、复发及生存预测模型提供了风险分层信号，但校准、可操作阈值、类别不平衡及临床效用仍令人担忧。AI应支持放射科医师、外科医师及多学科团队，而非取代其判断。临床采用需要稳健的外部验证、前瞻性工作流程评估，以及AI辅助决策改善患者结局的证据。

论文主体内容学术总结

引言

胰腺癌在消化道恶性肿瘤中预后极差，死亡率持续居高，长期生存率低。手术对于可切除疾病患者及经全身治疗后成为切除候选者的患者，仍是长期生存的核心。外科诊疗涉及多项相互关联的决策：评估可切除性与血管受累、安排治疗顺序、规划手术、管理围手术期风险及评估术后预后。这些决策日益依赖于影像学发现、病理学、临床变量及多学科专业知识的综合。每一项均为AI支持临床判断提供了潜在机会。AI在胰腺癌中的应用包括图像分析、自动化分割、影像组学、数字病理分析、组学方法及预后预测。然而，对于外科用途而言，判别能力仅是要求之一，临床相关性还取决于对目标人群的适用性、外部或前瞻性验证、校准、可操作阈值、工作流程整合，以及最终在模型辅助下所做决策的后果。

方法

本综述围绕胰腺癌外科诊疗中的连续决策展开，考察了五个预设临床领域：可切除性与血管受累的术前评估；三维重建与手术规划；新辅助及辅助治疗的分层；围手术期并发症风险管理；以及预测淋巴结转移、复发和生存的模型。研究采用结构化叙述性设计，按所针对的外科决策综合证据，并非系统综述或荟萃分析。PubMed/MEDLINE为主要文献数据库，核心证据检索覆盖2020年1月1日至2026年2月28日的文献，并辅以截至2026年9月17日的补充检索。最终核心证据集包括34项研究：31项直接AI研究和3项邻近研究或方案。证据成熟度评估仅针对31项直接AI研究。数据提取涵盖研究设计、目标人群、数据来源、样本及事件构成、临床任务、模型类型、开发与验证方法、关键性能结果、校准、决策阈值、效用分析、工作流程特征、临床结局及主要方法学局限。方法学评估参考了TRIPOD+AI声明、PROBAST、CLAIM、决策曲线分析原则及FUTURE-AI指南。

评估框架

AI研究任务在目标人群、错误后果及由此产生的临床行动方面存在差异，因此相同的受试者工作特征曲线下面积（AUC）或准确率可能具有不同的临床含义。判别能力衡量模型区分高风险与低风险病例的能力；校准衡量预测概率与观察事件率的吻合程度；决策阈值将连续风险估计转化为行动。性能只是证据链的起点。内部验证主要检验开发数据环境内的稳定性，而独立外部或时间验证则检验跨机构、设备、人群和时期的泛化能力。在多阶段系统中，报告应区分各步骤的错误并显示其对最终输出的影响。从预测效度到临床效用的进展需要可解释且可操作的阈值、与现实工作流程的兼容性，以及决策净获益或患者结局改善的前瞻性比较证据。在31项直接AI研究中，18项达到1级，10项达到2级，3项达到3级，无研究达到4级或5级。4级要求在工作流程中前瞻性使用并测量其对决策、管理或工作流程的影响；5级要求AI辅助策略影响患者结局、资源利用、效率或安全性。证据的最大缺口在于性能验证与临床可操作性之间：13项研究至少达到2级，仅3项达到3级，无研究前瞻性评估了决策影响或患者结局。

可切除性评估

血管受累的术前评估是AI在胰腺癌手术中研究较为深入且相对成熟的应用之一。肿瘤与主要血管的解剖关系是分期和手术策略的基础，国际共识标准将临界可切除性界定为解剖、生物学及患者相关因素的综合考量。一项单中心回顾性研究开发了计算机视觉流程，分割性能良好，U-Net的Dice相似系数（DSC）为0.90，但切缘分类呈现高特异性与低敏感性：敏感性43%，特异性94%，准确率85%。基于三维深度学习的框架对腹腔干、肝总动脉、肠系膜上动脉及静脉、门静脉五条血管的受累进行了量化，在外部及前瞻性评估中诊断性能保持良好，多项指标与资深放射科医师相当或非劣效。一项回顾性多中心研究将CT影像组学特征与基于指南的专家评估相结合，在独立测试集中，该人机融合模型在AUC、准确率、敏感性和特异性方面均超越了单独的CT特征和专家评估。2026年发表的一项多中心研究纳入六中心5930例肿瘤-血管病例，其中五中心外部队列3575例，合并外部AUC为0.943，但发表的方法未能完全验证模型锁定和数据隔离要求，故归类为1级。AI可能提供更客观的测量和一致的风险提示，但其当前角色是辅助放射科医师、外科医师及多学科团队（MDT）的评估，对MDT内部一致性、R0切除率、围手术期结果及远期结局的影响仍属未知。

手术规划

自动化分割算法勾画胰腺、肿瘤、胰胆管及血管等结构。一项多中心研究开发了自动分割胰腺癌及邻近解剖结构的模型，胰腺及若干血管的重叠良好，但肿瘤分割效果较差：内部DSC约为0.57，外部约为0.55。胰腺肿瘤可能体积小、边界不清，并与炎症或萎缩性改变重叠，使分割难度加大。规划系统应报告小病灶、边界不清及不同采集方案下的失败情况，以及手动校正的频率、耗时和观察者间一致性。三维血管模型将解剖显示与个体化风险指标联系起来。一项两中心回顾性研究显示，肠系膜上动脉分区及分支特征与术后胰瘘（POPF）、其他严重并发症及术中出血量存在统计学关联，但这些特征应被解读为跨疾病的术中复杂性指标，而非PDAC特异的肿瘤学预测因子。物理打印需要更多资源。一项16例临界可切除患者的回顾性研究发现，分割和三维重建似乎改善了静脉受累的可视化，而打印模型未提供超出屏幕版本的额外信息，数字模型制作约需3小时，打印约需36小时，每个模型成本约700-1000欧元。术中可视化方面，一项研究训练深度学习模型识别肠系膜上静脉-门静脉轴及脾静脉，召回率85.0%，精确率91.1%，平均DSC 0.754，处理速度约每秒11帧。另一项研究利用78个机器人胰十二指肠切除术视频开发了肠系膜上动脉暴露及解剖范围的连续AI评分，与专家评分高度相关（Spearman's rho = 0.767，P < 0.001），AI叠加显示还提高了外科医师判断解剖范围的信心。

治疗决策

治疗决策支持是AI在胰腺癌手术中的新兴应用。源自临床前模型的AI辅助转录组学特征在PRODIGE-24/CCTG PA6试验的肿瘤样本中进行了回顾性验证，治疗与预测亚型匹配的患者无病生存期和胰腺癌特异性生存期更长。一项相关分析利用该试验材料通过核糖核酸特征识别了吉西他滨敏感亚组，该亚组内吉西他滨与改善的无病生存和胰腺癌特异性生存相关。两项研究均使用随机试验样本和结局，但分子验证为回顾性，治疗未按特征前瞻性分配，因此仅支持分层治疗试验而非常规辅助化疗选择。一项国家癌症数据库（NCDB）回顾性分析纳入1053例接受多药新辅助化疗、放疗和手术的患者，利用最小绝对收缩和选择算子（LASSO）建模预测新辅助治疗后病理淋巴结阴性（ypN0），训练集AUC 0.718，测试集AUC 0.725。由于治疗条件不同，补充分析不构成独立外部验证。另一项回顾性多中心研究利用AI病理学量化纤维化并开发CT影像组学预测因子，外部CT测试集集成AUC为0.709，CT预测的高纤维化与不可切除PDAC患者接受白蛋白紫杉醇加吉西他滨一线治疗后更长的生存期相关，但该预测分析涉及不可切除疾病，属邻近人群证据。目前，AI在新辅助、转化及辅助治疗中最合理的用途是治疗敏感性和病理反应的分层，用于选择治疗则需要前瞻性特征指导决策的研究，验证检测流程、可操作阈值及患者结局。模型必须区分预后特征与预测特征：识别可能预后不良的患者并不表明他们对两种方案的反应会有差异。

并发症预测

围手术期风险模型的临床用途取决于其输入可用的时间点。术前影像和变量可指导风险讨论、手术准备和监测计划。一项单中心研究基于术前特征的决策树在训练和时间测试中预测大出血的准确率相近，而神经网络比较模型在测试集上准确率较低，凸显了评估过拟合的重要性。一项国家外科质量数据库分析纳入8666例胰十二指肠切除术患者，仅使用术前可用变量预测临床相关POPF，XGBoost达到AUC 0.72，表明常规术前变量仅提供中等程度的初始分层。一项多中心数字病理研究对切缘玻片应用AI量化组织成分，纤维化面积与临床相关POPF独立相关，报告AUC约为0.58-0.73，该模型因输入在术后获取而提供术后组织学解释，不能作为术前决策工具。一项两机构研究评估230例远端胰腺切除术患者（外部测试队列42例），结合临床变量与二维和三维身体成分特征，外部AUC为0.82，敏感性约81%，特异性约76%，优于仅临床模型，但队列限于远端胰腺切除术且外部测试患者少，能否迁移至胰十二指肠切除术尚不确定。静脉血栓栓塞（VTE）预测研究分析了51916例胰腺切除术记录，含743例出院后VTE事件（1.4%），采用分层80/20训练-留出分割。领先的梯度提升模型产生两个性能估计：受试者工作特征曲线下面积（ROC-AUC）0.83（95%CI：0.80-0.87）和精确率-召回率曲线下面积（AUPRC）0.34。阈值0.10的补充结果显示敏感性39.6%，特异性99.5%，阳性预测值（PPV）51.8%，阴性预测值99.1%。这些结果既未确定延长预防的临床最优截断值，也未证明模型指导预防的前瞻性获益。并发症模型的优先事项是将预测风险与明确的行动及错误分类后果联系起来，不同行动的获益-危害平衡不同，即使基于同一模型，引流管理、营养支持和血栓栓塞风险评估可能需要不同阈值。

预后预测

围手术期风险评估关注即时手术安全，而淋巴结转移、复发和生存模型则关注肿瘤生物学和长期预后。一项两中心XGBoost模型用于术前预测淋巴结转移，测试集敏感性95.3%，特异性34.0%，高敏感性限制了漏诊阳性病例，但低特异性限制了其确证价值。一项多中心研究整合临床变量与CT深度学习和影像组学，早期复发验证队列AUC为0.920，并报告了校准和决策曲线分析。一项五中心隐匿性肝转移研究将终点定义为术中或术后6个月内发现的转移，独立外部队列AUC为0.71，需手动肿瘤分割且排除新辅助治疗患者，该模型提供前瞻性分层基础而非治疗选择工具。PanScore基因组深度学习模型在独立队列中对影像学可切除患者进行分层，低风险组中位总生存期35.4个月，中风险组29.0个月，高风险组17.9个月，但独立验证使用总生存期而非后续肝转移作为终点。一项单中心空间病理分析纳入304例先行手术且R0切除的患者，AI测量的肿瘤浸润淋巴细胞及免疫表型与术后总生存和无复发生存相关，但高度选择的队列、依赖单张代表性玻片及缺乏外部验证限制了其结论。一项身体成分影像组学模型在时间验证中保持中等一致性指数，但12个月无复发生存AUC从训练的0.89降至验证的0.68，说明了时间漂移和小验证队列的影响。一项627例单中心研究中，基于术前氟-18氟脱氧葡萄糖（18F-FDG）PET/CT的影像组学评分与切除术后总生存独立相关（风险比2.95），12、24、36个月时间依赖性AUC分别为0.729、0.710和0.705。这些方法将风险评估扩展到肿瘤、宿主和微环境特征，但目前仅支持研究分层而非辅助治疗或监测方案的改变。

临床转化

向实践转化需要可解释、可重复且适用于目标人群的发现。人群、数据来源、预测时间、结局定义、缺失数据处理、训练验证分割、特征选择或优化方面的报告缺口，会掩盖偏差、信息泄漏或过拟合导致的性能膨胀。独立外部验证是评估跨中心泛化性的必要条件，但证据强度取决于外部队列的来源和异质性。报告外部验证应明确患者选择是否与开发队列匹配、结局定义是否一致以及缺失输入如何处理。从预测到行动的转化需要校准和对所选阈值后果的清晰理解。决策曲线分析通过评估在特定阈值概率范围内相对于全部干预或全部不干预的净获益，补充了判别能力。每个阈值应对应明确的行动，当后果是额外影像检查时可能容忍更多假阳性，而改变手术或治疗则需要更强证据。可解释的输出应使临床医生能够审查预测依据并识别不确定性。基于肿瘤-血管特征的模型将选定的影像征象转化为可追溯和临床可审查的定量特征。结构化报告研究表明文本工具可提高完整性，但图像审查、外部验证和人工监督仍然必不可少。工作流程评估应确定谁获取和检查输入、结果何时可用、如何处理缺失或异常输入，以及建议是否纳入病历和MDT文档。DECIDE-AI指南强调早期临床评估中的安全性、人为因素、工作流程和潜在危害；FUTURE-AI涵盖AI生命周期中的公平性、普遍性、可追溯性、可用性、稳健性和可解释性。实施应反映各机构的能力，高容量三级中心可能具备整合多模态平台、前瞻性监测性能和系统更新模型的条件，资源较少的区域中心可能更适合采用接受标准化输入、本地基础设施需求低且允许集中支持的特定任务外部验证工具。监管转化需在各司法管辖区评估，美国食品药品监督管理局（FDA）于2025年1月发布AI设备软件功能生命周期管理和上市提交的草案指南，并于2025年8月发布预定变更控制计划的最终指南；欧盟内AI设备可能受医疗器械法规或体外诊断医疗器械法规与人工智能法案的补充条款约束。经济评估应涵盖软件采购、数据标注、系统集成、维护、手动校正及后续测试，同时评估无效干预、重复检查和决策时间的潜在减少。

未来方向

术前评估方面，三维深度学习框架已展示外部和前瞻性性能验证，下一步问题是这些模型能否在实际MDT实践中改善观察者对血管侵犯和可切除性的一致性。研究应捕获对进一步检查、新辅助治疗考虑、血管重建准备和手术选择的影响。三维规划研究应改进小肿瘤和边界不清病灶的分割，同时测量手动校正、规划时间和手术结局，并分别评估数字模型和物理打印的附加价值。治疗决策研究的主要挑战是以前瞻性特征指导设计检验回顾性分层假设。未来研究应预设检测流程、决策阈值和分配规则，需要前瞻性比较设计来确定模型辅助选择是否改变治疗完成度、切除机会或长期结局。比较方案间获益的研究应在统计设计中预设生物标志物-治疗交互作用，仅显示预后关联不足。风险预测方面，并发症和预后模型应超越风险分层，转向定义可测试的行动路径。每个行动需要明确的启动、持续和停止标准。多模态研究方面，更多模态并不自动增加临床价值，与单模态模型的比较应使用相同队列、终点、数据分割和验证条件，报告应量化判别增益、校准变化、决策净获益、模态缺失时的稳健性及额外获取和维护成本。新兴方法方面，自监督学习可从无标注图像或病理数据中提取通用表征，减少对稀缺高质量标注的依赖；生成式AI可能有助于受控数据增强、图像或文本标注及一致性检查，但需防止合成偏差和错误信息进入训练集；大语言模型可能更适合整合影像、病理、实验室和纵向记录中的复杂发现并支持结构化报告，但在影响手术决策前，应解决事实准确性、隐私、更新、提示和版本可追溯性及人工审查责任等问题。

局限性

本综述以PubMed/MEDLINE为主要数据库，可能遗漏仅在其他来源索引的研究。结构化叙述性设计未采用系统综述方案或合并效应估计。人群、临床任务、终点和报告的差异限制了直接比较。来源文章未一致提供置信区间或校准结果，因此按发表形式保留性能估计。全文资格评估未独立重复进行，历史记录未记录正式的资格分歧解决程序。证据成熟度分级由联合评估而非独立重复评分者完成，未计算评分者间一致性统计量，部分分级判断可能仍具主观性。

结论

AI可在胰腺癌外科路径的多个节点做出临床贡献。血管受累量化、三维解剖可视化、治疗敏感性分层、围手术期并发症风险评估及复发和生存预测已从探索性开发推进至初步外部验证，其中术前血管受累测量获得了相对广泛的验证。总体而言，证据仍处于早期至中期验证阶段，多数研究涉及回顾性开发或内部验证，进展至外部或前瞻性评估者较少。校准、决策阈值、工作流程整合及决策影响的前瞻性测量仍存在重大缺口。因此，决策支持是AI在胰腺癌手术中当前适当的作用，定量输出和风险估计可补充放射科医师、外科医师和MDT的评估，同时将临床判断留给专业人员。围绕外科路径组织证据有助于明确各决策点的研究进展、当前受支持的临床角色及下一步需要验证的内容。影响手术或治疗的声明仍需前瞻性验证。AI要成为胰腺癌手术中可证明有用的临床工具，证据必须显示其成功整合入工作流程、对决策产生有意义的影响，并在现实实践中改善患者结局。