《Scientific Reports》：Intraoperative video-based artificial intelligence model exceeding surgeon accuracy for predicting severe fibrosis in minimally invasive liver surgery
编辑推荐：
推荐：肝脏纤维化（F3–F4）的准确评估对肝细胞癌（HCC）手术规划至关重要，但术前血液指标（如APRI、FIB-4）和术中外科医生肉眼评估均存在局限。本研究利用术中肝表面视频帧，开发了基于DenseNet-121架构的深度学习模型。模型在鉴别重度与非重度纤维化中表现出优越的判别能力（AUROC 0.927±0.039），显著超越了经验丰富外科医生（AUROC 0.844）和常规无创指数。这项研究提示，AI模型可作为术中决策的客观参考，优化HCC患者的手术策略。
肝脏，这个位于我们右上腹、默默承担着代谢、解毒、合成等重要功能的“化工厂”，其健康状况至关重要。然而，当肝细胞癌（Hepatocellular Carcinoma, HCC）——一种常见的原发性肝癌——需要手术治疗时，外科医生面临一个关键且棘手的决策点：肝脏的“质地”如何？这里说的“质地”，专业上指的是肝纤维化的程度。肝纤维化是肝脏在长期慢性损伤后的一种修复反应，严重时（F3–F4期，即重度纤维化或肝硬化）会像给肝脏穿上一件“紧身衣”，使其变硬、血液循环改变。对于HCC患者，术前明确是否存在重度纤维化，直接决定了手术切除的范围、术式（是局部切除还是更大范围的肝叶切除）以及术后发生肝功能衰竭等并发症的风险。遗憾的是，现有的“侦察兵”们表现不尽如人意。术前的血液学指标，如天门冬氨酸氨基转移酶-血小板比值指数（APRI）和基于年龄、血小板计数等计算的FIB-4指数，虽然无创，但准确性有限，常常无法真实反映术中所见的肝脏状况。那么，术中外科医生用“火眼金睛”直接观察肝脏表面总可以了吧？经验丰富的外科医生确实能通过肝脏的颜色、光泽、边缘形态和表面结节等特征进行判断，但这种评估高度依赖个人经验，主观性强，且不同经验水平的外科医生之间判断可能存在差异，缺乏一个客观、统一的标准。正是在这样的临床困境和需求背景下，一项发表于《Scientific Reports》的研究探索了一条新路径：能否利用人工智能（Artificial Intelligence, AI）的“慧眼”，从术中实时拍摄的肝脏视频中，自动、客观、准确地识别出重度肝纤维化，甚至超越人类专家的判断？
为回答这个问题，研究团队开展了一项回顾性研究。他们从2019年12月至2022年3月期间，在一家医疗中心接受了微创肝切除术（Minimally Invasive Liver Surgery）的HCC患者中，纳入了103例。研究的核心材料是这些手术中拍摄的肝脏表面视频。研究人员从视频中提取关键帧图像，并根据术后病理学检查结果，使用METAVIR评分系统（一种用于评估慢性肝炎肝纤维化程度的分级系统，F0为无纤维化，F4为肝硬化）为每张图像标记了对应的纤维化分级（F0–F4）。研究的主要技术方法是深度学习（Deep Learning）。具体而言，他们选择了一个在大型图像数据集ImageNet上预训练好的卷积神经网络（Convolutional Neural Network, CNN）模型——DenseNet-121，并对其进行了“精调”（Fine-tuning）。精调的目标是让这个模型学会区分两张图片：一张代表肝脏存在重度纤维化（F3–F4），另一张代表非重度纤维化（F0–F2）。为了严谨评估模型的泛化能力，他们采用了五折交叉验证（Five-fold Cross-validation）的方法。最后，他们将这个训练好的AI模型的诊断性能，与五位经验丰富的肝脏外科医生的肉眼评估结果，以及两个常用的无创纤维化评估指数（APRI和FIB-4）进行了“同台竞技”。评估的“标尺”是诊断试验中常用的指标，包括受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve, AUROC，越接近1表示判别能力越强）、灵敏度（Sensitivity，识别真阳性的能力）、特异性（Specificity，排除真阴性的能力）和F1分数（F1-score，精确率和召回率的调和平均）。
AI模型性能卓越
经过训练和验证，基于术中视频的深度学习模型展现了出色的判别能力。其平均AUROC达到了0.927（标准差±0.039），这意味着模型在区分重度与非重度纤维化方面有极高的准确性。同时，模型的平均灵敏度为0.918（±0.110），特异性为0.910（±0.032），表明它既能有效地“抓出”有问题的病例，也能较好地“放过”没问题的病例，表现均衡。
外科医生评估存在局限性
与之相比，五位外科医生的评估虽然也具有相当的判断力，但准确性低于AI模型。研究进一步将外科医生按经验更丰富和相对欠缺分为两组。经验更丰富的外科医生组平均AUROC为0.844，而经验相对较少组为0.808。分析发现，外科医生判断力稍逊的主要原因在于特异性较低，即他们更容易将没有重度纤维化的肝脏误判为有，这可能源于临床实践中“宁枉勿纵”的谨慎倾向，但也可能导致不必要的手术范围扩大。
传统无创指标表现不佳
而作为参照的两种术前无创血液学指标，APRI和FIB-4，其判别能力则明显不足，AUROC分别仅为0.680和0.670，远低于AI模型和外科医生的评估，证实了它们在精确指导术中决策方面的局限性。
这项研究通过严谨的设计和对比分析，得出了明确的结论：利用术中肝脏表面视频图像训练的AI模型，在预测HCC患者是否存在重度肝纤维化（F3–F4）方面，其诊断准确性显著超过了经验丰富的外科医生的术中肉眼评估，也大幅优于常规的术前无创血液学评估指标（APRI和FIB-4）。
在讨论部分，作者强调了这一发现的重要临床意义。首先，该AI模型为解决术中肝纤维化实时、客观评估的难题提供了一个强有力的新工具。它能够将外科医生主观的视觉经验转化为客观、可量化的数据，有望成为术中决策的“第二意见”或客观参考，帮助外科医生更精准地制定切除策略，从而可能在保证肿瘤根治性的同时，最大限度地保留肝功能，降低术后并发症风险。其次，该研究展示了计算机视觉和深度学习在实时外科场景中的巨大应用潜力，为手术辅助决策系统的发展提供了新的思路。然而，作者也客观指出了本研究的局限性，例如这是一项单中心回顾性研究，样本量相对有限。因此，研究结论的外推性需要进一步验证。未来的研究方向包括在前瞻性、多中心、更大规模的患者队列中验证该模型的泛化能力和临床实用性，并探索将其整合到实时手术影像系统中的可行性，真正实现从“术中看见”到“术中读懂”的跨越，最终惠及广大HCC患者。
