基于人工智能的解剖识别改善机器人胃切除术中的外科医生决策

背景：基于人工智能（AI）的解剖识别已出现以支持术中认知；然而，其在教育之外的临床效用仍然有限。本研究旨在开发一个用于机器人远端胃切除术（RDG）中胰腺上淋巴结清扫的AI模型，并评估其对外科医生术中决策的效用。方法：我们使用67个RDG视频（54个用于训练，13个用于测试）开发了一个深度学习模型，以识别胰腺、肝总动脉（CHA）、胃左动脉（LGA）和胃左静脉（LGV）。模型性能通过交并比（IoU）评估。20名外科医生参与了两项实验：实验1评估腹膜切口线选择，由三名专家按5分制评分，实验2以交叉设计评估CHA识别时间。结果：胰腺、CHA、LGA和LGV的IoU值分别为0.66、0.28、0.216和0.232。在混合效应模型中，实验1显示AI辅助与无辅助相比，降低了不安全的腹膜切口线的比例（评分1-2）（比值比0.25；95%置信区间[CI]，0.15至0.41；P<0.001），并使平均专家评分提高了0.64分（95%CI，0.39至0.89；P<0.001）。在实验2中，AI辅助将CHA识别时间缩短了9.5秒（95%CI，2.20至16.81；P=0.0124）。结论：我们的AI系统通过改善解剖识别，成功支持了外科医生的术中决策，因此有可能提高手术安全性。