人工智能在外科手術的應用展望

韋斌，黃俏瑩，王曉通

（1.廣西壯族自治區人民醫院 胃腸外周血管外科，廣西 南寧 530021；2.廣西醫科大學第一附屬醫院 輸血科，廣西南寧 530021）

0 引言

進入21世紀后，人工智能AI（artificial intelligence，AI）有了革命性的發展[1],其在醫療領域的發展最迅猛的集中在智能影像學、智能病理學和智能決策三個方面[2-6]。而在外科手術領域，由于有效數據收集困難，操作的有創性需要面對倫理關等原因，機器學習還沒有很大的進展。2000年Intuitive Surgical公司推出的達芬奇機器人標志著外科正式進入了手術機器人時代。達芬奇手術機器人有高清視覺、直覺操作、人體工程學控制臺和高自由度仿真手腕等，成為了全世界應用最廣、最先進的手術機器人，其應用涵蓋泌尿外科、普外科、婦產科等數十個學科。但這些機器人沒有人工智能，只是人類雙手的延伸，只能算沒有大腦的精密設備而已。而機器深度學習是大勢所趨，AI在未來有可能會完全應用于外科手術。其在外科手術的應用發展可能分為幾個階段。

1 第一階段：數據收集

萬事開頭難，最重要的還是數據的收集。樣本數越多，AI算法改進或學習的空間越大，最后的結果也越準確[7]。但是外科手術還是一個非常主觀的領域：同一種疾病，在不同的國家、地區，醫生在手術類型的選擇上有不同的傾向性；同一種手術類型，不同的醫生，手術器械的選擇也是五花八門，沒有統一的標準；同一種手術，不同的醫生，手術步驟也是各有絕活，沒有雷同；術中發生的意外，不同醫生的處理方式也是各不一樣。所以AI想要在外科手術領域有所建樹，首先必須建立優秀的算法，不斷迭代改進，前期的準備就是要收集、分析海量的數據。

1.1 術前數據

外科醫生做手術，術前要充分了解患者的病情和手術區域的解剖結構，才能決定手術方式，然后有目的的進入到手術區域，以最小的創傷切除病灶。所以機器學習，首先要掌握術前的患者資料，特別是包含病灶及周圍的解剖信息的影像學資料。

1.2 術中數據

這是最關鍵，數據量最大的內容，包括以下兩個大類：

1.2.1 “手術旁數據”

主要是在手術床旁產生的數據，和手術操作密切相關，有助于主刀醫師以及未來的AI判斷手術進程是否順利，根據實時情況調整手術方式。包括了從進手術室開始麻醉到術后復蘇的所有數據，包括但不限于：（1）生命體征；（2）手術中的化驗結果；（3）術中輸液，輸血以及各種藥物；（4）麻醉機的各項數據如潮氣量，氧濃度等。

1.2.2 手術操作數據

機器學習主要使用腹腔鏡，胸腔鏡，關節鏡，介入等有視頻錄像的微創設備，主要產生的數據有：（1）進入手術區域的路徑包括各穿刺孔的位置等；（2）術中使用的器械及耗材類型數據；（3）手術區域的解剖，包括所有手術過程中可能進入攝像頭視野范圍內的組織，器官的形態，質地，顏色，大小，形狀等；（4）手術過程中，包括主刀，一助，二助等臺上醫生操作的動作軌跡，力度變化；（5）手術過程中器械與組織、器官的接觸的面積、角度、時間，組織的位移、形變以及顏色的變化，病灶切除的范圍；（6）術中意外的處理，如止血的處理包括壓迫，電燒灼，鈦夾或塑料夾夾閉等；（7）其他術中數據，如手術區域的溫度變化等。

AI技術發展至今，計算機視覺輔助手術已經有了臨床應用[8-11]，甚至能對手術視頻進行定量分析，完成自動分割、注釋并記錄數據[12]。但外科醫生在手術中不僅僅調動視覺和肌肉系統，還包括了觸覺和溫覺等精細感覺。所以未來AI操作機器手臂進行各種精細手術時，也需要使用類似人類感知能力的感應器來收集手術區域的信息。這就要求收集盡量完善的術中數據，讓數據專家建立合理的算法供AI深度學習，最終使其理解安全有效的手術操作的原理。

1.3 術后數據

充分評估手術的效果，也要收集術后恢復的情況數據：（1）術后用藥；（2）各器官功能恢復時間；（3）術后各種輔助檢查；（4）術后生命體征，術區癥狀體征，引流液的量和顏色等；（5）術后并發癥等。

完整收集圍手術期大數據提供AI深度學習，才能讓AI真正理解外科手術的原理。但由于資料都是孤島式的散落的，數據收集難度很大，幾乎沒有一家醫院能用一個數據庫整合這些資料，更別說由一個地區，甚至國家來進行整合。也就是說，如果要致力于研究機器學習外科手術，前期的準備是數據整合的設計。鑒于人工智能對專業知識廣度和深度提出了前所未有的嚴要求、高標準，外科醫生有必要加強跨領域的多學科交叉合作[13]。沒有高水平的數據專家把關算法，就無法把最前沿的人工智能理論應用到外科領域；同樣，沒有專業醫生的深度參與，人工智能就完全不可能進入醫院落地應用。北京大學腫瘤醫院季加孚領銜的中國胃腸腫瘤外科聯盟在數據統一收集上做了積極的嘗試[14]。

2 第二階段：通過實驗研發AI的算法

有了前面整合的大數據，外科醫師與數據專家密切合作，就能開發出合適機器學習的模型和算法，設計出能做手術實驗的AI。AI操作機器人手臂在動物身上進行實驗性手術，積累實際操作的經驗數據。STAR（the Smart Tissue Autonomous Robot）成為全球首臺全自動手術機器人，2016年其在無人工協助下完成了小腸端端縫合的動物實驗[15]。估計在不久的將來，AI就會在活體動物身上進行實驗性手術。但動物實驗是將動物的手術區域的解剖輸入給AI，使其能以此進行手術。而在動物身上研發出的操作算法，還需要重新深度學習人體的解剖，才能轉為在人類身上進行手術。AI學習的內容不僅僅包括了形態學，還包括器官、組織的質地和功能等生理生化知識。因為處理術中意外的時候，人類醫生會根據術區器官生理生化功能的重要性，切除，結扎或者壓迫不重要的部位，保留不能隨便損傷的重要的部位。機器學習也必須掌握這些判斷能力。

3 第三階段：AI在手術中實際應用

研發出的AI在實驗實踐--分析總結--再實驗實踐的循環中優化算法，才能最終廣泛應用在實際的外科手術。其發展可能分為以下幾個階段：

3.1 機器人手術1.0

機器人手臂可以通過AI優化，減少醫生的手的抖動，增加手術操作指向的準確性。現在已經廣泛應用于機器人手術中[16]；da Vinci.SP系統，通過將3個仿生手腕工具和攝像臂集于2.5 cm的單孔套管內，實現單孔化手術，并可深入腔體內部達24 cm，不受局限地完成手術[17]，血管外科有微創心血管介入手術機器人，通過人機對話方式在導航系統引導下利用機械手為患者進行精確的血管介入手術[18]。在這些應用過程中，機器人不斷積累操作經驗數據，進一步分析，改進算法的合理性，升級到下一版本。

3.2 機器人手術2.0

機器視覺和算法進步，AI部分參與手術操作的決斷。升級到這個版本，AI可以匯總術中意外處理方案，給出處理建議；依托影像實時分析，輔助主刀醫生找到需要處理的部位，突破人眼受術區模糊干擾的限制；警惕主刀醫生的危險性動作，顯示最優操作建議，風險概率等供參考。目前已經有部分產品進行了嘗試，中國臺灣HTC公司的AI結合增強現實技術（augmented reality，AR），配合示蹤劑，可在屏幕上標示關鍵的解剖結構以及建議的手術步驟，并提示可能存在的手術風險[19],在美國，AI通過閱讀美國外科協會國家手術質量改進計劃的數據來預測手術并發癥，準確性遠遠優于其他單項指標或量化評分[20]；隨著數據進一步增加，醫師和人工智能的磨合能不斷優化，然后進到下一版本。

3.3 機器人手術3.0

機器人可以部分參與最簡單的手術操作。如機器人使用AR等視覺技術進行淺表組織的活檢，判斷操作的范圍和深度，醫生確定無誤后AI自主執行；或者在手術過程中，AI在部分操作步驟給出最優解，主刀醫師確認后AI自主操作這一步驟。在這個階段AI進一步積累實操經驗，獲得更多維度的大數據，不僅視覺數據，還包含了操作過程中，手術器械，耗材與組織的關系等數據，使算法越來越完整，然后升級到下一版本。

3.4 機器人手術4.0

到了這個版本，AI可以進行完整的手術。首先是相對簡單的手術，如淺表腫物切除，簡單的闌尾切除等。操作醫生只需要在屏幕前，一步步的確認AI的操作是否正確，并擁有隨時停止AI操作的權利，轉為全手動操作。隨著算法和數據更加完善，AI能完成的手術就會越來越多，越來越高級。相應的，外科醫生可以從繁重的耗費體力的手術中解脫出來，與AI智能一起，研究改進疾病、創傷的診療方案。

這些版本的迭代升級不是按部就班，而是有所交叉，最終AI進化成可以自主手術。由于在倫理上不能由機器人決定對人類進行任何有創行為，所以其操作方式可能為：在每一個步驟進行前，機器會顯示操作步驟，由有資質的外科醫生確認無誤后，點擊確認鍵，方可進行操作。手術進行中的任何階段，外科醫生都有權隨時中止機器人手術，轉為全手動操作。

4 結語

上帝賦予人類靈巧的雙手和聰慧的頭腦，而外科醫生則是將此兩者完美結合的典范[21]。當然，技術的發展是沒有邊界的，外科學正從基于能力的藝術，逐漸轉變為數據驅動的科學[14]，在外科領域，機器學習有很大的發揮空間，又有著很大的困難，需要機器人公司與醫生通力合作，披荊斬棘，才能有所成就。

但我們要清醒認識到,即使AI再怎么優秀智能，有無數的感應器，優秀的算法來進行手術操作,終究由于其“不食人間煙火”的局限性，沒有倫理判斷能力，不能取代人類進行所有決斷。因此在遙遠的未來，AI不會淘汰外科醫生,而是成為外科醫生的左膀右臂。隨著技術的進步，外科醫生淘汰舊有手術方式，更關注術前術后與患者的溝通，思考診治決策，監督指揮機器人手術，處理術中術后合并的，并發的，突發的狀況?？萍际巧屏嫉模罱K的發展，必然是不斷改善全人類的生活。我們期待那個未來的到來，然后繼續進步?？萍及l展無止境，生活也會是越來越美好。