在机器人胃切除术中对人工智能驱动的解剖识别的评估:一个多中心的回顾性分析
Jumpei Ikeda1, Masashi Takeuchi2, Hirofumi Kawakubo3
1Department of Surgery, Keio University School of Medicine, 35 Shinanomachi, Shinjuku-Ku, Tokyo, 160-8582, Japan.
Surgical endoscopy
|September 26, 2025
概括
人工智能模型在机器人远端胃切除术 (RDG) 期间准确识别关键解剖结构,提高了外科医生的准确性,并可能减少这一复杂程序中的并发症.
科学领域:
- 手术机器人手术机器人手术机器人手术机器人手术机器人
- 医学中的人工智能.
- 手术解剖学的手术解剖学
背景情况:
- 准确识别胰腺,横横大肠和RGEV对于机器人远部胃切除术 (RDG) 中安全的低白细胞淋巴结解剖至关重要.
- 解剖学变异和手术复杂性甚至可以挑战专家外科医生识别这些结构的能力.
- 本研究验证了人工智能模型在RDG期间进行自动解剖识别,并评估了其临床实用性.
研究的目的:
- 验证人工智能模型在RDG过程中对胰腺,横向中大肠和RGEV进行自动解剖识别的性能.
- 评估人工智能模型在辅助外科医生在低白细胞淋巴结解剖过程中的临床实用性.
- 评估AI模型在多个机构中的一致性.
主要方法:
- 从90名在多个大批量中心接受RDG的患者手术视频的分析.
- 评估AI模型的准确性,使用交叉与联盟 (IoU) 对目标解剖结构进行评估.
- 在具有和没有人工智能辅助的地标识别中,外科医生准确度的比较.
主要成果:
- 人工智能模型在各个机构中实现了胰腺 (0.624),横向中大肠 (0.575) 和RGEV (0.618) 的一致IOU值 (0.5-0.7).
- 与无辅助外科医生 (80.6%) 相比,人工智能辅助的外科医生在识别解剖学地标方面表现出明显更高的准确性 (91.7%).
- 人工智能模型提高了低平线淋巴结解剖的精度,特别是在识别横向中大肠边缘方面.
结论:
- 人工智能模型显示出强大的外部有效性,并改善了外科医生在RDG过程中对关键解剖结构的识别.
- 整合这种人工智能工具可能会减少手术并发症并改善患者的治疗结果.
- 人工智能模型在各个机构的一致性能支持其在机器人手术中的临床应用.
