为了解手术场景的人工智能:系统审查和报告质量的元分析
Matthias Carstens1,2, Shubha Vasisht3, Zheyuan Zhang1
1Weldon School of Biomedical Engineering, Purdue University, West Lafayette, IN, USA.
NPJ digital medicine
|December 17, 2025
概括
手术场景理解 (SSU) 研究显示,由于数据集狭窄和验证薄弱,临床整合有限. 推进SSU需要多样化的数据和临床相关的开发,用于现实世界的外科应用.
科学领域:
- 人工智能在医学中的应用
- 手术技术 手术技术
- 医疗信息学 医疗信息学
背景情况:
- 手术场景理解 (SSU) 利用人工智能解释手术视频.
- 基础研究表明,在仪器和解剖学识别方面有前途.
- 在微创手术中SSU的临床采用仍然很低.
研究的目的:
- 系统地审查和分析目前在微创腹部外科的SSU研究.
- 评估数据策划,模型设计,验证,报告标准和临床相关性.
- 确定临床整合的障碍,并建议未来的研究方向.
主要方法:
- 188个SSU研究的系统审查和元分析 (PROSPERO:CRD420251005301).
- 专注于微创腹部手术领域的研究.
- 数据来源的分析,模型验证技术和临床翻译工作.
主要成果:
- 大多数研究使用了小型的单中心数据集 (70.7%),主要是腹腔镜胆囊切除术 (59.0%).
- 验证通常很弱,对外部数据集 (10.1%) 或临床专家的使用有限.
- 很少有研究专注于临床翻译 (5.9%) 或共享代码 (29.8%).
结论:
- 在过去的十年中,SSU临床整合的重大进展是有限的.
- 需要多样化,多机构的数据集来提高SSU的通用性.
- 强大的验证和临床驱动的开发对于实现SSU在外科实践中的潜力至关重要.
