深度解析医学证据，lxfs.net为你支撑决策

摘  要

电视辅助胸腔镜手术（video-assisted thoracoscopic surgery，VATS）虽具有创伤小、恢复快等优势，但维持术中视野稳定仍高度依赖持镜助手配合，传统人工持镜易出现画面抖动及主刀与助手协同不佳等问题。借助二维视野的刚性胸腔镜，在复杂狭窄区域中操作，增加了手眼协调负担。胸腔镜持镜技术已由被动式支撑逐步发展至主动式扶镜及机器人辅助胸外科手术（robot-assisted thoracic surgery，RATS）系统，并进一步向人工智能驱动的自动跟踪与智能控制演进。基于此，胸外科多功能智能化辅助臂及主动式扶镜臂等系列装置应运而生，受到越来越多的关注。本文将对智能辅助扶镜臂发展及相关工作进行述评。

正  文

胸外科手术操作复杂，对术者的精细操作与团队配合均提出较高要求。近年来微创理念与技术快速发展，整体上可降低手术创伤并加速术后恢复。然而，在术中往往因缺乏专用、稳定的镜头固定与支撑方式而面临一系列亟待解决的问题。术中常见做法是将镜头临时放置于手术台面或无菌清洁袋中，或依赖人工持续持镜，这增加了使用不便与视野不稳定的风险。在传统胸外科团队协作中，通常需要 1～2名助手承担持镜与调整视野、递送器械、配合牵拉等关键任务。上述工作不仅要求助手准确理解主刀意图，还需要长时间保持高度注意力与相对固定的体位以维持清晰稳定的术野。对于复杂或耗时较长的病例（如胸腔广泛粘连、亚段切除、单孔下肺叶切除等），持续持镜与器械操作往往容易导致明显疲劳。疲劳累积不仅会降低操作稳定性与精度，也可能削弱主刀与助手之间的协同性，进而影响手术质量，增加操作风险与术中混乱的概率。标准的电视胸腔镜手术（video-assisted thoracoscopic surgery，VATS）镜头较为僵硬，活动较为受限[1]，而该技术本身也受限于可视化不佳和仪器不灵活[2]。传统 VATS 的二维视角由于缺乏自然立体深度感和空间定位信息，导致在如前纵隔等复杂狭窄区域的精细操作中增加了手眼协调负担和认知难度，从而给术者和患者带来额外挑战[3]。因此，提升术中持镜稳定性与智能化水平，已成为改善人机协作效率与降低并发症风险的重要方向。

 1 辅助臂系统技术发展

传统模式下，胸腔镜多由助手手持，长时间操作不仅容易出现画面抖动、器械干扰，还会带来明显的体力负担。针对欧洲胸外科医师的调查显示，77.1% 的术者在胸腔镜手术中经历不同程度的肌肉疲劳，且颈、肩、背部不适十分常见。与此同时，在单孔VATS 等更狭窄的操作场景中，传统刚性镜体因视角固定、镜身较长，更容易与术中其他器械发生触碰，且某些状态下助手疲劳感往往更强。因此，围绕镜头稳定性、视野质量和操控自由度进行迭代，已经成为 VATS 器械演进的重要方向[4-5]。目前常见两种迭代思路，其一主要集中在镜头本体和成像系统。目前，3D与4K-3D胸腔镜通过改善空间辨识能力，已在肺叶切除和胸腺切除中显示出强大的能力，表现为手术时间缩短和出血减少。镜头系统本身正从一种被动成像工具逐步转向可主动优化术野的视觉平台，这为后续与辅助臂、智能控制系统的整合奠定了基础[6-8]。其二是扶镜装置。这类系统的核心价值在于将镜头从人工持续持握转为装置稳定支撑，从而降低助手依赖、减轻疲劳并提升视野稳定性。已有胸腔镜领域研究[9]表明，语音控制的AESOP持镜系统能够在胸腔镜食管切除中提供稳定的术野暴露，失血量更少，但总手术时间更长，在围手术期各方面无显著差异。另一项报道[10]则显示，Viky机器人持镜器可减少镜头抖动，改善操作流畅性，可记忆关键位置，并减轻术者的体力负担与不适感。达芬奇机器人拥有稳定摄像平台，可借助附加机械臂完成牵拉和暴露任务，但镜头控制仍然依赖离合切换，并不能做到自动扶镜，这种切换会打断手术流程并增加一定操作负担。总体而言，现有系统已证明稳定持镜、降低助手依赖具有可行性，但如何持续、精准地根据主刀需求动态维持最佳手术视野，仍是尚未解决的关键问题。因此，下一代辅助扶镜装置的价值不应仅理解为降低助手依赖，而应能够适合复杂胸外科场景。在这一点上，研究尝试将稳定持镜与远程运动中心（remote center of motion，RCM）约束下的视野调节及主刀需求协同控制融合至一个平台，开发智能扶镜系统。此外，相较于大型商业化机器人平台，这类装置在复杂度、部署门槛和成本方面可能更具转化优势。在国际上，这种包含了辅助臂的VATS也被称为AVATS（articulated arm-assisted VATS）。AVATS理念是在常规VATS平台配备一只机械臂，其携带30°摄像头，并可由机械、气动及语音控制。这种方法不会影响手术时间和围术期并发症，并且能够在单孔VATS术中更加流畅和快捷[11-13]。最新的胸腔镜单中心回顾性研究[14]显示，在不显著延长手术时间、住院时间、增加出血量及严重不良事件的前提下，机械臂和气动臂可明显降低复杂胸腔镜手术中的术者和助手疲劳。但其不足也较明确，即多依赖手动重定位，难以在复杂解剖暴露和动态术野切换中持续满足主刀对视野调整的实时需求。近年单孔VATS 研究[[15]进一步表明，机器人扶镜在楔形切除中可较稳定地替代人工扶镜，但当手术升级至肺段或肺叶等解剖性切除时，转换率和系统适应性问题仍然突出。因此从技术逻辑看，融合发展是现有体系中的合理升级。

本团队围绕胸腔镜术中持镜稳定性和助手减负的临床需求，已先后开展蛇形辅助臂、气动扶镜臂及主动式扶镜作业臂的研发与应用探索，并形成了从机械支撑到智能控制的连续技术演进[14,16-17]。既往发布的研究[14]提示，辅助持镜装置在不增加围术期风险的前提下，有助于改善复杂胸腔镜手术中的术野稳定性并减轻术者与助手疲劳，但其临床获益仍主要集中于工效学改善和流程优化，在复杂解剖暴露、动态视野切换及智能自主调节方面仍存在不足。在围术期并发症方面，气动臂一定程度缩短手术时间和住院时间，但在出血、严重并发症等方面均无差异。相比而言，气动臂比蛇形臂并发症发生率更低。胸腔镜核心价值在于减少人力依赖，并推动“Assistant-free”或“Unisurgeon”模式的实现[15,18]。主动式扶镜作业臂主要用于夹持蛇形臂和手术器械，一定程度上解决了手术中需要较多助手及助手疲劳的问题。基于此，有必要进一步引入人工智能及相关算法优化，以提升镜头与器械协同控制能力和术野维持能力，从而促使自动扶镜装置对助手的替代。截至目前，本团队[14,16-17]共使用手术辅助机械臂 2 419 例，其中蛇形机械臂 1 565 例，蛇形机械双臂 1 例，气动手臂 853 例，完成肺楔形切除手术1 719 例，肺段/肺叶及其他手术 700 例。在第一代蛇形机械臂上进行迭代，发现气动臂手术时间短于机械臂，且便携性、承载能力和灵活性均得到一定提升。更重要的是，在保证安全的情况下缓解术者疲劳，并不会增加围术期风险。结合目前研究[15-16]，对于同时稳定夹持胸腔镜镜头并协同一把手术器械，以主刀需求为核心持续提供稳定手术视野的集成化装置，公开报道仍较有限。该系统有望为胸腔镜手术提供一种稳定性更高、集成度更强、更加贴近主刀操作逻辑的辅助方案（图1）。

图1　机械辅助臂和气动臂结构与功能

因此，现有VATS相关系统的技术演进大致可归纳为两类：一类以减轻助手疲劳、降低人工持镜依赖和实现“Assistant-free”为目标的临床需求，主要表现为蛇形臂、气动臂、主动式扶镜臂及机器人持镜平台；另一类以自动化和智能化为目标，进一步引入器械识别、视觉伺服和相机自主控制，使机器人拥有自动跟随和调节能力。

 2 传统VATS系统的局限

传统 VATS中术者与助手在视野意图与镜头动作间容易产生不一致，这种偏差会增加团队压力并可能影响操作安全与效率。Naviot 系统通过内镜机械操控和一键式控制，使主刀能够直接控制镜头视野，初步证明了辅助持镜装置在 VATS 中的技术可行性[19]。其主要价值在于提供更稳定的视野，更少的镜头抖动并改善操作流畅性，这也恰恰说明传统人工持镜模式在视野呈现方面存在固有缺陷。从运动学本质看，胸腔镜经穿刺口进入胸腔后需满足远程运动中心（remote center of motion，RCM）约束，镜体姿态调整主要表现为绕入口点转动与沿镜轴平移，因此视野调节自由度先天受限，对精细相机控制提出结构性挑战[20]。研究[21]指出，把RCM简化为固定不动的支点并不符合实际，若缺少对接触力和枢轴运动的约束，穿刺口处容易产生额外受力。对于胸外科而言，这类问题更为突出，腔镜器械和镜头需要长期在狭窄的肋间隙内反复摆动，镜头系统受到镜体自重与套管针口摩擦等外部因素的持续干扰，这会放大微小偏移为画面抖动，并增加镜头或器械在穿刺口处对组织产生的侧向推力和扭矩。由于穿刺口附近是繁杂的肋间神经血管束，过大的压力会增加肋间神经受压或损伤风险，这与术后急慢性疼痛密切相关。一项随机对照试验[22]指出相机运动不稳定与较差的镜头质量会增加微创内镜手术难度并增加初学者学习负担，这对同样依赖刚性镜头导航的VATS具有直接启示意义。

传统手术中通过助手扶镜还存在的典型问题是视差效应，术者和助手观看同一屏幕但从不同视角观察时，助手操作镜头的手部运动与屏幕上呈现的镜头运动之间会产生错觉，这种错觉来源于空间视差，导致对水平线、深度和角度的判断误差[23]。基于上述临床问题，扶镜辅助装置的研发重点逐渐从单纯的机械支撑，转向兼顾稳定性、可调性与人体工学优化的系统设计。回顾性临床研究[14]显示在手术时间较长或更复杂的胸腔镜手术中，机械臂和气动辅助臂可显著降低术者与助手疲劳而不增加围手术期风险。在关于VATS的报道[10]中，电动镜头定位器能够提供稳定视野并减少相机抖动、改善术者舒适度与操作精度，这从侧面验证了传统手持镜在稳定性和工效学上的固有限制。在人体工学方面，一项Meta分析[24]显示，微创手术中术者广泛疼痛发生率约68%，其中背痛约50%、颈痛约48%、肩臂痛约43%，同时约71%报告疲劳，微创手术相较开放手术显著提高多部位疼痛与疲劳发生的风险。一份欧洲胸外科医师学会的调查[25]显示，77.1%术者因胸腔镜手术中维持静态姿势而在某种程度上感到肌肉疲劳。受访者中分别有81.9%、76.3%和83.2%表示他们主要在颈部、肩部和背部感到不同程度的不适。在术中对医师表面肌电监测也表明，双侧头夹肌和竖脊肌的最终平均肌力下降，较初始状态减少，暗示肌肉疲劳加剧。两侧肌群的疲劳显著增加，分别为初始状态的 29%和37%（P=0.021和P=0.007）。双侧竖脊肌的肌肉数也随时间下降。助手术中常因为多任务叠加显著提高了持镜难度。长时间持镜导致的疲劳会降低助手注意力并增加术中不确定性。既往研究[12]显示，在高复杂度单孔 VATS 手术中，如肺叶切除、解剖性肺段切除及合并支气管或血管成形的扩大手术，传统人工持镜对助手的体力和注意力要求较高，其主观用力程度在Borg CR-10 量表中可达 8～10 分，而在应用 AVATS 系统后，该评分可降至 1～2 分，提示辅助持镜装置能够显著减轻助手负担并改善手术人体工学。

 ３ 辅助臂自由度调控

手术中镜头连杆需要绕着位于胸腹体表RCM做空间旋转运动，以避免穿刺口处出现侧向挤压与剪切，从而降低组织负荷，这是微创手术机器人机构与控制设计的基本约束之一，即在无侧向平移前提下，通过绕入口点旋转及沿镜轴方向推进实现操作。RCM约束使手术工具不能在入口点产生平移，只能绕远程中心旋转，因此限制其活动度在4个自由度[26]。当前该领域的关键问题在于开发扶镜臂末端执行器运动控制算法，允许调整RCM位置，以便在术前或术中更好匹配不同切口位置和解剖差异。

以达芬奇等系统为代表的经典做法，常通过双平行四边形等机械RCM机构在结构层面实现远心运动约束，使器械能够围绕固定的切口点自由运动，从而把绕固定RCM旋转和沿器械轴向插入简化为更可控的运动学问题[27-28]。但在真实手术中，胸壁的弹性形变、呼吸起伏、体位变化等都会导致预设的RCM与实际的穿刺口发生相对偏差。为此，近年来大量研究[29]从软件约束层面探讨RCM冗余度的分配策略，即在满足RCM约束的前提下利用机器人冗余自由度完成末端位置任务，并将入口点安全等约束纳入控制优化框架，以提升操控精度与安全性。针对RCM位移问题，已有研究[30-31]提出在通用机械臂上实现可变RCM的运动框架。该方法通过机械或结构设计，使RCM本身的几何位置可以根据手术中切口或身体运动动态调整，而不是把RCM当作固定点。将穿刺口的接触力作为反馈信号，这个力信号可以间接反映RCM偏差和入口点负荷。通过导纳控制或阻抗控制实时调整虚拟RCM位置或枢轴运动参数，从而在协作操作、呼吸扰动及组织形变条件下维持稳定且安全的枢轴运动。相关研究[32-33]表明，基于RCM相互作用力的自适应控制，能够缓解预设RCM与实际穿刺口之间的偏差，并降低入口点潜在损伤风险。与此同时，针对气动臂联合机械臂的组合，已有研究[34]在6自由度气动多关节臂上引入半主动控制关节，该关节通过扭矩控制补偿器械外力。当钳具尖端的外力为0牛顿和3牛顿时，插入口的负荷分别减少了65%和52%。

手术机器人中的自由度指的是机械臂在三维空间中能够独立移动的次数，更高的自由度意味着能够通过更小的切口进行更复杂的手术。大多数外科机器人的自由度为6～7[35]，通常分为外部机械臂动作和内部手腕关节动作。这些自由度的分布通常遵循一定的模式：外部机械臂通常为定位动作（包括插入、俯仰等），提供3～4个自由度，而内部手腕结构则贡献剩余的自由度。目前达芬奇机器人系统实现了7种自由度的配置，具体包括3种：平移自由度、3种旋转自由度、1种抓取自由度[36]。其他一些机器人系统也设计出更灵活的结构，例如拥有8关节的手臂，但在患者体内依旧只能提供7个自由度[37–38]。另外，还存在一些机器人系统能提供例如肩部的2个自由度，肘部的2个自由度和手腕的3个自由度，用于末端的定向驱动[39]。一些手腕上的增强操控使外科医生能够以更高的精度进行复杂的根治性手术及相应的淋巴结清扫[40]。7个自由度的设计能够过滤掉手部的震颤，从而在精细操作中更加稳定[41]（表1）。从机构设计角度看，扶镜辅助装置的自由度并非越多越好，而应服务于RCM约束。现阶段研发重点已由单纯追求高自由度，逐步转向基于入口点安全和操控合理分配的综合优化。

 ４ RCM约束下主动式辅助臂控制逻辑

对主动式扶镜装置来说，技术目标已不仅在于替代人工持镜，而是在满足安全情况下对术者意图的稳定响应和维持。在腔镜手术中，扶镜臂的运动必须严格遵循RCM约束，以确保内窥镜始终围绕患者体表的固定点运动，从而避免额外创伤并提高手术的安全性。而自主控制则可通常归纳为视觉伺服问题[48]。对于胸外科而言，这一约束尤为重要，镜头与器械需长时间在肋间狭窄空间内摆动，若RCM控制不足，不仅会降低画面稳定性，还可能增加入口压力及局部神经血管受压风险。

持镜臂末端固定腔镜并实时回传图像，系统使用深度学习识别网络在图像平面上定位器械尖端，并利用跟踪算法减少遮挡或抖动误差。然而，单目图像缺乏绝对深度信息，仅依赖视觉输入往往难以准确判断腔镜末端的三维位置，因此相关系统通常还需融合其他传感器信息或机械臂运动学参数提高定位可靠性[49]。在此基础上，视觉伺服被广泛用于将图像中的目标偏差转化为镜头运动的指令，实现一种动态跟随[50]。不过，在胸外科场景下，自动跟随并不是唯一目标，入口点安全同样重要。因此，现有研究多将RCM约束作为优先控制条件，先保证腔镜运动不对穿刺口造成额外负荷，再进一步完成对器械尖端或目标区域的连续、平滑跟随[51-53]。为降低镜头逼近组织表面（血管、脏器包膜等）时的风险，在控制策略中引入阻抗控制框架，并构造基于虚拟夹具的排斥型力场。在手术视野中，对敏感解剖结构（如血管和器官表面）预定义禁止区域，并基于此生成排斥型虚拟力场约束。以限制腔镜末端或器械在空间中进入危险区域。在实际控制过程中，该虚拟力场与期望视野位置一同用于构造误差信号，使控制器在保证跟随性的前提下同时增强接触风险的抑制。最终，系统将高优先级任务与低优先级的自主跟随任务以及其他附加约束（如关节限位）融合，输出关节速度或力矩指令，形成面向真实手术干扰与感知不确定性的自主持镜闭环控制策略[54-57]（图2）。

图2　主动式扶镜作业臂

a：术中配合主动式扶镜臂用于钳取操作；b：术中配合主动式扶镜臂进行切割闭合操作；c：扶镜臂运动模式图。

 ５ 智能扶镜系统与自动化视觉控制

胸外科手术已从传统开放手术发展到高度依赖先进影像和机器人辅助的微创手术。VATS和机器人辅助胸外科手术（robot-assisted thoracic surgery，RATS）的产生缩短了手术和术后康复时间，同时也保证对肿瘤的疗效。然而，当前胸外科机器人系统仍需外科医生大量手动控制，尤其是在狭窄胸腔内的摄像机定位和器械导航。将人工智能整合进手术机器人已成为解决这些局限的可行方案，特别是能够预测外科医生动作的智能跟踪系统，以及无需手动调整即可保持最佳可视化的自动摄像头控制系统。该领域的早期研究集中在计算机视觉算法、用于手术工作流程识别的机器学习模型以及能够协同工作以创造更自主手术辅助的触觉反馈系统。目前，多种人工智能增强机器人平台已在胸外科领域尝试应用，其集成程度和临床的成熟度各异。达芬奇手术系统虽然最初并非原生人工智能，但现在已在下一代模型中集成了自动解剖注释和震颤过滤等人工智能功能[58–59]。Auris Health 开发的 MONARCH 平台升级版本 MONARCH QUEST 将人工智能辅助导航与术中三维锥形束CT 影像数据整合，以增强肺结节定位和靶向活检的空间准确性[60]。

5.1　辅助臂智能追踪

智能追踪代表了胸外科人工智能集成的快速发展领域，机器学习算法实时工作以提升手术的精准性和自动化。现有研究[18]表明，机器人持镜系统在减少镜头运动、提升视野稳定性和降低助手依赖方面具有优势，但对复杂胸腔手术整体临床获益证据仍有限。人工智能算法协助控制机械臂，确保手术中的高精度，提供实时反馈并调整机器人动作，以提升复杂胸腔手术中的手术精度[58]。这些系统集成机器学习、实时成像和机器人精度，提升手术灵活性和可视化，从而减少并发症并加快患者康复[61]。

RATS已成为胸外科微创手术的重要技术发展方向，其优势主要在于高清的三维视觉、稳定的摄像平台以及具备多自由度手腕运动能力的器械系统。相较于传统胸腔镜操作，机器人辅助手术通常能够提供更稳定的手术视野以及更符合人体工学的操作环境。已有研究[62-64]显示，机器人辅助操作在术者姿势和局部肌肉疲劳方面优于传统腔镜操作，但其临床获益仍需结合具体术式进一步评估。在视觉感知层面，当前研究正逐步将基础视觉模型与视频目标跟踪算法引入术中场景，通过对手术器械及关键解剖结构进行实时分割，动态更新ROI的位置与边界，为自动化镜头控制和增强现实导航提供稳定输入。近年研究[65]发现，轻量化任何分段模型（segment anything model，SAM）结合点跟踪后，可在手术中实现具有时间连续性的实时分割。但直接将SAM应用于医学图像分割上存在性能限制，目前的研究多在优化或扩展模型以适应相关情况。在运动控制层面，自动化摄像头控制通常以视觉伺服为核心。这种控制方法将术野跟随、镜头深度调节及RCM等约束统一纳入控制框架，以保证机械臂在响应医生操作意图的同时，维持切口处运动安全性和关键视野稳定性。针对持镜机器人，已有多目标优化视觉伺服方法能够在追踪器械的同时，兼顾镜头深度与旋转调节，更贴近真实手术对稳定和灵活的双重要求[66]。

在单人单孔胸腔镜场景下，早期临床研究[18]提示借助机器人镜头支架可支持单主刀完成胸腔镜手术的可行性，并在特定条件下形成替代人工持镜。最新的研究[17]中单术者单孔楔形切除常被用作一个相对可行的应用场景，但随着解剖学切除复杂度增加，中转开胸的风险也会随之上升。未来，该类技术的演进方向将不再局限于提升持镜装置的机械稳定性，而是进一步发展为基于术者意图的智能跟随控制。对胸外科智能扶镜而言，术中器械识别与目标跟踪已具备较强的转化潜力，而遮挡条件下的持续跟踪能力以及安全性仍然是大规模部署前需要主要克服的内容。

5.2　人工智能驱动的视觉系统

人工智能控制系统利用计算机视觉和机器学习，在视频辅助手术中提供自主摄像头导航，使外科医生能够专注于手术本身[67]。目前，计算机视觉已成为手术中人工智能驱动的关键创新部分，处理术中影像和视频数据，支持实时手术导航和技术技能评估[68]（表2）。当前，计算机视觉在术中的主要任务包括对术中图像和视频进行实时分析，完成器械识别、连续跟踪、解剖结构分割等，从而为术中导航和风险提示提供数据基础。机器人手术中人工智能驱动的图像分析已经可用于识别血管、支气管和肿瘤等关键解剖结构。基于视频和器械运动数据也可用于评估手术技巧和流程规范，为教学训练提供客观依据[69]。基于大模型，还可预见大失血或手术时间延长等不良结果，提升术中意识[70]。机器学习还可以分析器械运动轨迹和手术视频，用于自动技术评估和效率分析[71]。而增强现实与融合导航的价值在于，将术前CT和三维重建结果叠加到术中的实时画面。这样一来，术者不再只靠二维屏幕中的实时图像，而是同时拥有完整的三维影像。在复杂肺门解剖和复杂亚肺段切除术中都非常依赖空间定位，此种方式能够帮助术者更准确地界定切除范围，缩短手术时间[72–73]，甚至预测算法可以根据实时生命体征和既往手术案例提醒医生并发症风险，并加以主动干预[74]。从被动决策转向提前监测能提升手术的精确度，改善团队协调能力。然而，现有机器人手术系统仍主要依赖外科医生的主导控制，尚未实现完全自主化。未来的发展趋势将从单纯的机械辅助转向智能化人机协同，并进一步融合增强现实、机器学习和术中决策支持等技术。

 ６ 未来先进技术迭代

在传统达芬奇机器人手术过程中，主刀医生需要踩踏离合，才能对镜头进行调节以完成视野重定位。这一操作链条相对繁琐，容易在需要频繁调整视野的步骤中分散主刀注意力。语音触发的自主摄像头控制系统已显示出与人工持镜相近的主观可用性[75]。基于此，下一步应开发基于主刀操作器械识别的手术机器人扶镜自动跟踪系统。核心程序将实时识别主刀器械的类别与动作轨迹，调用对应场景的控制策略，结合视觉伺服和意图分析自动完成视野跟随、中心保持和景深优化[76]。然而，相关技术的广泛应用仍面临若干关键障碍，包括数据质量、模型泛化能力、多中心验证不足等问题[68]。未来研究需要聚焦于跨学科合作的人工智能系统开发，以确保自动扶镜系统在胸外科实践中安全有效的应用[77–78]。

另外，扶镜装置不应简单理解为对助手的替代，而更应聚焦于对信息获取与操作协同能力的整体增强[79]。这一体系应沿围手术期全流程展开。术前阶段，基于机器学习的风险预测模型可用于患者并发症及死亡风险分层。患者特异性影像重建与数字孪生技术，正逐步用于手术场景模拟、器械选择及关键步骤演练。术中阶段，人工智能的核心价值则体现在增强导航与实时动态解析，可为智能持镜系统提供稳定的目标感知和决策输入，从而促进镜头视野的自动调节与优化。以Caresyntax 等智能分析平台为代表的相关技术，能注释切割闭合、吸引等关键操作，用于手术流程分析和各项评估。预测模型MySurgeryRisk能够利用机器学习，比临床医生更准确地评估并发症和死亡风险，为术中决策提供参考[80]。这些手术智能平台的发展也说明，人工智能正逐步从单图像识别走向多模态数据融合的分析与评估。个性化手术和数字孪生是目前新兴的领域，术前影像和患者特异性模型可用于重建手术场景，帮助医生选择合适器械并对关键步骤进行演练。数字孪生技术给予患者影像、生理和临床数据构建一个动态的模型，为整个围术期提供更个性化决策支持[81]。不管如何，目前对于手术过程中，绝大多数商业化平台仍处于由医生完全主刀，机器人缺乏决策自主性的阶段，因此未来应向人机协同逐步过渡[82]。人工智能驱动的辅助臂追踪和摄像头控制系统可能促使机器人助手的出现，协助完成如缝合、跟踪视频导航等简单任务。

 ７ 总结与展望

腔镜手术往往要求术者在狭小空间内长时间维持非中立体位操作，这会叠加生理与认知负荷并诱发疲劳，从而影响手术操作稳定性与决策质量[83]。尽管腔镜技术让患者创伤更小、康复更快，但长柄器械、活动自由度受限和非生理操作姿势也会增加术者的肌肉骨骼负担，这也被Reyes等[84]归结为“微创手术相关的术者职业损伤综合征”［minimal access surgery（MAS） -related surgeon morbidity syndromes］。手术机器人通过改善视野与操控姿态在一定程度上可缓解部分疲劳，但当前的研究也指出其存在如触觉缺失、机械臂碰撞等问题，高昂的系统购置与维护成本仍是限制其大规模普及的重要障碍。因此，面向降低助手负担和保持稳定视野的需求，结构更轻量的独立扶镜装置仍具有明确价值。在此背景下，采用结构更简化、部署更灵活的蛇形或可塑性持镜辅助臂，有望在切口建立后快速固定并实现大范围平滑调整，在成本可控的前提下降低助手持续持镜导致的疲劳并提升术野稳定性。辅助臂的未来迭代并不局限于结构轻量化、关节设计优化与操控方式改进，而将逐步与场景理解、器械与关键解剖结构识别、视觉伺服及流程感知等与人工智能的深度融合，使其由单纯的稳定持镜装置，发展为具备目标跟随、视野自适应调整与术中协同辅助能力的协同平台。从长远来看，人工智能有望通过术中图像理解、流程感知、决策支持和智能控制进一步推动胸外科手术进步，但其广泛应用仍依赖于多中心验证和标准化评测框架。未来研究应聚焦于胸外科辅助臂与数字孪生、联邦学习及可解释人工智能的深度融合，推动其在术中场景理解、目标跟踪、视觉伺服控制和人机协同决策中的应用，从而提升系统的可解释性及临床转化价值。

利益冲突：无。

作者贡献：朱稷蔚、马洪海负责文献查阅与初稿撰写；周春琳、沈桐、俞豪杰提供研究背景和设备支持；何哲浩、汪路明、胡坚制定论文框架；汪路明、胡坚负责文章审阅。

参考文献略。

阅读全文

小提示：本篇资讯仅在梅斯医学APP中开放阅读，请扫描二维码直接下载APP