肺部手術是一種精密且危險的救治方法，現有成像技術盡管有望實現肺部 3D 重建，但由于時間限制和驗證不足，臨床采用仍有阻礙。

為推廣精密建模在手術中的應用，北大人民醫院、同濟大學附屬醫院等牽頭了一項評估，在往期案例的回顧性研究里探討了如何進行AI驅動的肺血管和支氣管 3D 重建系統設計。

全新的系統將解剖變異識別的準確性提高了 8% ，誤差減少了 41%，并榮獲 99% 的用戶滿意度。該系統以「Artificial intelligence driven 3D reconstruction for enhanced lung surgery planning」為題，于 2025 年 5 月 1 日刊登于《Nature Communications》。

論文鏈接：https://www.nature.com/articles/s41467-025-59200-8

項目前述

癌癥是人類健康的一大勁敵，肺癌是癌癥相關死亡的首要原因。據統計，每年全球手術需求超過一百萬例，而隨著發病率不斷增加，胸外科醫生日益短缺，如何提供創新的解決方法成為了重中之重。

2D 計算機斷層掃描（CT）仍然是肺手術術前規劃的主要工具，但二維成像的限制阻礙了對復雜結構的直觀可視化，對于某些細小區域，解破變異更加復雜，提高了手術難度。

3D 重建提供了更好的空間理解，但礙于手動分割圖像的耗時較長，其在手術中利用率仍低于 25%。AI 算法集成帶來了高效且準確的模型，更好的性能與方法提供更優的選擇。

先前的試點研究顯示，使用 AI 驅動的 3D 重建，外科醫生在識別解剖變異方面的準確率為 85%。但也有報道稱有無 AI 驅動的 3D 重建在手術時間上無顯著差異。

為解決 3D 重建對術前規劃的影響問題，回顧性研究被提出，展示了 AI 驅動的 3D 重建系統（稱為 AI-3D 系統）在提高術前規劃中解剖結構識別和手術操作選擇的準確性方面的有效性。

研究簡述

從 2021 年 7 月到 2022 年 1 月，共有來自三個獨立醫療機構的 450 名患者入選研究，并從中隨機挑選了140例。十位來自三個醫療中心的胸外科醫生作為閱片人參與了研究，從事臨床實踐的年數從 6 年到 19 年不等。

圖 1：多閱片人多病例（MRMC）研究的示意圖。（圖源：論文）

在主要分析中，AI-3D 輔助在解剖變異識別方面表現出比未使用時更高的中位準確率，約為0.87（無 AI-3D 時為 0.78）。這一改進對應于識別錯誤減少了 41%。10 名閱片者的分析、5 張肺葉成像圖與 90% 的解剖結構中觀察到一致的改進。

這些結果表明，AI-3D 輔助顯著增強了外科醫生在術前規劃中準確識別解剖變異的能力。

圖 2：解剖變異識別分析。（圖源：論文）

在識別解剖變異時可能出現識別錯誤，原因有二：變異識別錯誤和缺失值，其中后者由于操作不當而偶有發生。為解決此類問題導致的分析偏差，研究重新評估了 AI-3D 輔助對解剖變異識別的影響。

在排除這些情況后，AI 的有益效果仍然明顯（AI vs Ctrl: 0.86 vs 0.79），這表明準確性的提高相當穩定，而不是程序錯誤生成的偽像。

通過 AI-3D 輔助，操作程序選擇的準確性從 0.77 提高到 0.85，這一改進令錯誤率減少了 35%。在 AI-3D 輔助下，葉切除與段切除的選擇比較中準確性提高了 0.04%。在葉切除中，AI-3D 輔助更多的是提供修正而不是帶來誤導。

圖 3：操作程序選擇分析。（圖源：論文）

全面的誤差分析顯示，AI-3D 輔助提高了操作程序選擇的準確率，特別是在某些誤差類型方面（錯誤切除率降低 73%、不足切除率降低 51%、過度切除率降低 2%）。這些發現凸顯了 AI 在操作程序選擇中的作用：有效定位目標病灶，并最大幅度減少誤判導致的不足切除風險。

AI-3D 輔助將手術規劃的中位時間消耗減少了 63 秒，代表了 25% 的耗時降低。這些病例在 AI-3D 輔助下顯示出更大的改進，表明 AI 系統特別有利于更具挑戰性的場景。

評估的結論

就模型獨立性能而言，使用者對 AI-3D 系統的總體滿意度為 99%。不滿意的主要原因有肺部病變遮掩了結構、對遠端分支不滿意等。

但在這項研究中， AI-3D 輔助在提高解剖變異識別和手術程序選擇方面，對醫療機構仍是具有顯著積極影響。結果表明，輔助后的準確性提高平均約為 10%，令錯誤率減少了 36%~ 52%。

因此，AI-3D 系統實現的錯誤減少不僅具有統計學意義，而且具有臨床意義。

使用 AI-3D 的指征應從患者和外科醫生的角度考慮，它尤其適用于某些亞人群，譬如具有低頻解剖變異的患者、通常需要更長時間規劃的病例或外科醫生信心較低的狀態下出現誤判的情況。