AI模擬手術的現(xiàn)狀、挑戰(zhàn)和前景

7/7AI模擬手術的現(xiàn)狀、挑戰(zhàn)和前景人工智能（AI）推動了手術模擬器的發(fā)展，正日益成為豐富外科醫(yī)生培訓經(jīng)驗的流行工具，在提高手術模擬的質量方面發(fā)揮著不可或缺的作用?，F(xiàn)代人工智能技術的應用不僅可以支持模擬器為用戶提供個性化的反饋，同時也可以實現(xiàn)病人解剖結構的自動可視化，提供沉浸式手術體驗。MedRobot經(jīng)常報道手術模擬的設備，這些技術也被用于手術機器人培訓。今日結合一篇由來自英國諾維奇諾?？撕椭Z維奇大學等機構的作者發(fā)表在FrontiersinMedicalTechnology期刊上的綜述，回顧性地描述了人工智能技術輔助手術模擬技術的現(xiàn)狀、挑戰(zhàn)和前景。1、人工智能在手術模擬評估中的應用人工智能可以通過評估性能并向用戶提供個性化反饋來改進手術訓練模擬器。例如，蒙特利爾麥吉爾大學的一個神經(jīng)外科團隊開發(fā)了一種機器學習（ML）算法，在執(zhí)行基于VR的半椎體切除術或腦腫瘤切除任務時，對參與者的技能水平進行分類。近期該團隊還開發(fā)了一種虛擬手術助手（VOA），其實質是一個開源的基于AI的軟件，除了確定手術技能水平外，還提供與專家精確性能基準有關的個性化反饋。然而，像任何形式的新興技術一樣，人工智能驅動的績效評估和反饋生成仍然不完善，存在許多限制因素。一項系統(tǒng)綜述探討了幾種不同的機器學習技術來評估手術表現(xiàn)的能力，指出此類評估軟件的高準確性是很有希望的，同時劃定了這項技術的幾個主要挑戰(zhàn)和限制：因為現(xiàn)實生活中的手術環(huán)境非常復雜，模擬臺式任務的手術技能評估可能無法與受訓者在手術室中的表現(xiàn)準確相關。此外，人工智能算法需要根據(jù)有效的評估標準來評估學員的表現(xiàn)，而且機器學習算法通常都需要大量的手術數(shù)據(jù)來進行訓練，完善模型。這些潛在挑戰(zhàn)的主要解決方案包括：制定一個由權威外科醫(yī)生領導的共識聲明，概述由機器算法評估的手術技術的核心要素，并通過跨機構的開源計劃來促進手術數(shù)據(jù)的交換，豐富算法訓練數(shù)據(jù)。有趣的是，在對FDA/CE清單審查時，并未發(fā)現(xiàn)任何經(jīng)批準的AI支持的軟件?？梢韵胂蟮氖牵祟愜浖赡芤言谑袌錾箱N售，但由于它們不直接與患者互動，因此尚未通過監(jiān)管程序進行評估。2、人工智能在手術可視化中的應用三維可視化已經(jīng)成為所有外科專業(yè)的外科模擬主要發(fā)展，從神經(jīng)外科、骨科到頜面外科、塑料和普通外科。這種對3D術前計劃的普遍需求及其自1980年代以來的穩(wěn)步發(fā)展證明了在減少手術時間、失血量、住院時間和提高患者生存率方面的具有巨大優(yōu)勢。通過對FDA/CE清單的審查確定了11種支持AI的可視化設備，需要注意的是，這份清單不包括沒有明顯AI應用的可視化技術。從二維圖像創(chuàng)建三維模擬的卷積神經(jīng)網(wǎng)絡（CNN）算法已成為了最廣泛接受的技術。人工智能在促進先進的可視化模式，如3D打印、虛擬現(xiàn)實（VR）模擬和擴展現(xiàn)實（XR）環(huán)境方面起著至關重要的作用。3D打印模擬器已被證明有助于術前規(guī)劃、改善手術結果并縮短手術時間。人工智能消除了實施3D打印的最大障礙——對3D打印過程和基于計算機的設計的專業(yè)知識的需求。人工智能算法可以有效地處理預制模型、通過切片器轉換、檢測和糾正任何錯誤以及打印所需的大量數(shù)據(jù)。此外，采用實時適應的AI驅動制造為3D打印復制體內組織的挑戰(zhàn)提供了解決方案。AI技術對于支持VR環(huán)境和自動化工作流程至關重要。DICOMtoPrint(D2P)和MEDIPPRO等軟件可生成即時3D打印和VR渲染選項。AI有效地用于VR環(huán)境的分割和解剖注釋，更重要的是，可以處理促進用戶交互所需的用戶輸入。此外，人工智能需要支持XR環(huán)境——最實用的形式和手術模擬的圣杯。結合計算機視覺技術，基于深度學習的對象檢測可實現(xiàn)動態(tài)圖像識別，這種復雜反饋處理彌合了3D全息投影中虛擬世界與現(xiàn)實世界之間的不匹配。3、人工智能手術模擬的技術局限性當前用于手術模擬的AI框架存在一些技術局限。首先，前述提到的虛擬手術助手VOA強調了使用線性機器算法的缺點：由于高正面評分指標過度補償其他負面評分指標，存在錯誤分類的情況。此外，近期AI臨床模型在測量諸如“儀器處理”等行為的主觀組合時表現(xiàn)出困難。如下圖所示，分割和解剖標記是AI手術模擬中的主要應用，然而這些算法的通用性仍然是一個挑戰(zhàn)。盡管分割已在小型臨床研究中證明了其有效性，但其準確性尚未達到完美。有研究報告稱，他們的算法無法識別某些結構，例如復雜的脈管系統(tǒng)或某些類型的腫瘤，且準確性可能在很大程度上取決于不同成像方式的保真度。此外，為了將AI算法訓練到絕對精確并具有普遍性，需要專家構建全面的數(shù)據(jù)集，這些數(shù)據(jù)集需要大量注釋和解剖結構分割。然而這種手動注釋的過程繁瑣且資源密集。因此，這種方法很難轉化為臨床實踐。可視化領域的其他技術挑戰(zhàn)歸因于技術設備的內在限制，例如由于感官輸入和VR之間的延遲，通常會出現(xiàn)VR病。為了減少這種延遲，CNN模型被用來通過預渲染后續(xù)場景和預測未來幀來改進注視跟蹤，不過很少有人提出基于人工智能的解決方案來克服這些挑戰(zhàn)。4、經(jīng)濟成本負擔目前，在醫(yī)療保健領域使用基于人工智能的模擬技術需要耗費較大的經(jīng)濟成本。傳統(tǒng)的外科培訓和術前計劃主要依靠較為廉價的方式，如近距離教學和小組討論?；谌斯ぶ悄艿哪M器價格很少公開披露，F(xiàn)DA/CE數(shù)據(jù)庫中涉及到的公司都未提供其產品的公開價格信息，而且質量、能力和使用范圍的不同也會導致價格的差異。據(jù)估計，配備一個模擬實驗室的價格可以從十萬美元到幾百萬美元不等，特別是AI算法還需要定期更新以確保最佳性能和可靠性。因此，了解人工智能驅動的外科模擬器的臨床效益是極為重要的。有趣的是，大多數(shù)已發(fā)表的研究還沒有報告外科模擬器與外科教育領域的傳統(tǒng)方法相比的明顯優(yōu)越性。例如，Madan等人報告說，用一個無生命的盒子代替虛擬現(xiàn)實訓練器并不會降低腹腔鏡技能的獲得率和水平。不過在用于術前計劃的手術可視化方面，有一些仍較有限的證據(jù)表明人工智能驅動的模擬器與傳統(tǒng)手術技術相比具有優(yōu)勢。另外，重要的是探索是否可以在降低AI驅動的手術模擬器的成本的同時，保持它們在患者護理中提供的價值。隨著市場競爭的加劇和該技術的廣泛采用，可以做出模擬器的價格將保持在合理范圍內的合理預期。5、市場監(jiān)管挑戰(zhàn)目前，所有已批準的基于人工智能的醫(yī)療設備和算法的清晰概述并不存在。FDA是少有的策劃這些設備的包容性數(shù)據(jù)庫的組織。此外其他多個監(jiān)管機構，如英國藥品和保健品管理局（MHRA），正在制定監(jiān)管指南，以確保人工智能驅動的設備和軟件的安全性和有效性方面取得進展。這些努力是具有價值的，但國際管理機構提出一個準則也是至關重要的，如國際醫(yī)療器械監(jiān)管機構論壇（IMDRF）。雖然反饋軟件不直接與病人互動，但培訓的質量會間接影響到病人護理。強調監(jiān)管批準的重要性有幾個原因：現(xiàn)有產品經(jīng)常被