International Journal of Surgery：人工智能护航食管切除术！实时监测喉返神经过度牵拉，提前预警避免术后麻痹

在食管切除术中，喉返神经麻痹是一种常见且严重的并发症，显著影响患者术后生活质量，其主要原因在于手术过程中对神经的过度牵拉。尤其是在机器人辅助微创食管切除术中，左侧喉返神经在淋巴结清扫阶段容易因器械操作不慎而受到意外牵拉。目前临床上常用的神经完整性监测仪能够在神经受损后通过信号振幅下降来提示损伤，但其本质上属于事后检测，无法在神经发生不可逆损伤前提供预警。因此，开发一种能够在术中实时识别过度牵拉的方法，成为提高手术安全性的关键。近年来，人工智能技术在医学影像识别领域取得了显著进展，尤其在解剖结构分割与识别方面展现出潜力。先前已有研究报道了用于机器人辅助食管切除术中喉返神经识别的AI模型，但尚未有系统能够动态监测手术操作中的机械性牵拉风险。本研究在此背景下，旨在扩展现有AI模型的功能，使其能够实时检测左侧喉返神经的过度牵拉，并在神经损伤发生前向外科医生发出预警，从而为术中决策提供支持。

在研究实施过程中，团队聚焦于淋巴结清扫阶段由达芬奇手术系统钳子对左侧喉返神经造成的腹侧牵拉行为。研究回顾了130例机器人辅助微创食管切除术的手术视频，由两名具有专业认证的外科医师共同审阅所有视频，识别出涉及神经牵拉的场景，并提取从钳子首次接触神经到完全释放期间的所有视频帧。基于视觉指标，两位医师通过共识将每一帧标记为“过度牵拉”或“非过度牵拉”。过度牵拉的定义参考了既往生物力学研究，具体表现为神经在以钳子为支点时弯曲超过一定阈值角度，且神经呈现明显张力；而即使角度超过阈值，若神经处于松弛状态且未见张力，则被归类为非过度牵拉。这一标注过程确保了数据标签的一致性与可重复性。在AI模型开发阶段，研究团队利用已标注的数据集对先前开发的喉返神经识别模型进行了功能扩展。该扩展模型能够输出一个称为“过度牵拉风险值”的实时概率指标，其范围从0%至100%，直接叠加显示于手术视频画面上，以量化当前操作中存在过度牵拉的可能性。模型通过识别神经的弯曲形态、动态变形序列以及器械运动特征，实现对机械性张力的判断。为了评估模型性能，研究选取了未参与训练集的10台手术视频，这些手术由三名不同认证外科医师完成。在评估过程中，排除了因淋巴结转移等需主动牵拉的场景，仅分析意外牵拉事件。模型将过度牵拉风险值达到或超过50%判定为阳性检测，进而计算其识别灵敏度。

研究共从130例手术中识别出582次牵拉事件，从中提取了22,667帧过度牵拉图像和12,117帧非过度牵拉图像用于模型训练。在用于评估的10台手术视频中，共发现45次外科医师无意中施加的神经牵拉场景，平均每例患者4.5次。人工智能系统成功识别了其中38次过度牵拉事件，灵敏度达到84.4%。进一步分析显示，过度牵拉风险值的动态变化与神经所受牵拉强度呈正相关。当牵拉程度较轻时，风险值较低；随着牵拉力度加大，风险值逐步上升，并在神经明显弯曲并伴有张力时接近100%。这一趋势表明，AI系统不仅能进行二分类判断，还能通过连续概率值反映牵拉的严重程度。尤为值得注意的是，在一个代表性病例中，人工智能系统在神经完整性监测仪振幅开始下降之前，就已检测到过度牵拉的发生。神经完整性监测仪通常在神经功能已受损时才会出现信号衰减，而AI系统通过对视频画面的实时分析，提前发出了风险警示，显示出其在预防性干预方面的潜在优势。补充视频资料进一步展示了AI系统在整个牵拉过程中的检测流程，凸显了其相对于传统监测方法的时间领先性。

图：喉返神经过度牵拉的定义

综上，本研究首次证实了基于纯视频数据的人工智能系统能够实时检测手术中神经所受到的机械性过度牵拉。其意义不仅在于技术上的创新，更在于为术中神经保护提供了新的思路与工具。与传统神经完整性监测仪相比，AI系统具备主动预警能力，使外科医生有可能在神经发生不可逆损伤前调整操作，从而降低喉返神经麻痹的发生风险。此外，该系统无需额外植入传感器或硬件设备，仅利用现有手术视频流即可实现功能集成，对手术流程干扰极小，具有较强的临床适用性。

然而，本研究也存在一定局限性。首先，过度牵拉的定义依赖于外科医师的主观视觉判断，尽管参考了生物力学研究，但仍缺乏术中直接测量神经张力的金标准方法。其次，模型的训练与评估基于历史视频数据，尚未在真实手术环境中进行前瞻性验证。尽管在个别案例中表现出早于神经完整性监测仪的检测能力，但其普遍适用性仍需通过更大样本的研究加以确认。未来工作需要开展随机对照试验，比较AI引导下手术与传统神经监测方式在喉返神经麻痹发生率方面的差异，进一步验证其临床效用。综上所述，本研究开发的人工智能系统在机器人辅助微创食管切除术中实现了对喉返神经过度牵拉的实时检测，其预警功能有望成为提升手术安全的重要手段。通过进一步优化与验证，该项技术或将在各类神经精细手术中发挥重要保护作用，推动外科手术向更安全、精准的方向发展。

原始出处：

Furube T, Kawakubo H, Takeuchi M, Ikeda J, Matsuda S, Kitagawa Y. Real-time AI-based detection of excessive traction on the recurrent laryngeal nerve during robot-assisted minimally invasive esophagectomy: a proof-of-concept study. Int J Surg 2025;111:7336-7340.

本文相关学术信息由梅斯医学提供，基于自主研发的人工智能学术机器人完成翻译后邀请临床医师进行再次校对。如有内容上的不准确请留言给我们。