人工智能时代机器人外科诊疗进展及展望 - 心血管外科杂志(电子版)杂志社投稿

一、稿件要求： 1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。要求稿件论点中立，论述详实，能够对读者的购买起到指导作用。文章体裁不限，字数不限。 2、稿件建议采用纯文本格式(*.txt)。如果是文本文件，请注明插图位置。插图应清晰可辨，可保存为*.jpg、*.gif格式。如使用word等编辑的文本，建议不要将图片直接嵌在word文件中，而将插图另存，并注明插图位置。 3、如果用电子邮件投稿，最好压缩后发送。 4、请使用中文的标点符号。例如句号为。而不是.。 5、来稿请注明作者署名(真实姓名、笔名)、详细地址、邮编、联系电话、E-mail地址等，以便联系。 6、我们保留对稿件的增删权。 7、我们对有一稿多投、剽窃或抄袭行为者，将保留追究由此引起的法律、经济责任的权利。二、投稿方式： 1、请使用电子邮件方式投递稿件。 2、编译的稿件，请注明出处并附带原文。 3、请按稿件内容投递到相关编辑信箱三、稿件著作权： 1、投稿人保证其向我方所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我方所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我方所投之作品不得同时向第三方投送，即不允许一稿多投。若投稿人有违反该款约定的行为，则我方有权不向投稿人支付报酬。但我方在收到投稿人所投作品10日内未作出采用通知的除外。 5、投稿人授予我方享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、投稿人委托我方声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

人工智能时代机器人外科诊疗进展及展望

作者:

关键词:

摘要：

黄沙，何哲浩，王志田，汪路明，张翀，吕望，胡坚

浙江大学医学院附属第一医院胸外科(杭州 )

通信作者:胡坚，Email:

关键词: 人工智能;机器人手术;胸外科;智能化手术流程

引用本文:黄沙, 何哲浩, 王志田, 汪路明, 张翀, 吕望, 胡坚. 人工智能时代机器人外科诊疗进展及展望. 中国胸心血管外科临床杂志, 2019, 26(3): 197-202. doi: 10.7507/1007-4848.

全文

近年来，随着各种智能设备与技术不断融入人们日常生活，例如手机智能助理、语音文字识别、生物识别、自动驾驶技术、扫地机器人等。我们对人工智能(artificial intelligence，AI)这个名词愈发熟悉。人工智能技术正进行着全方位的渗透，当然医疗领域也不例外。

AI 是用于模拟和扩展人类智能的理论方法、技术手段及应用系统的一门学科[1]。其利用机器学习技术，使用通用的学习策略，可以从数据中发现规律或联系，因此能够根据新数据自动调整，而无需重设程序算法。AI 中有三大分支同医疗关系最密切，分别是专家系统、人工神经网络和数据深度挖掘。当今时代 AI 在医疗的布局涵盖院前管理、院内诊疗、院后康复和药物研发，涉及的方面从慢病管理到医学影像、辅助决策和诊疗的方方面面。目前 AI 在医疗最成功的商用代表是由 IBM 与纪念斯隆-凯特林癌症中心(Memorial Sloan-Kettering Cancer Center，MSK)联合开发而成的 Watson 系统。它采集了近 1 500 万页医学资料，综合运用 MSK 享誉全球的癌症专业知识与 IBM Watson 的分析速度为患者提供个性化癌症治疗方案，加上其具备机器学习功能，能够持续学习肿瘤学研究成果。

现今，AI 技术开始在胸外科领域进行了探索，并且在胸外科相关影像与病理判读方面取得一定突破，未来 AI 也将在代表胸外科手术最高智能化的手术机器人上持续发力，本文将对 AI 与机器人外科的结合作一讨论。

1 人工智能在胸外科的应用现状

计算机断层扫描(computed tomography，CT)是胸外科医生检测肺结节最常见且最基本的技术，是肺癌筛查和诊断的主要临床手段。现阶段的筛查是由人工阅片完成的，但随着筛查人数的快速增长，高分辨率 CT 的图像数增加至上百张，人工处理图像的方法越来越难胜任此项任务，因此 AI 辅助医生显得必要且高效。得益于卷积神经网络(convolutional neural network，CNN)的兴起，机器学习的技术在影像识别领域取得了显著的进步，CNN 的学习过程模拟了动物视觉皮层组织，一个成功训练的 CNN 模型可以在预处理信息的过程中构建层次信息[2]。目前已有报道，针对局部征象的 CNN 模型快速成功地识别出胸部 X 线片中的各类病灶，包括:结节、间质影、胸膜牵拉、气胸、实体占位、心脏肥大等[3]。另有一些深度学习模型对肺癌筛查的计算机辅助检测(computer-aided detection，CAD)系统进行了评估，在肺结节分类及恶性风险预测方面显示出相当大的可行性[4-5]。肺结节 CAD 技术通过各类分析算法实现了胸部 CT 图像中肺实质的分割、肺结节的分割与检测以及肺结节良恶性判断等[6]。Ciompi 等[7]提出一种基于 CNN 的肺结节自动分类法，其性能强大可媲美临床专家，另外王媛媛等[8]的研究表明 CNN 对于 CT/PET-CT 多模态图像识别有良好的效果，能实现较高的肺部肿瘤识别率。虽然 CNN 能更加准确快速地识别肺结节，但目前仅有少数方法通过结合 AI 深度学习与 CT 影像来识别肺结节。

病理阅片与 CT 影像在胸外科虽属不同范畴的诊断手段，但有异曲同工之处:两者均依赖视觉图像;两者均面临繁重的工作量。AI 在合适的阶段介入了病理诊断领域并有替代人工诊断的势头。Koller 和他的同事基于机器学习技术开发了一套病理切片的肿瘤识别工具，称为 C-Path[9]。其能够在细胞上皮与基质中分辨细胞核与细胞质的毗邻关系，确定胞核的大小与定位。C-Path 经过不断的训练，可以实现肿瘤识别，甚至利用病理结果、基因背景以及临床特征，多维度预测患者预后[10]。AI 病理识别模型已经在乳腺癌与胃癌领域大放异彩[11]，相信不久的将来就能有辅助诊断肺癌、食管癌或胸腺瘤的 AI 出现。

上述 AI 的技术应用更偏向于辅助诊断，但对于胸外科医生来说，手术是核心，且常使用例如达芬奇机器人这类全球顶尖外科机器人技术来完成胸外科手术。据美国直觉公司的统计，2017年胸外科达芬奇机器人手术量已占全美胸外科手术的12%，高精尖科技与胸外科结合已大势所趋，那么同为高端技术代表的 AI 在机器人手术中已有何种应用?并将会碰撞出何种火花呢?

文章来源：《心血管外科杂志(电子版)》网址: http://www.xxgwkzz.cn/zonghexinwen/2020/0724/401.html