点击本文中加粗蓝色字体即可一键直达新药情报库免费查阅文章里提到的药物、机构、靶点、适应症的最新研发进展。
腹腔镜探查在诊断晚期胃癌腹腔内转移中发挥着至关重要的作用。然而，由于外科医生对微小和隐蔽病灶的视觉误读，可能导致在腹腔镜探查中遗漏关键病灶，从而对患者的治疗和预后造成不利影响。为了解决这一问题，研究团队研发了人工智能辅助的腹腔镜探查系统（AiLES），旨在精确识别不同区域和程度的腹腔内转移病灶。
在2025年1月5日，南方医科大学南方医院的李国新教授带领的研究团队，在《npj Digital Medicine》期刊上发表了关于“人工智能实时识别腹腔镜胃癌手术中腹腔内转移情况”的研究论文。研究表明，AiLES在转移识别中具有强大的性能，其Dice得分为0.76，处理速度为每秒11帧。在不同范围的转移（0.74-0.76）及不同位置的识别（0.63-0.90）中表现出色。值得一提的是，AiLES在检测微小和隐蔽病灶方面的能力与外科医生新手相当。这一成果显示，AiLES的应用有望提升肿瘤分期的准确性，并为个体化治疗的决策提供支持。
人工智能在腹腔镜胃癌手术中的应用潜力
计算机视觉（CV）技术通过深度学习等方法分析数字图像，自动化地模拟人类视觉能力。其在微创手术中的应用潜力已经被广泛研究，如手术器械识别、关键解剖结构分割等。然而，针对复杂的胃癌手术，尤其是腹腔镜探查阶段的研究仍属稀缺。语义分割作为一种CV算法，能够实现对转移病灶的精确定位，促进实时病灶识别。因此，把人工智能技术融合到胃癌手术中，对识别腹腔内转移病灶是非常必要的。
AiLES与外科医生在IAM识别中的对比
AiLES能够检测微小、独立且隐蔽的IAM病变，这些通常是外科医生特别是新手易忽视的。研究中，团队对AiLES和外科医生在50帧随机测试集中表现进行了比较，结果显示AiLES的分割能力在不同的转移范围和位置上并不逊色于外科医生新手，特别是在病灶的形状和边界识别上。
总结
AiLES模型展现了显著的潜在临床应用价值。它在检测微小且容易被忽略的腹腔内转移病灶方面表现优异，并在手术中有效提升肿瘤分期的准确度，降低错误治疗决策的风险。此模型有望成为外科医生的助手，用于术中精确的肿瘤分期，并在外科教学中提供助力。
此外，研究中构建了一个包含5,111个帧的高质量腹腔内转移数据集，对模型的训练与验证起到了至关重要的作用。然而，当前数据集中病变分布不平衡的问题，以及模型在其他腹部肿瘤手术中的适用性仍需改善。未来的研究应致力于平衡数据集中的病变分布，并通过多中心和多设备的验证提升模型的通用性。
免责声明：新药情报内容编辑团队专注于介绍全球生物医药健康研究的最新进展，本文旨在提供信息交流，不代表任何立场或治疗方案推荐。如需专业医疗建议，请咨询正规医疗机构。
