南方医科大学李国新团队：人工智能让胃癌腹腔内转移无处遁形

2025年1月5日，南方医科大学南方医院李国新教授团队在期刊《npj Digital Medicine》上发表了题为“Artificial intelligence assisted real-time recognition of intra-abdominal metastasis during laparoscopic gastric cancer surgery”的研究论文。AiLES的Dice得分为0.76，识别速度为每秒11帧，在不同的转移范围（0.74-0.76）和转移位置（0.63-0.90）下都表现出强劲的性能。此外，AiLES在IAM识别方面的表现与外科医生新手相当，在识别微小和隐蔽病灶方面表现出色。研究结果表明，AiLES的应用可以提高肿瘤分期的准确性，并有助于个体化治疗决策。

https://www.nature.com/articles/s41746-024-01372-6

人工智能与腹腔镜胃癌手术

 01 

计算机视觉（CV）是对数字图像的计算机化分析，旨在自动化人类的视觉能力，通常利用机器学习方法，尤其是深度学习。计算机视觉在微创手术中协助外科医生的潜力已得到证实，例如，手术器械识别、关键解剖结构分割、相位识别、安全区检测和技能评估。然而，这些研究主要集中在腹腔镜胆囊切除术或结直肠手术上，对复杂的GC手术，尤其是LE阶段的研究很少。语义分割作为CV算法的一种，有可能实现IAM病灶的精确像素级分割，从而促进转移灶的实时准确识别。因此，将人工智能算法整合到腹腔镜GC手术中，以协助外科医生识别IAM病灶至关重要。

这项研究的目的是利用语义分割算法开发一种人工智能腹腔镜探查系统（AiLES），用于在腹腔镜胃癌手术中自动识别IAM病灶，以协助术中肿瘤分期和治疗决策。

AiLES与外科医生对IAM的识别比较

 02 

AiLES能够有效检测到微小、孤立和隐蔽的IAM病变，这对外科医生新手来说是很难做到的。此外，团队还比较了AiLES和外科医生在随机抽取的50帧测试集中的识别性能。AiLES对不同转移范围和位置的分割性能，也不逊于外科医生新手。这表明AiLES在识别IAM病灶的形状和边界方面，已初步达到了与外科医生新手相当的水平。

新手外科医生与AiLES的性能指标比较。

总结

 03 

1. AiLES模型的临床应用潜力：AiLES模型的性能与外科医生新手相当，在识别微小和易被忽略的IAM病灶方面优于新手外科医生，能有效提高肿瘤分期的准确性，降低因分期不足而导致的不当治疗决策风险。该模型有望集成到腹腔镜设备中，辅助外科医生进行准确的术中肿瘤分期，避免不必要的胃切除术，并在外科培训中发挥重要作用。

2. 数据集构建与标注方法的重要性：构建高质量的数据集和选择合适的标注方法，对人工智能模型的临床实用性至关重要。这项研究采用了多边形方法标注IAM病灶，并从100个LE视频中构建了一个包含5,111个帧的高质量IAM数据集，为模型的训练和验证提供了坚实的基础。

3. 研究的局限性与未来展望：目前的数据集在IAM病变分布上存在不平衡，且仅来自GC手术，限制了AiLES模型在其他类型腹部肿瘤手术中的推广。未来需要扩充IAM数据集，使各种转移位置的分布更加均衡，并进行多中心和多设备验证，以提高模型的通用性和稳健性，进一步推动人工智能技术在外科手术中的应用。

参考资料：

1.Smyth, E. C., Nilsson, M., Grabsch, H. I., van Grieken, N. C. & Lordick, F. Gastric cancer. Lancet 396, 635–648 (2020).

2.Sung, H. et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J. Clin. 71, 209–249 (2021).