胃癌手术切除难度大、血管变异多，如何确保切除干净的同时最大程度降低并发症？外科手术是胃癌患者争取根治性疗效的核心方式，尽管以腹腔镜和达芬奇机器人为代表的微创外科具有创伤小、出血少、恢复快的优势，但胃周解剖结构高度个体化，血管走行错综复杂，淋巴引流广泛，稍有不慎便可能引起大出血、胰瘘或术后吻合口漏。近年来，人工智能（AI）计算机视觉技术逐步进入微创外科手术室，扮演起“智能导航仪”与“数字副手”的角色，从术中解剖识别、转移灶捕捉到并发症早期预警，全方位提升了胃癌根治术的安全边界。
术中器械精准追踪：AI如何辅助医生减少操作失误？
微创手术中，外科医生需要隔着屏幕操控精密器械，往往面临深度感知受限、操作视野狭窄以及手眼协调难度高的技术挑战。AI目标检测技术能够对手术器械的位置、姿态以及器械尖端运动轨迹进行毫秒级的实时监测与分类定位。例如，改进型双分类检测头算法（DBH-YOLO）在腹腔镜胃癌手术器械定位中的平均精度均值（mAP）已高达95.6%。
除了防止误碰重要脏器，器械追踪还能客观量化术者的操作熟练度。临床研究表明，专家级外科医生的超声刀移动路径更短、动作波动更有规律，而新手则往往路径冗余。通过对手术器械运动学数据的深度分析，AI能够辅助手术教学与质量控制，让患者的主刀团队更加熟练、操作更平稳。
手术流程阶段化解析：多中心算法如何评估手术复杂度？
标准胃切除术通常涉及多个精细步骤（如不同区域的淋巴结清扫、十二指肠离断、消化道重建等）。AI模型能够自动识别手术正在进行的阶段，并依据关键阶段的用时自动评估手术复杂度，进而前瞻性预测术中出血及并发症风险。
| 算法模型 | 手术类型 | 划分阶段数 | 识别准确率/评估效能 | 临床价值 |
|---|---|---|---|---|
| TeCNO | 机器人远端胃切除术 | 10个阶段 | 准确率 87.0%（并发症预测AUC 85.9%） | 实时评估手术复杂度，预测术中大出血及术后风险 |
| EfficientnetB7 | 腹腔镜远端胃切除术 | 9个阶段 | 准确率 88.8% | 通过术野相似度评分（AICS）客观评估术者操作质量 |
| Xception | 腹腔镜远端胃切除术 | 5个阶段 | 准确率 95.2% | 高精度掌握主要手术大步走向与耗时监测 |
| VTR-Net | 涵盖全胃/近端/远端等多种术式 | 8个阶段 | 准确率 90.2% | 具备良好的跨术式通用性，适应复杂临床场景 |
AI技术识别胃癌微创手术阶段的代表性研究概况
解剖结构像素级分割：如何降低胃周大出血与术后胰瘘风险？
胃癌D2根治性手术的核心在于淋巴结的彻底清扫，而这要求术者在胰腺表面、腹腔干及胃周重要血管鞘外完整游离组织。AI语义分割技术为医生戴上了一副“透视眼镜”：
- 胃周复杂血管识别：AI可在术中分割腹腔干、胃左/右动静脉、脾动静脉及门静脉等关键血管，在静态图像中动静脉分割Dice系数可达96.2%和88.9%，有效防范血管解剖变异带来的意外破损出血。
- 胰腺轮廓与实质识别：胰腺质地脆弱，且其表面脂肪组织极易与胰腺实质混淆。一旦误伤胰腺，术后极易发生致命性胰瘘。AI通过高精度的语义分割（如HyperSeg、HRNet及Eureka手术辅助系统），高亮提示胰腺边界，为清扫胰腺上区淋巴结划出“安全警戒线”。
- 疏松结缔组织（无血层面）追踪：胚胎学解剖层面（解剖学上的“神圣平面”）是无血管微创分离的最佳路径。AI通过算法标记血管鞘外的疏松结缔组织层，指导术者沿天然间隙游离，既切得彻底，又避免损伤正常组织。
腹腔微小种植转移灶筛查：AI能否揪出肉眼易漏掉的病灶？
腹腔种植转移是导致晚期胃癌复发与预后不良的关键因素。临床数据显示，约14%的进展期胃癌患者在初次确诊时已存在腹腔隐匿性转移。传统术中腹腔镜探查完全依赖医生的肉眼辨别，极小的腹膜微结节或肠系膜深部转移灶极易被漏诊，从而导致肿瘤分期被低估、后续治疗方案制定偏差。
多模态AI探查系统（如AiLES系统）能够在术中以每秒11帧的速度实时扫描腹膜、大网膜、肠系膜及肝脏表面，不仅能精准识别单发、微小种植灶，鉴别良恶性病变的曲线下面积（AUC）甚至可达0.88，超过了部分资深外科专家的肉眼判断水平，为患者争取到更科学、个体化的后续化疗与靶向免疫联合方案。
不良事件智能预警与除雾：从术中失血到吻合口漏防范
在保障手术安全的细节把控上，AI技术同样展现出强大的临床应用价值：
- 术中失血量动态估算：传统称重法存在严重滞后性。基于深度学习算法对术中纱布图像和褶皱特征进行解析，失血量评估的平均绝对百分比误差仅为7.3%，为术中补液与输血决策提供实时支持。
- 术后吻合口漏风险前瞻性预测：吻合口漏是胃切除术后最为严峻的并发症之一。基于ResNet18等深度学习模型，通过分析十二指肠残端及食管空肠吻合口的即时血供与张力图像，预测吻合口漏的敏感度达80%以上，促使主刀医生在术中即刻进行加固或减张干预。
- 术野智能实时去雾：针对超声刀、电刀产生的浓密手术烟雾，自监督视频去雾模型（如SelfSVD）在不损失血管走向和组织边缘细节的前提下实现视野高清还原，保证了手术视野的绝对清晰与操作连贯。
临床落地面临哪些现实挑战？
尽管算法性能斐然，但目前AI技术在胃癌微创手术的普及仍处于从科研走向临床的过渡期：
- 数据标注门槛高：手术视频涉及复杂的动态解剖，极度依赖资深专家的精细化人工标注，跨中心的高质量多维度数据集依然匮乏。
- 术中复杂场景干扰：真实的术中环境存在反光、镜头污染、器械互挡及突发出血，要求AI算法兼具极强的鲁棒性与超低延迟的边缘计算能力。
- 医疗决策的可解释性：深度学习模型的“黑箱效应”需要转化为清晰的置信度评分与危险警示，始终坚持“医生为主导、AI为辅助”的原则。
写在最后
胃癌的综合诊治是一场与时间的赛跑，也是现代医学与前沿科技的深度融合。从微创手术台上的AI实时导航，到术后基于精准基因突变靶向药物、新型免疫检查点抑制剂的系统治疗，患者的生存期和生活质量正在被全面改写。
如果您或您的家人正在面临胃癌的确诊、手术方案抉择或术后系统抗肿瘤治疗的用药难题，获取前沿权威的临床方案与正规购药渠道至关重要。MedFind作为专注于抗癌信息共享与互助的平台，不仅为您提供全球权威诊疗指南的AI智能解读，打破医疗信息壁垒，更提供安全合规的全球前沿抗癌药品跨境直邮服务与海外辅助问诊支持。愿每一次前沿医学的突破，都能化作患者战胜疾病的坚定力量。
【参考文献】
[1] Sundar R, Nakayama I, Markar S R, et al. Gastric cancer[J]. Lancet, 2025, 405(10494): 2087-2102.
[2] Japanese Gastric Cancer Association. Japanese gastric cancer treatment guidelines 2021 (6th edition)[J]. Gastric Cancer, 2023, 26(1): 1-25.
[3] Huang C M, Liu H, Hu Y F, et al. Laparoscopic vs open distal gastrectomy for locally advanced gastric cancer: five-year outcomes from the CLASS-01 randomized clinical trial[J]. JAMA Surg, 2022, 157(1): 9-17.
[4] Chen H, Gou L F, Fang Z W, et al. Artificial intelligence assisted real-time recognition of intra-abdominal metastasis during laparoscopic gastric cancer surgery[J]. NPJ Digit Med, 2025, 8(1): 9.
[5] Wu R L, Zhang Z L, Zhang S H, et al. Self-supervised video desmoking for laparoscopic surgery[C]//ECCV 2024. Cham: Springer Nature Switzerland, 2025: 307-324.
[6] Chen G J, Xie Y Q, Yang B, et al. Artificial intelligence model for perigastric blood vessel recognition during laparoscopic radical gastrectomy with D2 lymphadenectomy in locally advanced gastric cancer[J]. BJS Open, 2024, 9(1): zrae158.
[7] Park K B, Lee H, Kim S, et al. Predicting anastomosis or stump leakage after laparoscopic gastrectomy: a deep learning approach to intraoperative image analysis[J]. J Gastric Cancer, 2025, 25(4): 528-540.
