Cedars-Sinai 开发 F2O 系统，用手术视频 AI 分析前列腺癌术式与恢复结果

Cedars-Sinai Health Sciences University 的研究团队开发出一套名为 Frame-to-Outcome（F2O）的人工智能系统，用于分析前列腺癌手术中的外科操作方式，并预测患者术后恢复结果，尤其是性功能恢复的可能性。

这项研究聚焦于机器人辅助前列腺根治术中的“保留神经”步骤。在这一阶段，外科医生需要尽量保留与性功能相关的神经。F2O 通过分析这一过程中的手术视频，自动识别外科医生的具体动作模式，并据此评估患者获得较好恢复结局的可能性。

把手术动作转化为可量化的信号

报道指出，研究人员关注的是一类被称为 “surgical gestures” 的外科手术动作信号，例如器械使用顺序、牵拉神经的速度等。此前研究已经显示，这些动作与患者最终结局之间存在较强关联。

过去，这类分析需要经过受过训练的人工观察者逐段查看手术视频，既耗时又难以规模化。F2O 的价值在于，它可以自动完成这一识别过程，把原本高度依赖专家经验的复盘工作转化为标准化、可量化的数据分析。

AI 不只是预测，更是为了改进术式

研究通讯作者、Cedars-Sinai 泌尿外科教授 Andrew Hung 表示，团队目标并不只是预测谁会恢复得更好，而是想找出哪些手术技术与最佳结果相关，从而帮助外科医生学习、微调并持续改进未来患者的治疗质量。

研究人员认为，如果系统能够持续提供客观反馈，未来它有机会帮助医生更清楚地理解哪些具体操作细节真正影响患者恢复，而不仅仅依赖经验传承。

训练数据来自多中心、多外科医生手术视频

为了训练这套系统，研究团队使用了来自 4 个国际中心、23 名外科医生的 294 台手术视频，并由人工分析者对视频进行标注。之后，团队又在额外 29 台手术中测试 F2O，结果显示其对患者结局的预测与专家人工评审结果高度一致。

这说明该系统不仅能复现专家评审的判断趋势，还能大幅缩短分析手术表现所需的时间。

跨学科合作推动外科 AI 进入质量评估

这项研究由 Cedars-Sinai 泌尿外科、计算生物医学系以及人工智能研究与教育中心（CAIRE）合作完成。Cedars-Sinai 计算生物医学系主任兼 CAIRE 主任 Jason Moore 表示，这项工作展示了当外科医生与计算生物医学专家围绕同一临床目标协作时，能够构建出既技术扎实、又真正对临床有意义的工具。

手术 AI 开始走向训练和反馈场景

从行业角度看，F2O 的意义在于，AI 在外科领域的应用正在从术前规划或术中导航，进一步扩展到术后质量评估、技术反馈和临床结局关联分析。对于前列腺癌这类高度依赖精细术式控制的手术来说，能够把“好手法”转化为机器可识别的模式，可能为外科培训、质量改进和个体化患者沟通带来新的方法。