一群医学生造的“术中导航”：胃癌手术AI实时标注病灶与血管，识别率较青年医师高三成

南方医科大学一支医学生团队交出了一份不寻常的答卷：他们自研的胃癌手术病灶与血管AI实时导航系统，可在术中实时标注微小腹腔转移灶、显色区分胃周关键血管。人机分层对照试验显示，系统病灶识别准确率高于普通外科医师平均水平，较青年医师提升约三成。南方+9月7日报道了这一成果，其核心已获权威科技查新确认为国内外首创，并在国内多省三甲医院开展临床观察研究。

痛点：腹腔镜手术的两大暗礁

胃癌是我国高发恶性肿瘤，发病与死亡病例数均居全球首位，多数患者确诊时已是进展期。腹腔镜根治手术是主流治疗方式，但术者长期面临两个难题：

一是微小转移灶的漏检——腹腔内的微小转移病灶肉眼难以分辨，漏掉就意味着术后复发风险；二是胃周血管的误伤——胃周血管分布复杂，一旦误伤易致大出血。

这两个问题本质上都是“视觉极限”问题，恰恰是计算机视觉最擅长补位的环节。

系统拆解：实时标注+显色，两条线并行

这套AI实时导航系统在手术全程做两件事：一边精准标记肉眼难以分辨的微小腹腔转移病灶，并区分单发、多发与广泛转移；一边自动分割、显色标注胃周全部关键动静脉血管，为淋巴结清扫划定清晰的安全操作边界。

效果数据来自人机分层对照试验与多中心临床观察研究——团队组织资深外科主任、中年主治医师、青年新手医师分组对比：系统病灶识别准确率高于普通外科医师平均水平，较青年医师提升约三成；血管识别速度明显快于肉眼判读。搭载系统辅助后，术中病灶诊断准确性与手术整体安全性均获显著提升，已得到国内胃肠外科权威专家的一致认可。

数据底座：国内首个腹腔镜胃癌手术专属数据库

算法背后更值得注意的是数据。腹腔镜胃癌手术此前长期缺少专用训练数据集，团队没有在实验室里跑公开数据，而是长期扎根多家三甲医院手术室，走访基层医疗机构、访谈一线外科医师，把临床真实需求梳理成研发清单，并联动多家省级三甲医院，搭建起国内首个腹腔镜胃癌手术专属动态解剖数据库。

库内影像覆盖不同转移程度、不同发病部位的手术场景，由专业医师完成逐例人工标注。这些标注既用于AI模型训练，也沉淀为手术教学素材——行业长期缺失的训练数据，由此形成了自主可控的积累。

工程选择：轻量化，让AI在小终端上进手术室

算法要真正走进手术室，还要跨过“运行延迟”与“设备部署”两道坎。团队对深度学习模型做了轻量化改造，摆脱对大型服务器的依赖，小型终端即可在手术室搭载运行，硬件部署门槛明显降低。

更务实的是兼容性设计：整套系统兼容国内外主流腹腔镜设备与微创手术机器人，医院无需改造现有设备即可落地。对预算有限的基层医院来说，这个选择直接决定了技术能否下沉。

前瞻：学生团队样本的双重信号

一支医学生团队做出国内外首创的术中导航系统，这件事本身就是信号：外科AI的创新门槛，正从“资源密集型”转向“临床理解密集型”——谁最贴近手术台，谁就最知道该解决什么问题。

对行业的另一层启示在下沉。对基层与年轻医生而言，这项技术意味着缩小不同资历、不同地区医生之间的诊疗差距：当县域医疗机构也能开展高精准度的胃癌微创手术，优质肿瘤诊疗资源才算真正开始流动。当然，从临床观察研究到注册审批、规模应用，这套系统还有很长的路要走——但它的起点，选在了最痛的痛点上。

原文链接：南方+客户端

千方医数集编辑部 出品