術中實時“血管導航”AI模型問世

近日，南方醫科大學珠江醫院教授楊劍團隊聯合中國科學院深圳先進技術研究院研究員錢銀玲團隊、香港科技大學（廣州）教授朱磊團隊，自主研發出外科人工智能模型Vivim，首次將動態手術視頻解析算法應用于腹腔鏡肝切除手術，可在術中實時識別并勾畫關鍵血管邊界，實現類似“術中實時導航”的功能。相關成果發表于《npj數字醫學》（npj Digital Medicine）。

腹腔鏡肝切除屬于高難度外科手術，術中一旦損傷血管，極易引發迅猛出血，風險極高。精準識別肝臟內兩類關鍵脈管結構——Glissonean蒂（包含門靜脈、肝動脈和膽管的復合管道）與肝靜脈——是手術安全的核心，但其走向、管徑和分支形態個體差異顯著，加之腹腔鏡視野受限、缺乏觸覺反饋，傳統手法難以避免誤判。

相關研究示意圖。研究團隊供圖

既往AI輔助血管識別多采用逐幀圖像分割模型，此類模型缺少時序關聯能力，易出現邊界模糊甚至目標丟失。針對這一瓶頸，團隊基于Mamba狀態空間架構開發了視頻分割模型Vivim，引入雙向時序掃描與選擇性狀態更新機制，在保持線性計算復雜度的同時高效建模長序列視頻幀，賦予模型“動態記憶”；同時嵌入基于Sobel算子的邊界感知模塊，增強對細小血管邊緣的捕捉能力，使識別更準、更清。

研究收集國內四家肝臟外科中心的手術視頻，完成15865幀影像的精細標注，并利用內部訓練集和獨立外部測試集系統驗證模型性能。結果顯示，Vivim在單目標和多目標解剖識別中的Dice系數分別達0.71和0.66，推理速度達25幀/秒，完全滿足術中實時導航的運算需求，整體性能優于U-Net、DeepLab v3+、nnU-Net等主流單幀及視頻分割模型。經13名外科醫生臨床驗證，Vivim可顯著提升術中解剖結構的識別速度和準確率，有效輔助臨床決策。該模型通過全自動實時識別關鍵結構，為瞬息萬變的手術場景提供動態“路標”，有望為術前-術中跨時空配準這一難題提供新路徑。

團隊表示，未來該技術有望演進為“全景感知”智能手術平臺，不僅精準識別血管和手術器械，還能實時預警出血風險及危險操作區域，成為外科醫生的“AI領航員”和可信賴的智能協作伙伴，助力更精準、安全的復雜手術實施。

相關論文信息：https://doi.org/10.1038/s41746-026-02989-5