外科手术的数字化转型

近年来，数字技术和人工智能的快速发展已经开始改变许多行业，在医疗健康领域也取得进展。新的数字技术在改善外科病人的护理方面具有巨大的潜力，包括使用机器学习、计算机视觉、可穿戴设备、远程患者监护、虚拟和增强现实等，这必将纳入外科实践并推进外科日常护理工作，并可能改变外科的未来。今年5月份发表在《NPJ Digit Med》上的一篇文章，概述了用于改进外科实践的数字技术，并讨论了这些技术广泛应用可能面临的机遇和挑战。

1、新兴数字技术在外科的应用

基于机器学习的临床决策支持

机器学习模型以传统统计无法做到的方式学习大量临床变量（包括多模态数据）之间复杂、微妙的关系，这一优势可能很快就会被用来更好地预测患者的临床轨迹，并帮助外科医生做出更加个性化的患者管理决策。

人工智能支持的决策支持系统有可能预测手术结果。手术结果预测对于术前的患者护理非常重要，可以决定哪些患者可以从手术干预中受益，也可以在术后预测并发症的风险。机器学习算法可以应用于这两个方面以辅助结果预测。采用此类算法的移动应用程序也已在多个大型学术机构开发和试点。

随着机器学习工具越来越多地应用于外科手术，模型性能持续提升，机器学习未来可能会成为手术中分析、诊断和结果预测的重要增强手段。

计算机视觉和增强现实

计算机视觉（用于视觉数据分析的机器学习算法）具有巨大的潜力，可以影响涉及图像或视频数据的临床护理。计算机视觉领域的快速进步，包括深度神经网络的日益使用，导致了能够准确识别术中视频数据的临床重要方面算法的发展。术中实时计算机视觉分析支持更安全的手术，为外科医生提供增强现实体验，以帮助术中决策。许多现有已发表的计算机视觉模型已证明能够评估手术复杂性、在微创手术期间协助决策、以自动化和可扩展的方式评估外科医生的技术技能、提供术中反馈、评估手术室团队动态，甚至根据术中事件预测术后结果。当与这些技术结合时，虚拟现实可以用作操作技能评估和教育的训练场。虽然将这些工具纳入常规外科手术尚未成为现实，但随着在该领域的研究，潜在的用例肯定会继续增长。

可穿戴设备和远程患者监护

可穿戴设备以及生理信号和患者报告变量的实时收集和传输是另一项有可能改善手术的重要技术。使用可穿戴设备进行远程患者监测，可以在传统的面对面医疗保健系统之外对患者进行评估，如手术伤口、功能状态、疼痛控制和及早检测临床恶化，为改善术后护理提供了巨大的机会。越来越多的证据表明，这种形式的数据采集有可能降低并发症发生率。使用数字健康平台能更好地了解术后患者在家中恢复的细微差别，而不仅仅是术后急诊就诊或诊所就诊期间捕获的临床事件。

远程患者监测还有可能改变术后护理的提供方式。随机对照试验发现，使用智能手机对手术部位感染进行术后监测与亲自随访评估一样有效，这表明使用可穿戴设备进行远程患者伤口监测可能是安全、高效的，并且可以减少医疗服务的利用率。

另一项研究表明，作为一种破坏性较小、更有效的早期预警系统，使用非接触式摄像机监测生命体征可用于跟踪生理恶化的早期迹象，这些新功能可能最终使术后护理的核心从医院转移到家庭。一些大型学术医疗中心已经成功建立了数字技术支持的手术家庭医院项目，使患者能够在自己的家中安全地从手术中恢复。

2、数字技术在外科应用面临的挑战

尽管许多新兴数字技术在外科中的应用前景广阔，但其使用也面临挑战。

一个重要的问题是公平。少数族裔患者往往社会经济地位较低，手术结果也存在差异。以脊柱手术为例，据估计，黑人患者术后并发症的风险高出61%。如果不从公平的角度对数字技术进行批判性评估，这些差异可能会继续存在。要重视在将现有偏差检测工具部署到外科实践之前检测数据集和算法中的不规则性的重要性。

另一个重要问题是信息安全。手术技术精密性和互联设备使用都在不断增长。例如，手术机器人目前在世界各地以越来越快的速度得到广泛使用，并且越来越依赖持续的连接来提供实时见解和支持。与此同时，针对医院的网络攻击数量也在显著增加。手术室中复杂互联技术的快速采用使它们特别容易受到针对性攻击，可能对患者造成伤害。减轻手术室网络安全攻击风险，包括最大限度地减少手术过程中的实时连接而仅保留必要的连接、与供应商合作制定安全措施以及建立停机程序等。

第三个重要的考虑因素是确定如何监管这些技术以确保它们安全有效。人工智能技术的一个独特要素是，当引入新数据时，能够随着时间的推移进行适应。这可能会导致性能发生意想不到的变化，并最终导致与最初批准的工具截然不同。美国食品和药物管理局 (FDA) 于2019年拟议了监管框架，并自此不断完善，以确定如何最好地监管这些工具。在最近的2023年4月，他们提出了一份新的指南草案，建议在整个产品生命周期中使用真实数据进行持续产品监控，并允许随着时间的推移对性能进行小幅调整。

在外科手术中广泛采用这些技术的最重要障碍之一是其临床影响的证据有限。例如，很少有研究表明使用人工智能决策支持工具时护理效果会有所改善。一些重要障碍包括将机器学习模型输出转化为临床上可行的见解，并将其纳入现有工作流程和临床决策过程。此外，这些新技术必须以可重复的方式构建和严格评估，可能有助于解决其中一些问题。

3、未来展望

具有改善外科护理潜力的新数字技术的数量正在迅速增长。GPT-4和DALL-E2等生成式AI模型刚刚开始在医疗健康文献中进行探索，但它们的巨大能力已经引发了人们对探索潜在用例的广泛兴趣。另外，在手术室使用环境传感监视器可能有助于自动化质量控制流程，防止医疗错误，并提高手术团队的整体围手术期态势感知能力。

该领域的研究应侧重于缩小新数字技术与现实临床效益之间的差距。这将涉及建立这些工具的应用科学，用现实世界的证据对其进行评估，并继续探索新的应用程序。卫生系统需要开始投资部署和维护这些工具所需的专业知识和IT基础设施，这些新兴的数字技术对外科手术的增强是迈向更高效和有效的患者护理的必要条件。

打赏