开颅硬膜外血肿清除术 神经外科麻醉一镜到底 手术室随堂讲课 麻醉研究生规培生怎么样适时管理神经外科麻醉 和看明白手术步骤
从静态导航到动态感知：脑外科手术的AI临界点
38.9%——这是全球AI医疗核心市场未来数年的预期复合年增长率。当这个抽象数字落在手术室里，它变成了一块实时跳动的屏幕：内镜画面中，颜色标记正沿着看不见的血管壁延展，外科医生的器械在安全区边缘精准推进。2026年8月27日，英国伦敦大学学院医院NHS基金会信托下属的国家神经病学和神经外科医院正式公布，全球首例AI实时辅助脑外科手术已于今年5月完成。这场手术切除了患者脑垂体附近直径约11毫米的肿瘤，患者目前已完全康复，视力显著改善。
接受手术的患者里斯·希伯特今年48岁，来自英国贝德福德郡。大约一年半前，他在一次步行途中突然晕倒并诱发癫痫，随后确诊脑垂体附近长有良性肿瘤。肿瘤紧邻颈内动脉和视神经，持续压迫已导致他出现周边视力缺损和行走障碍。医生告知，若不干预将最终导致完全失明。手术采用经鼻内镜入路，器械从鼻腔进入颅底，在骨骼与膜层包裹的狭小空间内操作。这里的关键难题在于：每位患者的血管神经解剖位置存在个体差异，术中组织移位和出血会进一步改变视野。
据临床数据，传统经鼻内镜垂体瘤手术的肿瘤无法完全切除概率约为25%至50%，颈内动脉损伤的整体风险约为5%，损伤主要血管的风险约0.5%至2%。AI实时辅助系统正是在这一背景下进入术间。它显示在手术台旁的第二块屏幕上，同步追踪手术器械位置，解读内镜传回的活体画面，通过颜色编码标记重要血管和神经最可能存在的位置，并识别相对安全的肿瘤切除区域。与术前影像导航不同，这套系统在手术进行的同时完成分析和标注，能够应对术中动态变化。
参与手术的神经外科医生哈尼·马库斯教授表示，这套AI系统“看过”的手术病例数量，已超过大多数外科医生整个职业生涯能接触到的病例数。系统研发历时数年，由英国国家健康与护理研究所和谷歌共同资助。研究人员使用数百例垂体瘤手术录像训练算法，由专科医生手动勾勒关键血管和神经的轮廓，让AI逐步学习识别那些在手术中可能无法直接看到的解剖结构。医疗团队强调，AI系统不独立做出任何手术决策，外科医生始终对整个过程负全部责任，AI的定位是辅助参考而非替代判断。
从产业视角观察，这次手术的突破点不在于“AI能看医学影像”，而在于“AI能在手术进行中理解动态画面并给出实时建议”。据Grand View Research 2026年6月发布的《全球AI医疗市场报告》，2025年全球AI医疗核心市场规模约为367亿美元，同比增长约38%，预计2026年增至507亿美元，到2033年有望攀升至5056亿美元。从技术路径看，机器学习类应用占比最高，约35%，其次为自然语言处理与计算机视觉。从终端用户看，制药与生物技术企业需求最旺盛，占比约30%。
中国市场的增速更为突出。据中商产业研究院数据，2025年中国AI医学影像市场规模已突破150亿元人民币，同比增长101.1%，远超全球医学影像AI同期约30%的平均增速。机构预测2026年该市场规模将进一步增长至235.7亿元。但需要厘清的是，目前AI在手术中的主流应用仍集中在术前规划——通过分析CT、MRI影像帮助医生制定方案、模拟路径——以及术中导航，即结合实时影像与术前模型提供空间定位。英国这例手术的不同之处在于，AI实时理解手术画面、动态识别隐藏结构并给出安全区域建议，实现了从“静态导航”到“动态感知”的跨越。
这一跨越的商业化前景与手术机器人赛道紧密关联。当前直觉外科的达芬奇系统占据全球腔镜手术机器人主要份额，但其影像处理仍以三维高清视觉为主，尚未将实时AI组织识别作为标配功能。美敦力、强生等企业布局的下一代手术平台均在探索将术中AI分析模块嵌入工作流。英国这例手术验证了技术路线的可行性，但它来自学术医疗中心与公共资助机构，而非某家设备巨头的产品发布。这意味着从单中心临床验证到可复制、可审批、可收费的产品，仍隔着相当距离。
研究团队的长远目标是开发一款类似外科医生版“ChatGPT”的AI助手，让医疗团队在复杂手术中可以随时征询额外建议，同时保留拒绝其推荐的完全自主权。这一定位涉及一个尚未解决的监管命题：当AI系统在术中以毫秒级速度输出解剖判断，责任链条如何划分？医疗团队明确表示外科医生承担全部责任，但这套说辞在更大规模临床试验中能否被监管机构接受，仍有待验证。欧盟医疗器械法规对AI医疗软件的分类路径正在收紧，美国FDA虽已批准数百个AI辅助诊断算法，但对术中实时决策支持类产品的审批标准尚未完全定型。
数据质量是另一重约束。这套系统基于数百例垂体瘤手术录像训练，样本规模在医学AI领域属于中等偏小。垂体瘤手术的解剖路径相对固定，扩展到脑血管搭桥、颅底肿瘤切除等更复杂的术式时，训练数据的获取成本和标注难度将大幅上升。此外，不同医院的内镜设备、成像参数、手术习惯存在差异，算法的泛化能力需要在多中心数据上检验。研究团队目前正在筹备更大规模临床试验，据公开信息，其重点将是验证系统在非训练数据环境下的安全性和有效性。
对医疗机构而言，这类系统的部署成本同样值得计算。实时AI分析需要额外的算力支撑，手术室需要第二块专用屏幕，术者需要在高度紧张的操作中分出一部分注意力关注AI标注。如果AI提示与术者判断发生冲突，处理机制如何设计？这些问题并不削弱此次手术的突破意义，但它们决定了这项技术能否从新闻事件转化为常规配置。
脑外科手术的容错空间极小。正是在这一场景中，AI从“事后复盘”走向“术中同传”的价值被最清晰地呈现出来。48岁的希伯特在术后恢复了视力，回到他的午餐散步路线。而这项技术走向更多手术台的路径，将取决于监管框架的适配速度、多中心临床数据的厚度，以及医疗机构为动态感知能力支付的意愿。首例手术证明了可能性的边界已经移动，接下来的问题是，产业体系能否跟上这个移动的速度。
本文由AI辅助生成
