腹腔镜肝切除是外科领域的高难度手术，一旦术中损伤血管，出血往往又急又猛，风险极高。如何让手术更安全、更精准？珠江医院杨剑教授团队联合多家医疗中心及研究机构，在数字医学顶级期刊《npj Digital Medicine》发表重要研究成果。团队自主研发的外科人工智能模型——Vivim ，首次将动态手术场景解析算法应用于腹腔镜肝切除手术，能在腹腔镜手术中实时识别、勾画出关键血管的边界，相当于给医生配上了“术中实时导航”。这也是团队继在《British Journal of Surgery》发表肝切除AI解剖识别成果后，在数智化微创外科领域的又一标志性突破。

为什么腹腔镜肝切除术中精准“识别血管”这么难？肝脏里最重要的两类脉管结构，一个是Glissonean蒂（包裹门静脉、肝动脉、胆管的复合管道），另一个是肝静脉。它们在人体内的走向、粗细、分支形态差异极大，再加上腹腔镜手术视野受限、缺乏触觉反馈，稍有偏差就可能引发难以控制的损伤出血。

既往有研究团队尝试用AI做血管识别，但用的多是逐帧处理的图像分割模型，这一帧认得清清楚楚，下一帧边界就可能突然模糊，甚至出现目标认丢的情况。这类模型天生“没有记忆”，看不到视频前后帧之间的连续性，只能孤立地判断每一张静态画面。针对这一瓶颈，珠江医院数智化微创外科研究团队基于Mamba状态空间架构的视频分割模型Vivim进行创新性的探索。该模型引入双向时序扫描机制与选择性状态更新，在保持线性计算复杂度的同时，实现了对长序列视频帧的高效建模（拥有“动态记忆”），实现了“看得更准”。除此之外，Vivim还加入了一个基于Sobel算子的“边界感知”模块，专门盯着血管的边缘细节，使得血管边界“看得更清”，尤其是对那些容易被忽略的细小血管。

研究纳入国内四家肝脏外科中心的手术视频，完成15865帧手术影像的精细化标注，基于该数据集完成AI模型训练，并通过内部训练队列与独立外部队列系统验证模型性能。研究结果显示，Vivim 模型性能全面优于U-Net、DeepLab v3+、nnU-Net等现有主流单帧图像模型及视频分割模型；单目标与多目标解剖识别Dice系数分别达0.71与 0.66，同时实现25帧/秒的实时推理速度，完全适配临床术中实时导航的运算要求。此外，经13名外科医生临床验证，Vivim模型可显著提升术中解剖结构的识别速度与准确率，有效辅助术中临床决策。值得关注的是，Vivim 模型通过全自动、实时识别关键解剖结构，为瞬息万变的手术实景提供了精准的“动态路标”，这有望为术前－术中跨时空配准的难题提供新的破局路径。

未来，基于该技术有望迭代演进出一套可“全景感知”的智能手术平台——从精准识别血管、器械，到实时预警出血风险、危险操作区域，既可充当术中“AI领航员”，更将成为外科医生可信赖的智能协作伙伴，辅助医生更加精准、安全地完成复杂手术。