Page 54 - 南京医科大学自然版
P. 54

第46卷第8期
               ·1160 ·                           南 京    医 科 大 学 学         报                        2026年8月


              与安全性仍需严格验证。未来结合仿真平台训练                             杂，非专业人士难以全面理解其决策逻辑，因此如
              与术中微调、跨患者迁移学习与专家协同监督等策                            何构建可解释的AI手术系统，并以通俗而准确的方
              略，有望推动强化学习在AI手术中的广泛应用。                            式向患者进行风险告知，成为影响其接受度的重要
              3.5  5G远程手术的实践探索                                  因素。同时，AI系统在术中对医生操作的限制或引
                  5G 技术推动远程医疗技术的快速发展，高带                         导，也可能引发医疗行为自主性的伦理讨论                     ［52］ 。监
              宽、低延时和高可靠性使远程实时手术从理论走向                            管与伦理方面，AI 手术机器人涉及数据治理、模型
              实践，适用于偏远或灾害地区。结合5G高速通信技                           漂移与安全冗余验证，需建立持续监测与更新备案
              术的达芬奇系统已实现跨地域精准操作，在结直肠                            机制；综合来看，AI 手术机器人代表从“工具增强”
              癌手术中的表现接近本地操作，具备推广潜力。但                            迈向“智能合作者”的范式升级，而传统外科手术机
              该技术仍处探索期，面临数据与控制反馈延迟、网                            器人仍是当前广泛可用的高性能平台，二者在可预
              络稳定性与突发事件应对等挑战。未来需强化通                             期阶段将长期共存并互补。
              信基础设施、手术容错机制与远程医疗团队协作，                                 最后，从临床推广角度看，AI 手术机器人仍受
              同时建立数据安全协议、专用网络接口和本地云                             制于医工融合不足、反馈闭环不健全与监管缺失。
              端双重部署的 AI 辅助模块，并建设两地手术协同                          未来需强化伦理评估、明确责任边界、推动审批标
              培训平台。随技术研究的深入与推进，远程手术                             准化与多部门协作，保障安全可持续转化。以达芬
              有望常态化。                                            奇为例，其在中国获批历经多年验证，国产图迈天
                                                                玑、微创妙手亦面临类似挑战。同时，路径规划、视
              4  临床转化与推广应用难题
                                                                觉识别、出血预测等 AI 功能缺乏统一风险评估标
              4.1  新技术应用与推广现状分析                                 准，制约临床应用与推广。
                  AI 驱动的手术机器人系统从研发走向结直肠                         4.2  临床伦理争议焦点
              癌手术的临床转化过程伴随伦理、监管、协作与经                                 AI 辅助手术机器人在结直肠癌领域的临床应
              济等多重挑战。首先，作为第3类高风险医疗器械，                           用不仅面临复杂伦理与监管挑战。其融合智能算
              AI手术系统在诊疗中的辅助甚至主导角色，牵涉患                           法、自动化操作与人机交互，直接干预患者生命，审
              者生命安全、知情同意及责任归属等敏感议题，若                            批路径与传统医疗器械的差别带来了一系列复杂
              因算法推荐引发误操作，责任主体的认定尚缺乏统                            的问题与争议。在伦理层面，深度学习算法广泛用
              一标准。同时，该系统对患者数据的高度依赖，使                            于术中识别与风险预测，但因可解释性不足，在术
              隐私保护与数据使用边界问题更加突出，对相关信                            中突发并发症处理中更显突出。因此，算法逻辑可
              息的利用必须符合《个人信息保护法》《医疗器械监                           溯、系统行为可控应当是系统基本功能。在监管层
              督管理条例》等法规，方能确保临床应用的安全与                            面，监管部门对该技术的应用与创新要求具备严格
              合规。当前，欧盟MDR 2022/2346已明确提出对“自                     的临床试验与注册资质，但现行评价标准难以覆盖
              适应 AI”算法需设定锁定机制（locked algorithm re⁃              其快速迭代学习、远程升级等特征。同时，数据合
              quirement），要求其在临床使用中保持性能可控、可                      规亦是关键，模型训练依赖大量临床与影像数据，
              追溯，以防止未经验证的模型漂移带来风险。与此                            涉及隐私保护与跨院共享。当前国内尚缺专门法
              同时，相关部门则提出“离线⁃在线双轨”监管要求，                          规，亟需制定涵盖知情同意、去标识化与数据流通
              即临床使用前的算法必须以“离线版”形式通过验                            的规范。整体而言，伦理、监管与数据治理需协同
              证与审批，而后续的持续学习和性能迭代仅能在                             完善，方能推动其安全高效临床转化。
             “在线版”受控环境中开展，确保更新过程的透明性                            4.3  医生⁃工程师协作培训体系
              与可溯源性。这一系列问题提示，该技术未来伦理                                 手术机器人系统融合控制工程、图像处理、信
              与监管框架不仅需解决“谁来负责”的问题，更应聚                           息处理与模型建立、算法优化与临床解剖等多学科
              焦于如何界定AI算法的动态演化边界、如何保障临                           知识，其价值不仅依赖技术成熟，更取决于医生与
              床可解释性与患者人身与隐私安全，以实现工程创                            工程团队的协作。目前合作仍缺乏系统化培训与
              新与合规实践之间的平衡。                                      沟通机制，导致设计与临床应用存在脱节。 结直肠
                  其次，伦理上的关键争议还包括患者自主权与                          癌手术中的盆腔狭窄操作、血管神经识别与实时反
              知情选择的落实。由于 AI 系统的工作机制高度复                          馈若无精确建模，将影响安全性。为此建立“医生+
   49   50   51   52   53   54   55   56   57   58   59