肝癌是我国患病率和病死率均较高的恶性肿瘤，5年生存率<15%，严重威胁人民生命和健康^{［1, 2］}；而能够接受根治性手术切除的患者5年生存率为50%~60%^{［3, 4］}。腹腔镜或机器人微创肝切除术由于其创伤小、恢复快等优势，且肿瘤学效果与开腹手术相当，已逐渐成为被广泛接受的肝癌手术方式^{［5, 6］}。由于肝脏解剖结构复杂且变异多见，加之腔镜手术视野有限且触觉反馈不足，导致术中出血风险大、根治性动态切面精准把控难，严重影响了微创肝癌切除的安全性和彻底性。因此，术前规划的精确制订和术中动态切面的精准把控是彻底、安全实施肝癌微创手术的关键和重大临床需求^［7］。

近年来，随着医工交叉学科的兴起，尤其是AI技术的快速发展，数字智能化诊疗技术随之涌现，为肝癌外科上述挑战带来了解决方案。数字智能化诊疗技术涵盖了一系列前沿应用，如三维可视化、3D打印、手术导航以及计算机视觉（computer vision，CV）辅助外科技术等。这些技术以数字化和智能化高新技术与现代医学的深度融合为基础，涵盖多个学科和领域的知识，利用计算机反复学习和分析诊疗过程中产生的大数据，快速提取关键信息，对患者的健康状态和疾病情况形成认知结论，并用于智能化诊断、术前规划、手术导航和疗效评估^{［8, 9］}。笔者总结团队在肝癌数字智能化微创外科的实践经验以及国内外最新进展，对该技术进行阐述。

肝癌手术具有高度的特殊性和复杂性，术前需要充分了解患者个体化的肝脏解剖，以确保手术的安全性和合理性。然而，传统影像学技术，如CT和MRI检查等，其二维成像的局限性常难以满足精细解剖区域的多维度识别需求。外科医师通常依赖个人主观经验，根据二维图像在脑海中构建肝脏三维模型^［10］。这种方法不仅困难，且容易导致术者与团队成员之间的信息差异，从而影响手术决策，并可能增加术后并发症的风险。

三维可视化技术的引入为肝癌外科手术的术前规划带来革命性变化^{［11, 12］}。通过三维可视化技术，外科医师能够在术前进行更精确的手术规划，这为最佳手术方式和入路的选择提供了更客观的解剖学依据。此外，借助虚拟手术过程，外科医师能够提前识别潜在的困难和风险，从而优化手术决策，有效降低术后并发症发生率^［13］。由笔者团队牵头开展的一项多中心临床研究纳入5家医疗中心的3 402例肝癌患者，首次系统评估术前三维可视化技术对于肝癌手术疗效的影响^［14］。研究结果显示：三维可视化规划不仅能够显著缩短手术时间，在降低术后肝衰竭发生率和改善患者远期无复发生存期方面也具有优势。

肝内血管的高变异率是肝胆外科手术中的一大挑战^［15］。通过三维可视化技术生成的立体解剖模型，外科医师能够更容易识别并分析肝内血管的解剖变异类型，为制订个体化的诊疗方案提供有力支持。利用三维可视化技术重建770例成人肝动脉，研究人员详细分析肝动脉的起源与走行，并提出一种新的分类命名系统——CRL系统，为肝脏手术规划提供了重要的肝动脉变异形态学依据^［16］。此外，Ichida等^［17］和Kobayashi等^［18］分别对右前区门静脉及其三级分支模式进行系统的三维可视化分析，为右前区肝癌的精准肝切除提供重要解剖学依据。这些研究大多集中于肝脏流入血供分析。Lin等^［19］率先对肝静脉流域进行定量可视化探索，并提出一种新的肝静脉引流区域可视化分型，该方法有助于避免肝切除术后肝淤血以及肝移植后供肝衰竭的发生。

肝癌手术前除获取血管信息，准确了解胆道解剖及其变异同样至关重要，这对于避免胆漏和胆管损伤等并发症具有关键作用^［20］。传统的CT检查图像常无法完整呈现非扩张的胆道结构，其成像结果难以通过常规可视化软件进行精确分割和重建。笔者团队开发一种基于nnU-Net架构的深度学习语义分割算法，该算法经过训练后能够自动且准确地对3D-MRCP原始数据进行分割与重建，生成包括3~4级分支在内的扩张和非扩张胆道树的三维模型，为胆道解剖的精确重建提供了强大的技术支持^［21］。相较于传统的3D-MRCP直接观察，该算法重建的胆道树模型还能在三维可视化软件中进行模拟切除等后处理操作，提供更直观和可靠的胆道解剖信息。

值得注意的是，当前的三维重建技术大多基于AI自动分割与重建模块，交互环节通常由工程技术人员或影像科医师负责。这种模式在一定程度上减轻了外科医师的诊疗负担，却造成外科医师与重建过程的“分离”，削弱了外科医师解剖学和手术学知识的深度融入。这种情况下重建的三维模型由于缺乏外科医师的上述先验知识，准确性存在局限，从而可能导致可切除性评估以及手术规划与术中实际情况不一致。《原发性肝癌三维可视化技术操作及诊疗规范（2020版）》指出：外科医师应在术前进行重建模型的质量控制与校正。这种融合外科医师先验知识的人机交互三维重建模式，将外科医师的手术经验与模型重建相结合，不仅有助于提高重建模型的准确性和临床适用性，还能为肝切除术规划提供更合理、个体化和安全的方案。

尽管目前三维可视化技术在肝癌外科领域应用已相当成熟，但大部分仍基于CT和MRI检查等单一影像信息，尚未能有效融合微血管侵犯（micro-vascular invasion，MVI）情况等肝癌异质性评价指标，以及临床指南中的先验知识等多模态、多维度信息，导致肝癌手术规划个体化、智能化程度有限，从而影响了肝癌根治性切除率的进一步提升。随着AI技术的迅速发展，笔者预测：未来有望通过融合多序列图像、重建包含全部肿瘤信息和肝内脉管解剖的精确三维模型，并进一步建立三维模型、肝癌异质性评价指标和临床指南先验知识之间的信息关联，最终构建基于知识图谱的个体化、智能化手术规划系统。这可为肝癌根治性手术提供更精准地术前规划，优化手术方案，提高治疗效果。

基于精细三维可视化模型的术前精确规划能够提供详细的血管位置、走行及模拟切面信息，可提高手术安全性和效率。然而，在微创肝切除术中，气腹和器械牵拉等因素可能导致肝脏形态发生显著变化，限制了术前三维信息的实际应用效果。因此，术中切面的精准把控依然是肝胆外科医师面临的重要挑战^［10］。腹腔镜超声（laparoscopic ultra-sound，LUS）检查作为常用的术中引导技术，能够提供肿瘤的位置、范围、与肝脏管道结构的关系，并协助手术医师把控切面^［22］。然而，LUS检查仅能提供二维横截面信息，且探查过程中收集的信息需由医师解读，高度依赖医师的经验与判断。因此，吲哚菁绿荧光影像技术和增强现实导航（augmented reality navigation，ARN）等可视化导航技术应运而生，提供实时、高精度的手术切面和血管识别导航，成为肝脏手术中的重要辅助手段^{［23, 24］}。

吲哚菁绿荧光影像技术在肝胆外科手术中广泛应用，包括肿瘤定位、边界识别、胆道解剖结构显影以及切缘残留病灶的探测^［25］。在肝癌解剖性肝切除术中，该技术能够清晰识别肝段、肝区及半肝的界线，尤其是在肝硬化患者或由于既往肝脏手术导致肝脏粘连严重的患者中。通过经荷瘤肝段门静脉分支穿刺注入适量吲哚菁绿的正染法，或通过结扎目标肝蒂后经外周静脉注射吲哚菁绿的负染法，均可获得清晰、持久且精准的拟切除荧光边缘，指导医师沿荧光边界进行腹腔镜解剖性肝切除术。但是，正染法对LUS检查操作技术要求较高，超声视野与腹腔镜视野频繁切换的过程容易造成手眼不协调，此外由于肝脏内部管道变异较多进一步增加了超声识别管道的难度。负染法则适用于邻近肝门的肝蒂解剖分离，但有时会因交通血管的存在使荧光边界向目标肝脏区域渗透偏移。因此，肝脏内部管道结构的精确识别是吲哚菁绿荧光染色成功的重要保证。ARN通过将三维重建模型与真实的手术视野叠加，外科医师可以更清楚地识别血管、胆管等解剖结构之间的空间关系，进而优化手术操作，克服传统腹腔镜手术中存在的“手眼协调”问题^［26］。然而，与颅脑、脊柱等刚性器官的导航不同，腹部器官和组织的形变给配准工作带来更大的挑战。在肝癌肝切除手术中，术前的三维重建模型与术中肝脏等非刚性解剖结构之间存在显著差异，因此如何将术前静态的三维重建模型与术中动态的真实手术场景融合是目前的一项技术难点。笔者团队与中国科学院深圳先进技术研究院团队合作，开发了一款基于ORB-SLAM2和Go-ICP方法的ARN系统——LHNS软件，为医师提供了“透视”肝脏内部复杂血管系统的能力^［10］。

在临床实践中，越来越多的医师开始采用ARN联合吲哚菁绿荧光影像技术的新策略，充分发挥两种技术的互补优势，在术中精准识别血管并获取复杂的切面信息，辅助精准执行肝癌微创手术^［27］。中央型肝癌是一种特殊位置类型的肝癌，手术难度较高。为应对该挑战，一种基于ARN联合吲哚菁绿荧光影像技术的中央型肝癌的数字智能化微创手术新策略被提出。该策略涵盖了中央型肝癌三维可视化分型、相应手术决策以及术中导航新方式。研究结果显示：数字智能化微创技术能够有效减少术中出血量，降低术中输血率和围手术期并发症发生率^［28］。此外，针对传统Glisson蒂入路解剖性肝段或亚肝段切除术中出血风险较高的问题，肝实质入路数字智能化微创手术新流程有望成为有效解决方案^［29］。该流程结合了LUS检查、ARN、吲哚菁绿荧光影像技术，采用“拼图式”方法精准确定肝实质离断边界。该研究表明：这一流程能够有效减少术中出血量，并显著降低术后剩余肝脏缺血的发生率，从而提高肝癌微创解剖性肝段或亚肝段切除的安全性和精准度^［30］。笔者团队提出结合虚拟肝段投影（virtual liver segment projection，VLSP）技术和肝实质优先切除理念的新方法，成功应用于腹腔镜解剖性扩大右后区切除术^［30］。通过VLSP技术确定肝实质离断路径，并利用吲哚菁绿荧光反染精确界定剩余切除平面，这种组合式的切除平面获取方法能够进一步提高手术的精准性和彻底性。同时，该方法在执行腹腔镜保留肝实质肝切除术中显示出明显优势，特别是在处理深部结直肠癌肝转移时，能够实现更安全、更彻底的切除，同时最大限度地保留健康的肝组织，从而改善患者的预后和生命质量^［31］。

但目前哚菁绿荧光影像技术或ARN的应用都存在局限性。吲哚菁绿的注射时间和剂量是影响吲哚菁绿荧光影像技术中胆道、肿瘤和肝段显影效果的两个关键因素，决定了显影的质量和临床应用效果。一项非劣效RCT结果显示：相较于术前的0.25 mg/kg注射策略，术中采用0.05 mg/kg注射策略显著减少肝脏背景荧光的干扰，提升了术中观察的清晰度，为荧光胆道显影的最佳策略提供了参考^［32］。关于肝癌及肝段荧光显影的最佳剂量和注射时间，仍需进一步的研究与探索。另外，现有的配准技术仍难以全面解决肝脏等非刚性器官在手术过程中发生的形变问题。特别是在肝脏切开后，拓扑结构的变化对ARN中的弹性形变数值计算提出了巨大挑战，因此，ARN难以准确识别切开后的肝脏解剖结构信息。

为应对上述难题，近年来随着深度学习的快速发展，CV在外科领域，尤其是在手术图像和视频的识别方面取得了显著进展。CV是研究如何使计算机像人眼一样理解和解释图像与视频内容的领域，广泛应用于自动驾驶、监控系统、医疗影像分析、机器人导航和增强现实等多个领域。Sasaki等^［33］开发一款用于腹腔镜肝切除术的深度学习模型，该模型能够自动识别手术工作流程，将整个过程划分为“体外操作”到“标本提取和关闭手术切口”等9个阶段，为外科医师提供实时且与实际手术步骤相关的重要信息。随后，笔者团队对国内4家肝脏外科中心的64个标准化腹腔镜肝切除手术视频进行数据标注，并采用语义分割算法框架训练AI解剖识别模型。该模型在识别肝内关键解剖结构（如Glisson蒂和肝静脉）方面表现出与专家级外科医师相媲美的精准度和速度^［34］。以上研究为微创肝脏手术导航系统的研发提供了新思路和方法。

近年来越来越多的研究尝试将CV应用于外科手术中的多种任务，如手术阶段划分、出血识别、器械跟踪和解剖结构分割等，这些研究通常依赖于标准化的手术场景数据集。然而，基于这些数据集训练的AI模型在面对非标准或意外情况时，仍然存在适应性不足的挑战，表现出一定的不确定性和局限性。如何提升AI模型在复杂和多变手术场景中的适应性，并将其与ARN技术深度融合，将是未来外科导航研究的重点。

肝癌的危险因素和发病机制存在广泛的异质性，为了更准确地评估疾病的预后并制订个体化治疗方案，临床医师需要整合来自多个数据源的大量定性和定量信息，以全面预测疾病进程。随着AI技术在医疗领域的广泛应用，AI通过综合分析影像资料、临床数据和组织学信息，能够为医师提供诊断、肿瘤分期、治疗方案，以及MVI评估等关键信息，从而实现更精确的预后评估，进一步优化手术决策^{［35, 36］}。

MVI已被确定为肝癌术后复发的独立预测因子，并与肿瘤切除后的不良结果密切相关^［37］。然而，MVI作为预后指标存在局限性，因为它通常需要通过肝切除术后的病理学标本确认，而从活检中通常难以准确评估该特征。为解决这一问题，近年来许多研究致力于通过影像学结果预测MVI，从而优化肝癌的治疗方案。目前，已有部分模型被设计用于分析肿瘤的影像学特征，以帮助预测复发风险和评估肿瘤切除后的生存率。例如，Xia等^［38］基于四期CT检查扫描图像和17个影像组学特征设计了1种预测MVI的模型，结果显示：其内部测试集和外部测试集的受试者工作特征曲线下面积分别为0.76~0.86和0.72~0.84。此外，Ma等^［39］和Xu等^［40］的研究结果显示：结合临床因素与CT检查门静脉期影像组学特征的模型能够显著提高预测效果。另外，基于多模态数据的深度学习方法正在兴起。这些方法结合影像组学特征、临床信息以及医学影像数据，已成为术前预测肝癌复发和评估生存期的有效手段之一。这些先进的预测技术不仅为肝癌患者提供了更精准的预后评估，还为制订个性化治疗方案提供了重要依据。

术前可视化规划技术的不断发展使肝脏手术变得更加安全，并有效降低了并发症发生率和围手术期死亡率，但肝切除术后肝衰竭仍然是肝切除术后死亡的主要原因^［41］。因此，对具有肝切除术后肝衰竭风险的患者进行术前评估并准确识别，是确保手术安全性和优化治疗的关键步骤。目前，临床上常用的肝功能评估工具包括Child-Pugh评分和ICG R15。其中，Child-Pugh评分虽然被广泛应用，但其精确度有限，且存在评价上的非连续性问题——在同一分级的患者中，肝功能的差异可能很大^［42］。这使得Child-Pugh评分体系无法全面反映患者的实际肝功能状况。虽然ICG R15具有更高的准确性，但也仍存在局限性。例如，高胆红素水平的梗阻性黄疸会干扰ICG R15的检测结果，其在肝硬化（尤其是重度肝硬化）患者中的应用也可能受到影响。随着医学技术的进步，越来越多的新技术被引入肝功能评估领域，为术前评估提供更精准且个性化的依据。例如，磁共振弹性成像、肝脏血流动力学检测，以及基于影像组学和AI的预测模型，都在一定程度上改善了传统评估方法的局限性，提供了更全面和更精确的肝功能状况评估。⁹⁹锝^m-半乳糖基人血清白蛋白闪烁显像是一种用于肝脏疾病诊断的放射性显像技术^［43］。该方法利用放射性标记的半乳糖基人血清白蛋白，以无创的方法对肝功能进行评估，与传统肝穿刺活检相比具有显著优势。此外，将剩余肝脏体积、影像学检查、肝功能或门静脉高压的临床相关指标相结合的综合模型，已在预测肝切除术后肝衰竭方面表现出良好性能，其效果优于单一的Child-Pugh评分和终末期肝病模型评分。

AI在危险因素评估和手术风险预测中的应用尚处于初级阶段，其进展速度相较于术前可视化规划和手术导航等技术较为缓慢，但这一领域正展现出巨大的潜力。另外，AI在临床实践中的实际应用有限，主要归因于缺乏充分的RCT和外部数据验证，这导致现有研究存在较高的偏倚风险。然而，随着AI技术的不断进步和临床数据的逐步积累，这些新技术与现有医疗流程的深度整合正在为肝切除术前个体化治疗方案的制订提供强有力的支持。通过整合患者的临床资料、医学影像及病理图像，并结合多维度数据在不同时间节点上的动态变化特征，可以构建高通量、多模态数据的智能整合模型，从而建立精准的诊断、治疗决策和预后预测系统^{［44, 45, 46］}。

尽管已有多个研究通过临床实践表明三维可视化、手术导航和肝切除预后评估等技术在肝癌外科中的可行性和有效性，但这些技术在其他中心的泛化性和可靠性仍需进一步验证和提高^{［47, 48］}。此外，当前肝切除导航系统的精度和速度也面临着一定的技术瓶颈。笔者认为：随着21世纪现代化和数字化信息技术的飞速发展以及多学科交叉的深度融合，更多的技术创新将不断涌现，为数字智能化诊疗技术的发展注入源源不断的动力。数字智能化诊疗技术不仅将成为推动微创外科领域的核心驱动力，还将深刻改变传统肝胆胰外科疾病的诊疗模式。未来，肝癌微创外科治疗无疑将迎来一场深刻的变革，最终实现肝癌微创诊疗全程可视化、精准化和智能化的目标。