F2O: искусственный интеллект предсказывает эректильную функцию после простатэктомии по хирургическим движениям

КЛЮЧЕВЫЕ ВЫВОДЫ

• Система: F2O (Frame-to-Outcome) - сквозная система искусственного интеллекта, преобразующая необработанное хирургическое видео нервосберегающего этапа роботизированной радикальной простатэктомии в последовательности «хирургических жестов» без участия человека.
• Эффективность распознавания жестов: AUC 0,80 на уровне кадра; AUC 0,81 на уровне видео.
• Прогноз исхода: сформированные системой признаки жестов (частота, длительность, переходы) предсказали послеоперационные исходы с AUC 0,79, что статистически перекрывалось с показателем 0,75 модели на основе ручной разметки человеком.
• Согласованность: по 25 общим признакам направления эффектов совпадали (Δdort ≈ 0,07), корреляция r = 0,96.
• Защитные технические паттерны: количественно установлены два паттерна, связанных с восстановлением эректильной функции, - продлённое тупое отслаивание тканей и сокращение использования энергии (коагуляции).
• Источник данных: модель обучена на данных из 5 международных центров; планируется проспективная внешняя валидация.

Предпосылки: почему хирургию не удавалось измерить?

При радикальной простатэктомии нервосберегающая диссекция - наиболее критичный и наиболее зависящий от техники этап, направленный на сохранение эректильной функции без ущерба для онкологической безопасности. Тем не менее то, как следует выполнять этот этап, десятилетиями передавалось преимущественно в традиции «мастер-ученик» и на основе опытного суждения. По словам профессора Эндрю Дж. Хана (Cedars-Sinai Medical Center): этой операции учились так, как её преподавали наставники, через догму, а не на научной основе.

Масштаб проблемы важен: в многоцентровых сериях частота восстановления эректильной функции после нервосберегающей простатэктомии составляет около 35%. Более того, поскольку между операцией и моментом проявления функционального результата обычно проходит около года, хирург лишён осмысленной обратной связи о собственной технике.

Дизайн исследования: «алфавит» хирургии

Хан и его команда разработали систему классификации, сводящую сложную операцию к дискретным манёврам длительностью около 2 секунд - «хирургическим жестам». Эти жесты охватывают базовые действия: рассечение, толкание, коагуляцию, ретракцию, а также тупую диссекцию, острую диссекцию и комбинированные манёвры. В предыдущих работах команда показала, что такие последовательности жестов связаны с послеоперационными исходами; однако из-за трудоёмкости посекундной ручной разметки видео метод не масштабировался.

Техническая новизна F2O: система сочетает трансформерное пространственное и временное моделирование с покадровой классификацией. В необработанном видео с частотой 30 кадров в секунду каждый жест соответствует примерно 60 кадрам; модель определяет для каждого кадра, какой манёвр выполняется. Второе принципиальное новшество - выявление точки смены (change point): автоматическое определение момента завершения одного жеста и перехода к следующему. Так выстраивается непрерывный конвейер от необработанного видео к единому прогнозу исхода, не требующий человеческого труда.

Основные результаты

Какие манёвры защищают?

Наиболее значимый с клинической точки зрения результат работы - впервые данное количественное определение технических паттернов, связанных с восстановлением эректильной функции:

• Продлённое тупое отслаивание тканей: отделение сосудисто-нервного пучка от простаты тупыми манёврами вдоль естественных тканевых слоёв связано с предотвращением повреждения нервов.
• Минимизация применения энергии: даже при анатомическом сохранении нервов термическое повреждение может приводить к утрате функции; сокращение использования коагуляции оказалось защитным на уровне жестов.

Хотя оба принципа давно присутствуют в хирургической интуиции, они впервые получили воспроизводимую и количественную доказательную базу.

Значение для клинической практики

1. Замыкание контура хирургической обратной связи

Годичный разрыв между операцией и функциональным исходом может быть ретроспективно преодолён с помощью искусственного интеллекта. Сопоставление профиля жестов собственных операций хирурга с вероятностью восстановления у его же пациентов позволяет объективно определить, какие манёвры следует сохранять, а каких избегать.

2. Объективизация обучения

Обучение технике сохранения нервов может перейти от субъективной оценки видео к измеримым показателям эффективности. Это несёт потенциал структурных изменений прежде всего в программах обучения роботической хирургии и сертификации компетенций.

3. Прогноз при консультировании пациента

В отдалённой перспективе индивидуальные оценки вероятности восстановления, полученные из видеозаписи операции, могут дать конкретную основу для управления ожиданиями пациента и планирования пенильной реабилитации.

4. Методологические ограничения

Настоящая работа представляет собой разработку, объединяющую существующие компоненты (enabling development). Хотя модель обучена на данных пяти международных центров, подлинной проверкой обобщаемости является независимая внешняя валидация. Исследователи планируют проспективное клиническое исследование, которое проверит, действительно ли последовательности жестов влияют на послеоперационное восстановление. Кроме того, оценка исхода ограничена эректильной функцией; онкологические исходы и удержание мочи в этот анализ не входят.

Заключение

Система F2O - заметный шаг к превращению хирургии из «искусства» в измеримую науку. По аналогии профессора Хана, подобно тому как автоматическое секвенирование генома человека раскрыло генетическую основу множества заболеваний, разложение сложной операции на последовательные жесты и её масштабируемый анализ несут потенциал выявления того, что определяет «хорошую хирургию».

В роботической уроонкологической хирургии определяющее влияние технических деталей на функциональный исход хорошо известно. Главный вклад этой работы в том, что она создала методологическую основу для перевода такого влияния из области суждений в область доказательств. Переход в клиническую практику зависит от результатов проспективной валидации.

Источники

• Li X, Matsumoto N, Pasupulety U, и др. End to end AI system for surgical gesture sequence recognition and clinical outcome prediction. npj Digit Med. 2026;9(1):494. doi:10.1038/s41746-026-02927-5
• Hung AJ. AI system links surgical gestures with postoperative outcomes. Urology Times, 26 августа 2026.
• arXiv:2511.11899. End to End AI System for Surgical Gesture Sequence Recognition and Clinical Outcome Prediction.
• Medical Xpress. AI analyzes surgical technique to improve prostate cancer care.