新时代！英国完成全球首例AI实时辅助脑外科手术

8月27日，据新华社报道，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，该院外科医生于今年5月为一名患者成功实施了全球首例人工智能实时辅助脑外科手术，借助AI系统在手术过程中实时分析内镜画面、识别隐藏的血管与神经，精准切除了患者脑部的垂体肿瘤。患者目前已完全康复，视力显著改善。

接受这场开创性手术的患者名叫里斯.希伯特，今年48岁，来自英国贝德福德郡，是一名客服经理，育有两个孩子。此前他一直身体健康，习惯在午餐时间步行两英里锻炼身体。大约一年半以前，他在一次散步途中突然晕倒并引发癫痫，送医检查后脑部扫描显示，其脑垂体附近长有一个直径约11毫米的良性肿瘤。



脑垂体是位于颅底深处的一个微小但至关重要的内分泌器官，负责分泌调控生长、代谢、血压和体温等多项生理功能的激素。希伯特的肿瘤位置极为凶险，紧邻为大脑供血的颈内动脉和负责视觉传导的视神经，随着肿瘤不断增大，压迫视神经导致他开始出现周边视力缺损，随后又出现头晕、严重疲劳和行走时难以避让物体等症状。医生明确告知，如果不进行手术干预，肿瘤持续压迫最终将导致他完全失明。

当医生提出邀请他成为这款定制AI辅助手术系统临床试验的首位患者时，希伯特毫不犹豫地同意了。他表示，医学的进步离不开患者愿意参与研究，医生才能持续学习和改进技术。手术采用的是神经外科常用的经鼻内镜入路，医生将一根纤细的内镜通过患者鼻腔伸入颅底，在到达被骨骼和坚韧膜层包裹的肿瘤位置后，需要在极为有限的空间内完成肿瘤切除。

这一手术的最大难点在于，每位患者的血管和神经解剖结构都存在个体差异，术中稍有不慎就可能损伤颈内动脉引发大出血，或损伤视神经导致永久性视力丧失。临床数据显示，传统经鼻内镜垂体瘤手术中，肿瘤无法完全切除的概率约为25%至50%，损伤主要血管的风险约为0.5%至2%，颈内动脉损伤的整体风险约为5%，术后还可能出现脑脊液漏、垂体功能减退、尿崩症等一系列并发症。

正是在这样的高风险背景下，AI实时辅助系统展现出了独特价值。手术过程中，这套实验性AI系统显示在手术台旁的第二块屏幕上，它实时追踪手术器械的位置，同步解读内镜传回的活体画面，通过颜色编码或区域分割的方式，标记出重要血管和神经最可能存在的位置，并识别出相对安全的肿瘤切除区域。与传统的术前影像导航不同，这套系统是在手术进行的同时完成分析和标注，能够应对术中组织移位、出血等动态变化。参与手术的神经外科医生哈尼.马库斯教授表示，这套AI系统实际上已经“看过”的手术病例数量，超过了大多数外科医生整个职业生涯所能接触到的病例数。

据悉，这套AI系统的研发历时数年，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的录像资料对算法进行训练，由专科医生在画面中手动勾勒出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。与一些仅在术前或术后分析信息的实验性医疗AI系统不同，这款技术的核心突破在于它的实时性，能在手术刀操作的同时给出参考信息，而不是事后复盘。

医疗团队表示，AI系统并不独立做出任何手术决策，外科医生始终对整个手术过程负全部责任，AI的定位是辅助参考而非替代判断。研究团队的长远目标是开发出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。这次首例人体手术成功后，研究团队目前正在筹备更大规模的临床试验，以进一步验证该系统的安全性和有效性。

近年来，人工智能在医学影像、辅助诊断、药物研发等领域已实现规模化落地。根据GrandViewResearch2026年6月发布的《全球AI医疗市场报告》，2025年全球AI医疗核心市场辨模约为367亿美元，同比增长约38%，预计2026年将增至507亿美元，到2033年有望攀升至5056亿美元，期间复合年增长率（CAGR）维持在38.9%左右。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为旺盛，占比约30%。

中国市场的增长尤为迅猛。中商产业研究院的数据显示，2025年中国AI医学影像市场辨模已突破150亿元人民币，同比增长率高达101.1%（2024年约74.5亿元），远超全球医学影像AI同期约30%的平均增速。机构普遍预测，2026年该市场辨模将进一步增长至235.7亿元。

不过，目前AI在手术中的应用主要还是集中在术前规划，通过分析CT、MRI等影像数据，帮助医生制定手术方案、模拟手术路径；以及术中导航，AI结合实时影像与术前模型，为医生提供解剖结构的空间定位。

英国这例手术则是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。这一突破不仅在于降低了单台手术的风险，更在于它有可能通过AI的规模化学习，将顶级外科医生的经验沉淀为可复用的系统能力，从而缩小不同地区、不同级别医院之间的手术水平差距，让更多患者受益于精准医疗。