在胸腔镜肺结节切除术中，精确的术前规划至关重要，而人工智能（artificial intelligence，AI）结合三维重建技术在此方面显示出巨大潜力。AI三维重建技术能够提供精确的个性化肺部血管支气管解剖结构模型，帮助医生进行细致的手术规划，从而提高手术精确性和安全性。本文综述了AI三维重建技术在肺结节手术中的应用进展，包括其在术前诊断、手术规划和术中导航等方面的应用，以及AI三维重建技术的进展。分析了包括全自动和半自动三维重建软件的技术特点、临床应用及面临的挑战。
肺癌是全球癌症相关死亡的首要原因[1]。研究[2-3]显示，2022年肺癌是中国发病率和死亡率最高的癌症，严重危害人民生命健康。早期肺癌症状不明显，出现明显症状已是晚期，错过了最佳根治性手术治疗时机[4]。早期诊断可显著改善肺癌患者预后生存。研究[5]显示，早期诊断并完全切除的肺原位腺癌及微浸润腺癌术后5年疾病特异性生存率均为100%。因此，“早发现、早诊断、早治疗”是降低肺癌死亡率的重要措施。近年来，随着薄层计算机断层扫描（computed tomography，CT）技术的飞速发展，肺结节早期检出率明显提高[6]。
对于被认为是恶性或潜在恶性风险的肺结节，胸腔镜手术已成为公认的标准治疗方法[7]。胸腔镜手术视野小，对外科医生操作要求高，因此术前的精准定位和合理规划是手术顺利完成的重要保障。同时，随着亚肺叶切除时代的到来，业界提倡在确保完整切除结节的前提下，保留更多正常的肺组织，这对术者在肺段解剖上的精确度提出了更高的要求。三维重建技术是基于此研发的指导胸腔镜手术的重要工具。肺三维重建图像能够为医生提供清晰、直观的解剖图像，精确展示肺结节与其周边血管、支气管和肺段的相对位置关系，为胸腔镜肺结节解剖性肺段切除提供个性化指导，显著提高手术的安全性和效率[8]。
传统的半自动三维重建技术在临床上具有一定的应用价值，但其需要专业技能、多步骤操作、解剖匹配以及增强扫描图像等，具有一定的操作复杂性且主观性强，一定程度上限制了其临床应用。随着人工智能（artificial intelligence，AI）的飞速发展，基于AI的全自动三维重建软件孕育而生。全自动AI三维重建软件可以实现AI自动检测肺结节，并且全自动完成肺部三维图像制作。操作者只需上传胸部非增强CT薄层图像，几分钟即可获得重建结果。其操作简单、重建速度快、模型精细程度高，与此同时，因其模型不可修改的特性，也带来了分割缺失、重建错误等缺陷。本综述旨在探讨AI三维重建技术在胸腔镜肺结节切除手术中的应用，分析其临床应用及技术进展。
1 人工智能三维重建技术在肺结节手术中的临床应用
1.1 术前结节特征分析及手术规划
AI结合三维重建技术在肺结节术前诊断和手术规划中的应用，是现代医学影像学和手术规划的一个重要进步。在进行结节特征的深入分析时，AI技术可以综合考虑结节的体积、密度、边缘特性及其与周围组织的关系，判断结节的性质（良性或恶性）并预测其生物行为[9]。此外，通过纹理分析，AI能够揭示结节内部的微观结构变化，这些信息对于评估结节的恶性潜在风险非常关键。AI三维重建技术还能够帮助医生进行手术规划，通过处理高分辨率CT图像数据，使用复杂的算法，如卷积神经网络和其他机器学习技术，自动识别和分割肺部结构，包括肺结节和相邻的解剖结构。这种自动分割技术的应用加快了图像处理的速度，使医生能够快速获得肺结节的详细信息，如位置、大小、形状和边界清晰度等[10-11]。通过生成的三维模型，医生可以在虚拟环境中详细查看结节的位置及其与重要解剖结构如血管和气管的空间关系，规划手术入路、切口数、切口位置、切除肺段、离断的支气管及血管等。对于位于复杂位置的结节，精确的三维模型可以帮助避免不必要的大切口，减少对健康组织的损伤，降低术中出血风险[12]。这种三维可视化增强了医生对手术区域的理解，帮助胸外科医生规划手术路径，选择合适的切口位置，尤其适用于经验不足的外科医生无创地进行手术模拟。术前即可明确病变所在肺段区域和靶血管、气管的解剖结构，并决定手术方式，如肺段切除、联合肺段切除，提高了手术的安全性和精确性[13-15]。
1.2 术中定位及导航
肺结节定位是胸腔镜肺结节切除手术成功的重要一环，常用的肺结节定位方式有：Hook-wire穿刺定位、亚甲蓝染色定位、电磁导航支气管镜定位、CT导航穿刺定位、术中触诊定位等，但这些方法通常需要结合二维CT图像来定位，并且大多为有创检查。传统的二维CT图像，由于存在容积效应，缺乏立体视角等缺点，难以准确评估结节与周围细小血管、支气管的空间位置关系。三维重建可提供个性化解剖三维模型，其允许360°旋转、放大和缩小，并可调整各部分解剖透明度，形成一个有利、安全、直观的手术视角，接近虚拟现实（virtualreality，VR）导航，能更加安全、无创、高效地指导胸腔镜肺结节切除手术。王腾腾等[16]证明术前 CT引导下注射医用胶辅助定位联合CT三维重建技术，在以肺结节为中心的单孔胸腔镜联合亚段/肺段切除术中安全可行，既保证了手术切缘，又最大限度地保留了正常肺组织，达到解剖学切除的目的。胡硕等[17]回顾性分析268例行解剖性肺段切除术患者的临床资料，穿刺定位组89例，免穿刺定位组179例，结果表明三维导航免穿刺定位解剖性肺段切除技术避免了穿刺不利因素，可替代穿刺定位技术应用于位于肺段或亚段中央区域，或邻近段间静脉的肺磨玻璃结节。Zhang等[18]的研究表明，三维重建是一种非侵入性的视觉定位方法，可用于难以定位的位置较深的非实性肺结节，可用于指导亚肺叶切除术肺结节定位。CT虚拟无创三维辅助定位技术的优势在于，运用虚拟三维技术对患者肺血管、气管的解剖进行体外重现，有利于手术医生做好术中定位及导航。此外，三维打印技术也被用于制作肺部模型，进一步辅助手术过程中的决策和规划[19]。
1.3 术后评估及随访
AI辅助的三维重建在术后评估及随访中也显示出独特的优势[20-21]。通过与术前图像的对比，医生可以直观地看到手术切除的效果，评估是否有遗留病灶或复发迹象。同时，这种技术也能帮助评估肺功能的损失和恢复情况[22]，对比术前与术后肺容积变化[23-24]，特别是在进行肺部大面积切除的患者中，精确的肺部容积评估对其康复和生活质量的影响极大。AI也可通过制定更好的出院计划来增强术后护理，如可通过AI模型预测安全出院时间，帮助缩短住院时间并提高医院运营效率[25]，但尚未融合到三维重建软件中。此外，AI提供了高效和高连续性的随访监测手段。在术后早期，AI三维重建可用于评估手术区域状态，包括肺组织的切除情况和周围组织的状况，评估边缘的清洁度，判断是否有残留的病变组织；在术后短期随访中，AI三维重建可跟踪肺部愈合和功能恢复情况，帮助评估通气和血流情况；在中期及长期随访中，AI可帮助自动检测肺部新发或增大的结节[26]，根据AI分析结果，制定个性化的随访计划，这对于早期发现复发并进行干预尤为重要。这种结合了高级成像技术和AI分析的随访流程能够提供更全面、更精确的数据，支持医生对患者的长期管理，从而改善治疗效果，提高患者生活质量。随着患者术后随访数据的积累，AI模型能够通过学习这些数据进一步优化其预测的准确性，实现早期个性化诊断和治疗。
1.4 肺解剖统计及教学
AI三维重建技术在肺支气管、血管变异解剖的统计和手术解剖教学方面具有重要的潜在价值。生成个性化精确的三维模型极大地提升了医疗专业人员对复杂解剖结构的理解，并提高了教学效率。在肺支气管、血管变异解剖的统计分析方面，三维重建技术能够提供比传统二维影像更为详尽和精确的视角。通过重建的三维模型，医生能够观察到肺部的细微结构，如支气管和血管的分布及其变异情况，这对于诊断和治疗计划的制定至关重要。AI技术的应用还包括自动识别和分类肺部结构，通过大量的图像数据训练，AI可帮助医生快速识别解剖变异，提高诊断的准确性和效率[27-32]。在手术解剖教学方面，AI辅助的三维模型是宝贵的教学资源[33-35]。这些模型不仅可用于医学生和专业医生的教育，还能在实际手术前为医生提供模拟操作的机会。例如，通过VR或增强现实（augmented reality，AR）技术，医生和学生可以在一个可控的、交互性强的环境中探索三维肺部模型，进行手术路径规划和技术练习，这样的实践能显著提高手术成功率并降低术中风险。此外，AI在这一领域的进展还包括其在数据处理和管理中的应用。随着医学影像数据量的增加，传统的数据处理方法已不足以应对。AI技术能有效整合和分析大规模数据集，从而揭示肺部解剖的统计规律，对疾病发展和治疗反应的预测提供支持。这种深度学习技术在提高数据处理效率和精度方面展现了巨大的潜力。随着AI技术的不断发展和完善，预计未来其在肺部解剖的研究和教学中将更加普及。三维重建技术的进一步优化和新算法的开发，将使肺支气管、血管变异解剖的统计和手术解剖教学更为高效、直观和个性化。这不仅能够提升医疗服务质量，也将推动医学教育和临床实践的现代化进程。
2 不同人工智能三维重建平台及技术进展
2.1 CT后处理工作站三维重建
传统的CT后处理工作站，包括肺结节分析软件包、最大密度投影、最小密度投影、容积再现技术、肺容积分析、肺段分段软件包等。肺结节分析软件包可以自动完成肺结节分析，包括结节形态、大小、CT值、与周围血管和胸膜的空间位置关系等，缺点是只能局部观察靶结节，并且需要手动确认结节位置。VR图可展示肺结节、血管、支气管的立体空间位置关系，其需要增强图像重建血管，分步骤重建不同解剖结构再融合图像，调整窗宽、窗位以优化图像，需要操作者具有一定的操作经验。最大密度投影和最小密度投影图可以观察肺血管与结节的空间位置关系，对外周细小血管、支气管显示好，但存在一定解剖重叠。肺容积分析、肺段分段软件包可以观察肺段平面，但不能显示肺结节三维图像，不利于观察肺结节在肺段内的位置。
2.2 半自动重建软件
半自动算法在重建过程的某些阶段需要人工辅助，保留了一定程度的人为控制和决策权，例如手动定位肺结节及血管、支气管，进行初步选择或手动调整结果等。这些手动交互既耗时又依赖操作者的专业技能。常见的半自动重建软件有Mimics[36-39]、Osiris X[40-42]、Deep Insight[43]、CTTRY[44-45]、IQQA-3D[46]等，各软件都有其优缺点，总的原理基本是根据输入的 CT上不同CT值等二维图像信息，利用软件进行提取、分割等处理，并辅以人为对支气管、血管的补充判断从而描绘出肺部的三维模型。半自动软件具有操作可控、可手动添加和删除解剖结构等优势，但其操作具有一定复杂性，需要操作者熟悉解剖结构，并进行一段时间的操作学习。并且，其重建需要增强图像，不适用于造影剂不耐受的患者，重建图像质量也受造影剂注射时间、图像采集时间等因素影响。Matsumoto等[47]对比了3种不同的三维成像软件（CT后处理工作站-AW、OsiriX和CTTRY）在胸腔镜肺部手术中的应用效果，通过在同一患者使用这些软件生成的三维图像，并结合实际手术结果进行评估。结果表明，虽然这3种软件各有优势，但CTTRY在教育效果和实际操作中的灵活性方面表现更优，尤其是在需要细致调整血管和支气管图像的复杂手术中。但是，不同的软件具有不同的优劣，选择合适的软件还需要考虑使用环境、人力资源和经济因素。
2.3 人工智能全自动重建软件
近年来，随着AI技术的发展和临床中对于成像更加准确且使用更加便利的三维重建软件需求的增加，基于AI的全自动三维重建软件应运而生。全自动算法试图最小化或消除人工干预的需要，而依赖于如机器学习或深度学习技术。这些算法旨在处理从数据输入到最终重建的整个过程，无需人工输入。最新的三维重建算法已能在更短的时间内生成更高精度的肺部解剖结构图像。基于AI的早期肺癌手术智能辅助决策系统，应用包括三维卷积神经网络在内的多种算法进行各种图像处理任务，除了常规报告结节的直径、密度、体积、CT值、恶性概率、早期肺腺癌的浸润亚型等数据外，可以全自动化地完成肺部三维图像制作。此外，这种技术在增强或非增强胸部CT图像上均可完成自动分割，弥补了传统重建方式需要增强扫描的缺点。Chen等[48]的研究表明，与人工方法相比，全自动三维重建算法在血管和支气管的检测和分类方面达到了相似的准确性，作为 CT 扫描的补充，加入AI重建后，可在短时间内实现较高的识别准确率，这种算法有助于节段切除术的手术规划过程，手术时间明显缩短，但对术中失血量无明显影响。Li等[49]证明全自动AI三维重建在高效预测肺部解剖结构方面具有高度准确性，其用于指导手术可缩短手术时间，且对术中出血量没有显著影响。郑智中等[50]的研究表明，全自动AI三维重建系统对于胸腔镜肺段切除术的术前规划和术中辅助引导具有很大帮助，与Mimics 21软件具有相当的准确性，同时可极大程度地省去外科医生用于制图的时间，在未来的数字化、精准化、个体化医疗中，有很大的推广价值。尽管全自动方法非常高效，但可能不总是能考虑到人工操作者能够调整的特定细微差别。在实际临床应用中，全自动方法可能还不足以在没有任何人工监督的情况下使用，仍需要大量的数据进行训练及优化，也需要更多研究验证全自动三维重建软件效能。自动分割的精确性有可能达到专家手动分割的水平，这使其能成为手动处理大规模图像分析中的宝贵工具。
3 人工智能三维重建面临的挑战
目前AI三维重建存在的一些问题及改进方向主要有：（1）淋巴结清扫是恶性肺结节切除术中的重要步骤，如肿大淋巴结靠近血管，在进行清扫时容易损伤细小血管，造成术中出血。手动及半自动三维重建软件可手动重建需要切除的肿大纵隔或肺门淋巴结，但AI全自动三维重建大部分尚未应用淋巴结自动重建，仍需要大数据模型优化弥补这一缺陷。（2）胸腔粘连是影响手术时间和决定手术复杂程度的重要因素之一，CT和三维重建图像均难以评估患者胸腔粘连的实际程度，需要更多研究分析这一现象的原因以及提供解决办法。（3）多数肺部三维重建软件暂未融合肺功能计算，这项技术在肝手术中应用较成熟，若能实现自动计算术后肺功能，将进一步完善肺结节三维重建术前规划功能。（4）肋骨、心脏及大血管是术前穿刺定位的重要标志，若重建图像包括纵隔，能更好地帮助结节定位，未来也可运用于纵隔肿瘤的手术指导。（5）AI联合三维重建平台可形成肺结节诊疗一体化，进一步融合AI结节临床特征、病理组学、蛋白组学、基因组学等诊断，并以此构建桥梁促进多学科诊疗模式，帮助医生更加智能化制定肺结节策略。（6）对于经验不足的外科医生，实时手术导航系统是更优化的手术指导工具，手术导航结合了医学成像技术与实时追踪技术，根据患者的详细医学影像数据创建三维图像，并制定手术计划，在手术过程中通过特殊的追踪设备（如红外线传感器）和手术工具标记，实时显示工具的位置，并与预先计划的路径对比，从而指导医生进行精确操作，期待肺结节手术导航集成系统能够早日实现。（7）全自动三维重建需要大量的数据训练以优化模型，保证图像分割的准确性和鲁棒性，不同扫描仪、扫描参数、图像质量对重建图像标准化的影响仍需进一步研究分析。未来的研究将致力于解决这些挑战，进一步推动AI三维重建技术在胸腔镜肺结节切除手术中的临床应用。
4 总结与展望
AI联合三维重建技术在胸腔镜肺结节切除手术中的应用具有明显优势，通过精确的肺部解剖显示，改善了手术规划和执行，提高了手术的安全性和效率。尽管当前技术存在一定的局限性，如数据依赖性强、对高质量图像的需求大等，未来的技术进步和数据优化有望克服这些挑战。未来需要更多的多中心临床试验，进一步验证AI三维重建技术在临床应用的有效性和可行性。随着AI技术的不断发展，预计在未来的临床实践中，AI三维重建将发挥越来越重要的作用，期待更加智能化的医疗时代的到来。
利益冲突：无。
作者贡献：王蕾负责撰写和修改文章；向之明对文章的相关内容进行指导、审阅和修正。
肺癌是全球癌症相关死亡的首要原因[1]。研究[2-3]显示，2022年肺癌是中国发病率和死亡率最高的癌症，严重危害人民生命健康。早期肺癌症状不明显，出现明显症状已是晚期，错过了最佳根治性手术治疗时机[4]。早期诊断可显著改善肺癌患者预后生存。研究[5]显示，早期诊断并完全切除的肺原位腺癌及微浸润腺癌术后5年疾病特异性生存率均为100%。因此，“早发现、早诊断、早治疗”是降低肺癌死亡率的重要措施。近年来，随着薄层计算机断层扫描（computed tomography，CT）技术的飞速发展，肺结节早期检出率明显提高[6]。
对于被认为是恶性或潜在恶性风险的肺结节，胸腔镜手术已成为公认的标准治疗方法[7]。胸腔镜手术视野小，对外科医生操作要求高，因此术前的精准定位和合理规划是手术顺利完成的重要保障。同时，随着亚肺叶切除时代的到来，业界提倡在确保完整切除结节的前提下，保留更多正常的肺组织，这对术者在肺段解剖上的精确度提出了更高的要求。三维重建技术是基于此研发的指导胸腔镜手术的重要工具。肺三维重建图像能够为医生提供清晰、直观的解剖图像，精确展示肺结节与其周边血管、支气管和肺段的相对位置关系，为胸腔镜肺结节解剖性肺段切除提供个性化指导，显著提高手术的安全性和效率[8]。
传统的半自动三维重建技术在临床上具有一定的应用价值，但其需要专业技能、多步骤操作、解剖匹配以及增强扫描图像等，具有一定的操作复杂性且主观性强，一定程度上限制了其临床应用。随着人工智能（artificial intelligence，AI）的飞速发展，基于AI的全自动三维重建软件孕育而生。全自动AI三维重建软件可以实现AI自动检测肺结节，并且全自动完成肺部三维图像制作。操作者只需上传胸部非增强CT薄层图像，几分钟即可获得重建结果。其操作简单、重建速度快、模型精细程度高，与此同时，因其模型不可修改的特性，也带来了分割缺失、重建错误等缺陷。本综述旨在探讨AI三维重建技术在胸腔镜肺结节切除手术中的应用，分析其临床应用及技术进展。
1 人工智能三维重建技术在肺结节手术中的临床应用
1.1 术前结节特征分析及手术规划
AI结合三维重建技术在肺结节术前诊断和手术规划中的应用，是现代医学影像学和手术规划的一个重要进步。在进行结节特征的深入分析时，AI技术可以综合考虑结节的体积、密度、边缘特性及其与周围组织的关系，判断结节的性质（良性或恶性）并预测其生物行为[9]。此外，通过纹理分析，AI能够揭示结节内部的微观结构变化，这些信息对于评估结节的恶性潜在风险非常关键。AI三维重建技术还能够帮助医生进行手术规划，通过处理高分辨率CT图像数据，使用复杂的算法，如卷积神经网络和其他机器学习技术，自动识别和分割肺部结构，包括肺结节和相邻的解剖结构。这种自动分割技术的应用加快了图像处理的速度，使医生能够快速获得肺结节的详细信息，如位置、大小、形状和边界清晰度等[10-11]。通过生成的三维模型，医生可以在虚拟环境中详细查看结节的位置及其与重要解剖结构如血管和气管的空间关系，规划手术入路、切口数、切口位置、切除肺段、离断的支气管及血管等。对于位于复杂位置的结节，精确的三维模型可以帮助避免不必要的大切口，减少对健康组织的损伤，降低术中出血风险[12]。这种三维可视化增强了医生对手术区域的理解，帮助胸外科医生规划手术路径，选择合适的切口位置，尤其适用于经验不足的外科医生无创地进行手术模拟。术前即可明确病变所在肺段区域和靶血管、气管的解剖结构，并决定手术方式，如肺段切除、联合肺段切除，提高了手术的安全性和精确性[13-15]。
1.2 术中定位及导航
肺结节定位是胸腔镜肺结节切除手术成功的重要一环，常用的肺结节定位方式有：Hook-wire穿刺定位、亚甲蓝染色定位、电磁导航支气管镜定位、CT导航穿刺定位、术中触诊定位等，但这些方法通常需要结合二维CT图像来定位，并且大多为有创检查。传统的二维CT图像，由于存在容积效应，缺乏立体视角等缺点，难以准确评估结节与周围细小血管、支气管的空间位置关系。三维重建可提供个性化解剖三维模型，其允许360°旋转、放大和缩小，并可调整各部分解剖透明度，形成一个有利、安全、直观的手术视角，接近虚拟现实（virtualreality，VR）导航，能更加安全、无创、高效地指导胸腔镜肺结节切除手术。王腾腾等[16]证明术前 CT引导下注射医用胶辅助定位联合CT三维重建技术，在以肺结节为中心的单孔胸腔镜联合亚段/肺段切除术中安全可行，既保证了手术切缘，又最大限度地保留了正常肺组织，达到解剖学切除的目的。胡硕等[17]回顾性分析268例行解剖性肺段切除术患者的临床资料，穿刺定位组89例，免穿刺定位组179例，结果表明三维导航免穿刺定位解剖性肺段切除技术避免了穿刺不利因素，可替代穿刺定位技术应用于位于肺段或亚段中央区域，或邻近段间静脉的肺磨玻璃结节。Zhang等[18]的研究表明，三维重建是一种非侵入性的视觉定位方法，可用于难以定位的位置较深的非实性肺结节，可用于指导亚肺叶切除术肺结节定位。CT虚拟无创三维辅助定位技术的优势在于，运用虚拟三维技术对患者肺血管、气管的解剖进行体外重现，有利于手术医生做好术中定位及导航。此外，三维打印技术也被用于制作肺部模型，进一步辅助手术过程中的决策和规划[19]。
1.3 术后评估及随访
AI辅助的三维重建在术后评估及随访中也显示出独特的优势[20-21]。通过与术前图像的对比，医生可以直观地看到手术切除的效果，评估是否有遗留病灶或复发迹象。同时，这种技术也能帮助评估肺功能的损失和恢复情况[22]，对比术前与术后肺容积变化[23-24]，特别是在进行肺部大面积切除的患者中，精确的肺部容积评估对其康复和生活质量的影响极大。AI也可通过制定更好的出院计划来增强术后护理，如可通过AI模型预测安全出院时间，帮助缩短住院时间并提高医院运营效率[25]，但尚未融合到三维重建软件中。此外，AI提供了高效和高连续性的随访监测手段。在术后早期，AI三维重建可用于评估手术区域状态，包括肺组织的切除情况和周围组织的状况，评估边缘的清洁度，判断是否有残留的病变组织；在术后短期随访中，AI三维重建可跟踪肺部愈合和功能恢复情况，帮助评估通气和血流情况；在中期及长期随访中，AI可帮助自动检测肺部新发或增大的结节[26]，根据AI分析结果，制定个性化的随访计划，这对于早期发现复发并进行干预尤为重要。这种结合了高级成像技术和AI分析的随访流程能够提供更全面、更精确的数据，支持医生对患者的长期管理，从而改善治疗效果，提高患者生活质量。随着患者术后随访数据的积累，AI模型能够通过学习这些数据进一步优化其预测的准确性，实现早期个性化诊断和治疗。
1.4 肺解剖统计及教学
AI三维重建技术在肺支气管、血管变异解剖的统计和手术解剖教学方面具有重要的潜在价值。生成个性化精确的三维模型极大地提升了医疗专业人员对复杂解剖结构的理解，并提高了教学效率。在肺支气管、血管变异解剖的统计分析方面，三维重建技术能够提供比传统二维影像更为详尽和精确的视角。通过重建的三维模型，医生能够观察到肺部的细微结构，如支气管和血管的分布及其变异情况，这对于诊断和治疗计划的制定至关重要。AI技术的应用还包括自动识别和分类肺部结构，通过大量的图像数据训练，AI可帮助医生快速识别解剖变异，提高诊断的准确性和效率[27-32]。在手术解剖教学方面，AI辅助的三维模型是宝贵的教学资源[33-35]。这些模型不仅可用于医学生和专业医生的教育，还能在实际手术前为医生提供模拟操作的机会。例如，通过VR或增强现实（augmented reality，AR）技术，医生和学生可以在一个可控的、交互性强的环境中探索三维肺部模型，进行手术路径规划和技术练习，这样的实践能显著提高手术成功率并降低术中风险。此外，AI在这一领域的进展还包括其在数据处理和管理中的应用。随着医学影像数据量的增加，传统的数据处理方法已不足以应对。AI技术能有效整合和分析大规模数据集，从而揭示肺部解剖的统计规律，对疾病发展和治疗反应的预测提供支持。这种深度学习技术在提高数据处理效率和精度方面展现了巨大的潜力。随着AI技术的不断发展和完善，预计未来其在肺部解剖的研究和教学中将更加普及。三维重建技术的进一步优化和新算法的开发，将使肺支气管、血管变异解剖的统计和手术解剖教学更为高效、直观和个性化。这不仅能够提升医疗服务质量，也将推动医学教育和临床实践的现代化进程。
2 不同人工智能三维重建平台及技术进展
2.1 CT后处理工作站三维重建
传统的CT后处理工作站，包括肺结节分析软件包、最大密度投影、最小密度投影、容积再现技术、肺容积分析、肺段分段软件包等。肺结节分析软件包可以自动完成肺结节分析，包括结节形态、大小、CT值、与周围血管和胸膜的空间位置关系等，缺点是只能局部观察靶结节，并且需要手动确认结节位置。VR图可展示肺结节、血管、支气管的立体空间位置关系，其需要增强图像重建血管，分步骤重建不同解剖结构再融合图像，调整窗宽、窗位以优化图像，需要操作者具有一定的操作经验。最大密度投影和最小密度投影图可以观察肺血管与结节的空间位置关系，对外周细小血管、支气管显示好，但存在一定解剖重叠。肺容积分析、肺段分段软件包可以观察肺段平面，但不能显示肺结节三维图像，不利于观察肺结节在肺段内的位置。
2.2 半自动重建软件
半自动算法在重建过程的某些阶段需要人工辅助，保留了一定程度的人为控制和决策权，例如手动定位肺结节及血管、支气管，进行初步选择或手动调整结果等。这些手动交互既耗时又依赖操作者的专业技能。常见的半自动重建软件有Mimics[36-39]、Osiris X[40-42]、Deep Insight[43]、CTTRY[44-45]、IQQA-3D[46]等，各软件都有其优缺点，总的原理基本是根据输入的 CT上不同CT值等二维图像信息，利用软件进行提取、分割等处理，并辅以人为对支气管、血管的补充判断从而描绘出肺部的三维模型。半自动软件具有操作可控、可手动添加和删除解剖结构等优势，但其操作具有一定复杂性，需要操作者熟悉解剖结构，并进行一段时间的操作学习。并且，其重建需要增强图像，不适用于造影剂不耐受的患者，重建图像质量也受造影剂注射时间、图像采集时间等因素影响。Matsumoto等[47]对比了3种不同的三维成像软件（CT后处理工作站-AW、OsiriX和CTTRY）在胸腔镜肺部手术中的应用效果，通过在同一患者使用这些软件生成的三维图像，并结合实际手术结果进行评估。结果表明，虽然这3种软件各有优势，但CTTRY在教育效果和实际操作中的灵活性方面表现更优，尤其是在需要细致调整血管和支气管图像的复杂手术中。但是，不同的软件具有不同的优劣，选择合适的软件还需要考虑使用环境、人力资源和经济因素。
2.3 人工智能全自动重建软件
近年来，随着AI技术的发展和临床中对于成像更加准确且使用更加便利的三维重建软件需求的增加，基于AI的全自动三维重建软件应运而生。全自动算法试图最小化或消除人工干预的需要，而依赖于如机器学习或深度学习技术。这些算法旨在处理从数据输入到最终重建的整个过程，无需人工输入。最新的三维重建算法已能在更短的时间内生成更高精度的肺部解剖结构图像。基于AI的早期肺癌手术智能辅助决策系统，应用包括三维卷积神经网络在内的多种算法进行各种图像处理任务，除了常规报告结节的直径、密度、体积、CT值、恶性概率、早期肺腺癌的浸润亚型等数据外，可以全自动化地完成肺部三维图像制作。此外，这种技术在增强或非增强胸部CT图像上均可完成自动分割，弥补了传统重建方式需要增强扫描的缺点。Chen等[48]的研究表明，与人工方法相比，全自动三维重建算法在血管和支气管的检测和分类方面达到了相似的准确性，作为 CT 扫描的补充，加入AI重建后，可在短时间内实现较高的识别准确率，这种算法有助于节段切除术的手术规划过程，手术时间明显缩短，但对术中失血量无明显影响。Li等[49]证明全自动AI三维重建在高效预测肺部解剖结构方面具有高度准确性，其用于指导手术可缩短手术时间，且对术中出血量没有显著影响。郑智中等[50]的研究表明，全自动AI三维重建系统对于胸腔镜肺段切除术的术前规划和术中辅助引导具有很大帮助，与Mimics 21软件具有相当的准确性，同时可极大程度地省去外科医生用于制图的时间，在未来的数字化、精准化、个体化医疗中，有很大的推广价值。尽管全自动方法非常高效，但可能不总是能考虑到人工操作者能够调整的特定细微差别。在实际临床应用中，全自动方法可能还不足以在没有任何人工监督的情况下使用，仍需要大量的数据进行训练及优化，也需要更多研究验证全自动三维重建软件效能。自动分割的精确性有可能达到专家手动分割的水平，这使其能成为手动处理大规模图像分析中的宝贵工具。
3 人工智能三维重建面临的挑战
目前AI三维重建存在的一些问题及改进方向主要有：（1）淋巴结清扫是恶性肺结节切除术中的重要步骤，如肿大淋巴结靠近血管，在进行清扫时容易损伤细小血管，造成术中出血。手动及半自动三维重建软件可手动重建需要切除的肿大纵隔或肺门淋巴结，但AI全自动三维重建大部分尚未应用淋巴结自动重建，仍需要大数据模型优化弥补这一缺陷。（2）胸腔粘连是影响手术时间和决定手术复杂程度的重要因素之一，CT和三维重建图像均难以评估患者胸腔粘连的实际程度，需要更多研究分析这一现象的原因以及提供解决办法。（3）多数肺部三维重建软件暂未融合肺功能计算，这项技术在肝手术中应用较成熟，若能实现自动计算术后肺功能，将进一步完善肺结节三维重建术前规划功能。（4）肋骨、心脏及大血管是术前穿刺定位的重要标志，若重建图像包括纵隔，能更好地帮助结节定位，未来也可运用于纵隔肿瘤的手术指导。（5）AI联合三维重建平台可形成肺结节诊疗一体化，进一步融合AI结节临床特征、病理组学、蛋白组学、基因组学等诊断，并以此构建桥梁促进多学科诊疗模式，帮助医生更加智能化制定肺结节策略。（6）对于经验不足的外科医生，实时手术导航系统是更优化的手术指导工具，手术导航结合了医学成像技术与实时追踪技术，根据患者的详细医学影像数据创建三维图像，并制定手术计划，在手术过程中通过特殊的追踪设备（如红外线传感器）和手术工具标记，实时显示工具的位置，并与预先计划的路径对比，从而指导医生进行精确操作，期待肺结节手术导航集成系统能够早日实现。（7）全自动三维重建需要大量的数据训练以优化模型，保证图像分割的准确性和鲁棒性，不同扫描仪、扫描参数、图像质量对重建图像标准化的影响仍需进一步研究分析。未来的研究将致力于解决这些挑战，进一步推动AI三维重建技术在胸腔镜肺结节切除手术中的临床应用。
4 总结与展望
AI联合三维重建技术在胸腔镜肺结节切除手术中的应用具有明显优势，通过精确的肺部解剖显示，改善了手术规划和执行，提高了手术的安全性和效率。尽管当前技术存在一定的局限性，如数据依赖性强、对高质量图像的需求大等，未来的技术进步和数据优化有望克服这些挑战。未来需要更多的多中心临床试验，进一步验证AI三维重建技术在临床应用的有效性和可行性。随着AI技术的不断发展，预计在未来的临床实践中，AI三维重建将发挥越来越重要的作用，期待更加智能化的医疗时代的到来。
利益冲突：无。
作者贡献：王蕾负责撰写和修改文章；向之明对文章的相关内容进行指导、审阅和修正。