目的:构建3D打印腹腔镜抗反流手术干实验室模型，探讨其在外科医师手术训练中的作用。方法:选取18位无手术经验的外科医师随机均分成3组，A组和C组分别采用基础硅胶模型和3D打印模型进行手术训练，B组先后采用上述两种模型进行手术训练。应用手术技能客观结构化评估(OSATS)和5分制李克特(Likert)量表分别对训练表现和模型效能进行评分。组间比较采用 t检验。 结果:所有外科医师均完成了相应手术训练和模型评分。3D打印模型和基础硅胶模型的整体印象评分为(4.28±0.67)分比(3.61±0.61)分( t＝3.129， P<0.05)，仿真度评分为(4.22±0.81)分比(3.39±0.50)分( t＝3.716， P<0.05)，差异均有统计学意义；实用性评分为(4.33±0.69)分比(3.89±0.76)分( t＝1.844， P<0.05)，触觉评分为(4.06±0.64)分比(3.94±0.80)分，美学评分为(3.94±0.73)分比(3.27±0.57)分( t＝3.057， P<0.05)，差异均有统计学意义。3D打印模型的训练效果明显优于基础硅胶模型，训练后OSATS评分C组[(14.17±1.81)分]>B组[(11.00±1.76)分， t＝3.074， P<0.05]>A组[(9.08±1.50)分， t＝2.031， P<0.05]，完成时间C组[(73.17±5.23) min]

目的:探讨人工神经网络在腹腔镜操作培训中的应用价值。方法:采用前瞻性队列研究方法。选取2019年9—11月陆军军医大学第一附属医院158名腹腔镜零基础学员(2019级、2018级、2017级外科硕士研究生52名，外科规培生58名，实习生12名，进修生36名)进行腹腔镜操作培训。采用随机数字表法将学员分为两组。进行人工神经网络腹腔镜模拟器培训的学员设为人工神经网络组；进行箱式腹腔镜模拟器培训的学员设为普通腹腔镜模拟器组。两组学员利用各组的模拟器，接受10 h(为期5 d的连续训练，每天训练时长为2 h)培训，培训内容为腹腔镜手术基本技能。观察指标：(1)两组学员培训前后腹腔镜模拟器操作成绩比较。(2)两组学员培训后腹腔镜模拟器操作成绩提高程度比较。正态分布的计量资料以 ± s表示，组内比较采用配对 t检验，组间比较采用独立样本 t检验。偏态分布的计量资料以 M(范围)表示。 结果:筛选出符合条件的学员158名，男140例、女18例；中位年龄为27岁，年龄范围为20~34岁。158名学员中，人工神经网络组79名；普通腹腔镜模拟器组79名。(1)两组学员培训前后腹腔镜模拟器操作成绩比较：人工神经网络组学员培训前钉子转移、图案切割、结扎、体内缝合打结、体外缝合打结分别为(51.2±4.9)分、(45.6±3.7)分、(43.0±3.6)分、(42.1±3.1)分、(39.6±3.1)分，学员培训后上述指标分别为(78.6±3.0)分、(76.4±3.9)分、(79.9±2.5)分、(78.3±3.5)分、(84.1±3.8)分，学员培训前后上述指标比较，差异均有统计学意义( t=-42.490，-56.256，-80.373，-70.802，-79.742， P<0.05)。普通腹腔镜模拟器组学员培训前上述指标分别为(50.1±2.9)分、(45.4±3.9)分、(42.7±3.0)分、(42.3±3.4)分、(39.2±4.7)分，学员培训后上述指标分别为(70.4±5.0)分、(69.8±4.0)分、(72.3±3.3)分、(72.3±3.5)分、(72.8±3.2)分，学员培训前后上述指标比较，差异均有统计学意义( t=-28.942，-42.436，-58.357，-52.322，-53.098， P<0.05)。(2)两组学员培训后腹腔镜模拟器成绩提高程度比较：人工神经网络组学员培训后钉子转移、图案切割、结扎、体内缝合打结、体外缝合打结操作成绩提高程度分别为(27.4±5.7)分、(30.8±5.0)分、(36.9±4.1)分、(36.2±4.5)分、(39.5±5.4)分，普通腹腔镜模拟器组学员培训后上述指标分别为(20.3±6.2)分、(24.4±5.1)分、(29.6±4.5)分、(29.9±5.1)分、(33.5±5.6)分，两组学员上述指标比较，差异均有统计学意义( t=7.597，7.946，10.638，8.200，6.969， P<0.05)。 结论:腹腔镜操作培训中引入人工神经网络可以提高培训效果。

目的:探究计算机视觉人工智能技术在腹腔镜胃癌根治术场景中对器械和脏器检测识别的可行性和准确性。方法:收集国内4家大型三甲医院［解放军总医院第一医学中心（3份）、辽宁省肿瘤医院（2份）、江苏省人民医院溧阳分院（2份）、复旦大学附属肿瘤医院（1份）］共计8份完全腹腔镜远端胃癌根治术手术视频。使用PR软件每5~10 s进行抽帧转换为图帧，转换后进行人工去重，去除明显雷同图帧和模糊图帧以确保质量。转换并去重后，抽帧图像共3 369张，图像分辨率为1 920×1 080 PPI，用LabelMe实例分割图像；共计23个类别包括静脉、动脉、缝针、持针器、超声刀、吸引器、出血、结肠、钳子、胆囊、小纱布、Hem-o-lok夹、Hem-o-lok钳子、电钩、小肠、肝圆韧带、肝脏、网膜、胰腺、脾脏、吻合器、胃和Trocar穿刺器。将抽帧图像按照9∶1比例随机分为模型训练集和模型验证集，使用YOLOv8深度学习框架进行模型训练和验证。采用精确度、召回率、精确度均值和平均精确度均值（mAP）评价检测识别准确性。结果:训练集3 032帧图像，23个类别共计30 895个实例分割数量；验证集337帧图像，共计3 407个实例分割数量。使用YOLOv8m模型训练，训练集损失曲线中损失值随迭代计算轮次增加而逐步平滑下降。训练集中，23个类别检测识别AP值均达0.90以上，23个类别mAP为0.99。验证集中，23个类别mAP为0.82。单一类别中，超声刀、持针器、钳子、胆囊、小纱布和吻合器的AP值分别为0.96、0.94、0.91、0.91、0.91和0.91。模型成功推理应用于时长为5 min的腹腔镜下缝合胃肠共同开口视频片段。结论:本研究初步证实了计算机视觉可高效准确并实时地检测腹腔镜胃癌根治术各手术场景中的脏器和器械。

目的:探讨术前模拟切除技术在腹腔镜解剖性肝切除术中的应用价值。方法:采用回顾性横断面研究方法，选取2020年9月至2022年1月因肝细胞性肝癌接受术前行模拟切除后实施腹腔镜肝叶、肝段、亚肝段或联合切除病例22例。观察分析手术时间、术中出血量、术后住院时间及术后并发症信息。结果:22例患者均在术前进行了模拟切除的规划，部分患者因术前规划改变原定手术方式，所有患者手术顺利，无中转开腹。中位手术时间170.0 min，中位术中出血量150.0 ml，中位阻断次数4次，中位术后住院时间6.5 d，所有病例均无严重术后并发症发生。结论:术前模拟切除能精确规划出手术切除范围，显示重要的解剖结构，能够提高手术效率、保证足够的手术切缘。

目的:探讨机器学习算法和COX列线图在肝细胞癌术后生存预测中的应用价值。方法:采用回顾性描述性研究方法。收集2012年1月至2017年1月中国医学科学院北京协和医学院肿瘤医院收治的375例肝细胞癌行根治性肝切除术患者的临床病理资料；男304例，女71例；中位年龄为57岁，年龄范围为21～79岁。375例患者通过计算机产生随机数方法以8∶2比例分为训练集300例和验证集75例，应用逻辑回归、支持向量机、决策树、随机森林、人工神经网络机器学习算法构建肝细胞癌患者术后生存的预测模型，筛选性能最优的机器学习算法预测模型；构建肝细胞癌患者术后生存预测的COX列线图预测模型；比较最优机器学习算法预测模型和COX列线图预测模型预测肝细胞癌患者术后生存的性能。观察指标：(1)训练集与验证集患者临床病理资料分析。(2)训练集与验证集患者随访及生存情况。(3)机器学习算法预测模型构建及验证。(4)COX列线图预测模型构建及验证。(5)随机森林机器学习算法预测模型与COX列线图预测模型预测性能评价。采用门诊或电话方式进行随访，了解患者生存情况。随访时间截至2019年12月或患者死亡。正态分布的计量资料以 ± s表示，组间比较采用配对 t检验。偏态分布的计量资料以 M( P25， P75)或 M(范围)表示，组间比较采用Mann-Whitney U检验。计数资料以绝对数表示，当Tmin≥5，N≥40时，组间比较采用 χ2检验；当1≤Tmin≤5，N≥40时，采用校正 χ2检验；当Tmin<1或N<40时，采用Fisher确切概率法。采用Kaplan-Meier法计算生存率和绘制生存曲线。采用COX比例风险模型进行单因素分析，将 P<0.2的变量纳入Lasso回归分析，根据λ值筛选影响预后的变量，最后将变量纳入COX比例风险模型进行多因素分析。 结果:(1)训练集与验证集患者临床病理资料分析：训练集和验证集患者微血管侵犯(无、有)，肝硬化(无、有)分别为292、8例，105、195例和69、6例，37、38例，两组患者比较，差异均有统计学意义( χ2＝4.749，5.239， P<0.05)。(2)训练集与验证集患者随访及生存情况：训练集与验证集患者均获得随访。训练集300例患者随访时间为1.1～85.5个月，中位随访时间为50.3个月。验证集75例患者随访时间为1.0～85.7个月，中位随访时间为46.7个月。375例肝细胞癌患者术后1、3年总体生存率分别为91.7%、79.5%。训练集和验证集患者术后1、3年总体生存率分别为92.0%、79.7%和90.7%、81.9%。两组患者术后生存情况比较，差异无统计学意义( χ2＝0.113， P>0.05)。(3)机器学习算法预测模型构建及验证。①筛选最优机器学习算法预测模型：根据变量对预测肝细胞癌术后3年生存的信息增益度，应用逻辑回归、支持向量机、决策树、随机森林和人工神经网络5种机器学习算法对肝细胞癌临床病理因素进行变量综合排名。筛选主要预测因素为乙型肝炎e抗原(HBeAg)、手术方式、肿瘤最大直径、围术期输血、肝被膜侵犯、肝脏Ⅳ段侵犯。将预测因素前3、6、9、12、15、18、21、24、27、29个变量依次引入5种机器学习算法。其结果显示：当引入9个变量时，逻辑回归、支持向量机、决策树、随机森林机器学习算法预测模型受试者工作特征曲线的曲线下面积(AUC)趋于稳定。当引入变量>12个时，人工神经网络机器学习算法预测模型AUC波动明显，逻辑回归、支持向量机机器学习算法预测模型AUC稳定性可继续改善，而随机森林机器学习算法预测模型AUC接近0.990，说明随机森林机器学习算法预测模型为最优机器学习算法预测模型。②随机森林机器学习算法预测模型优化和验证：将预测因素29个变量依次引入随机森林机器学习算法预测模型中，构建训练集最佳随机森林机器学习算法预测模型。其结果显示：当引入变量＝10个时，网格搜索法示最佳决策树结点个数＝4，最佳决策树数目＝1 000；当引入变量≥10个时，随机森林机器学习算法预测模型AUC稳定在0.990左右。其中当引入变量＝10个时，随机森林机器学习算法预测模型预测训练集术后3年总体生存AUC为0.992，灵敏度为0.629，特异度为0.996，预测验证集术后3年总体生存AUC为0.723，灵敏度为0.177，特异度为0.948。(4)COX列线图预测模型构建及验证。①训练集患者术后生存因素分析。单因素分析结果显示：HBeAg、甲胎蛋白、围术期输血、肿瘤最大直径、肝被膜侵犯、肿瘤分化程度是影响肝细胞癌患者术后生存的相关因素(风险比＝1.958，1.878，2.170，1.188，2.052，0.222，95%可信区间为1.185～3.235，1.147～3.076，1.389～3.393，1.092～1.291，1.240～3.395，0.070～0.703， P<0.05)。将 P<0.2的临床病理因素纳入Lasso回归分析，其结果显示：性别，HBeAg，甲胎蛋白，手术方式，围术期输血，肿瘤最大直径，肿瘤位置在肝脏Ⅴ段和肝脏Ⅷ段，肝被膜侵犯，肿瘤分化程度(高分化、中高分化、中分化、中低分化)是影响肝细胞癌患者术后生存的相关因素。进一步将上述临床病理因素纳入多因素COX回归分析，其结果显示：HBeAg、手术方式、肿瘤最大直径是肝细胞癌患者术后生存的独立影响因素(风险比＝1.770，8.799，1.142，95%可信区间为1.049～2.987，1.203～64.342，1.051～1.242， P<0.05)。②COX列线图预测模型的构建和验证：将训练集COX多因素分析结果中 P≤0.1的临床病理因素引入Rstudio软件及其rms软件包，构建训练集COX列线图预测模型。COX列线图预测模型预测术后总体生存的C-index为0.723(se＝0.028)，预测训练集术后3年总体生存AUC为0.760，预测验证集术后3年总体生存AUC为0.795。训练集校准图验证显示COX列线图预测模型对术后生存有较好预测效果。COX列线图回归函数＝0.627 06×HBeAg(正常＝0，异常＝1)＋0.134 34×肿瘤最大直径(cm)＋2.107 58×手术方式(腹腔镜＝0，开腹手术＝1)＋0.545 58×围术期输血(无输血＝0，输血＝1)－1.421 33×高分化(非高分化＝0，高分化＝1)。计算所有患者COX列线图风险评分，应用Xtile软件寻找COX列线图风险评分最佳阈值，风险评分≥2.9分为高危组，风险评分<2.9分为低危组。Kaplan-Meier总体生存曲线结果显示：训练集低危组和高危组患者术后总体生存比较，差异有统计学意义( χ2＝33.065， P<0.05)。验证集低危组和高危组患者术后总体生存比较，差异有统计学意义( χ2＝6.585， P<0.05)。进一步采用决策曲线分析结果显示：联合HBeAg、手术方式、围术期输血、肿瘤最大直径和肿瘤分化程度因素的COX列线图预测模型预测性能优于单一因素的预测性能。(5)随机森林机器学习算法预测模型和COX列线图预测模型预测性能评价：通过对2种模型中共同含有的重要变量(肿瘤最大直径)进行分析，并将2种模型通过预测误差曲线进行比较，观察2种模型的预测差异。其结果显示：肿瘤最大直径为2.2 cm时，随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为77.17%和74.77%( χ2＝0.182， P>0.05)；肿瘤最大直径为6.3 cm时，随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为57.51%和61.65%( χ2＝0.394， P>0.05)；肿瘤最大直径为14.2 cm时，随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为51.03%和27.52%( χ2＝12.762， P<0.05)。随着肿瘤最大直径增加，2种模型预测患者生存率差异增大。验证集中，随机森林机器学习算法预测模型预测患者术后3年总体生存AUC为0.723，COX列线图预测模型预测患者术后3年总体生存AUC为0.795，两者比较，差异有统计学意义( t＝3.353， P<0.05)。采用Bootstrap交叉验证结果显示：随机森林机器学习算法预测模型和COX列线图预测模型预测3年生存的整合Brier得分分别为0.139、0.134，COX列线图预测模型预测误差低于随机森林机器学习算法预测模型。 结论:与机器学习算法预测模型比较，COX列线图预测模型预测肝细胞癌术后3年生存性能更佳，且其变量少，易于临床使用。

目的:调查我国国内目前小儿急性阑尾炎围手术期加速康复外科诊疗措施的应用现状。方法:调查时间为2020年1月11日，采用现场公开纸质问卷方式进行调查，共收集14份调查问卷。调查问卷分为4个部分，分别为术前干预、术中干预、术后干预、出院标准。数据分析采用STATA 15.0统计软件，计数资料用百分比表示。结果:参与调查的人员为来自全国14家国家级或区域级儿童医学中心的小儿外科专家。对于小儿急性阑尾炎的术前干预，92.9%(13/14)的单位在术前会常规应用抗生素；42.9%(6/14)在术前会常规留置鼻胃管，21.4%(3/14)在术前会常规留置尿管；64.3%(9/14)在术前未进行疼痛评估及干预。对于手术方式的选择，92.9%(13/14)的单位主要或全部采用腹腔镜手术；64.3%(9/14)采用术中腹腔冲洗，且冲洗液大多选择生理盐水(78.6%，11/14)；78.6%(11/14)术毕留置腹腔引流管；缝合切口前行切口局部浸润麻醉的有14.3%(3/14)。术后常规采用疼痛评估及干预的有21.4%(3/14)；术后接受早期下床和早期进食训练的分别为71.4%(10/14)、42.9%(6/14)。出院标准最常采纳的指标是连续24 h无发热(57.1%，8/14)、可正常进食(78.6%，11/14)、无明显腹痛(57.1%，8/14)、复查血生化指标正常(64.3%，9/14)和无其他需要处理的并发症(57.1%，8/14)。结论:目前国内小儿急性阑尾炎的加速康复外科措施尚缺乏成熟可靠的方案，在围手术期过程中的应用仍有许多不足。

目的:探讨离体器官腹腔镜模拟培训教学模式在腹腔镜肾部分切除术培训中的应用效果。方法:本研究分析2022年4—6月北京协和医院泌尿外科12名医生接受离体器官腹腔镜肾部分切除术模拟训练的培训结果。12名医生既往参与过腹腔镜基础手法培训、但尚未独立完成腹腔镜肾部分切除术，对其进行每周2次、每次1.5 h的离体器官腹腔镜模拟训练，为期3个月，总培训时长为每人39 h。利用超声刀分离训练、超声刀切割训练、血管裸化训练、钝性分离训练和肾部分切除及创面缝合训练5个模块对腹腔镜肾部分切除术的分解步骤进行针对性训练，根据评分细则，对各个训练项目进行考核打分。同时，使用问卷调查的方式，了解12名医生对完成手术和手术中每个步骤的自信心。对培训前、后的操作技能和心理素质变化情况进行评估，采用配对 t检验或Wilcoxon配对秩和检验比较培训前后数据的差异。 结果:经过培训后，12名医生在5个训练模块的成绩均有明显提升，超声刀分离训练、超声刀切割训练、血管裸化训练、钝性分离训练和肾部分切除及创面缝合训练评分分别从培训前的(8.5±0.3)、(6.9±0.3)、(4.2±0.4)、(6.6±0.4)、(5.6±0.7)分，提高至(9.8±0.2)、(9.6±0.3)、(9.3±0.2)、(9.4±0.3)分、(9.8±0.2)分，培训前后差异均有统计学意义( P<0.05)。肾部分切除及创面缝合训练的操作时间，由培训前的(47.5±5.8) min，提高至培训后的(21.6±5.1)min，差异有统计学意义( t＝18.72， P<0.001)。同时，对完成手术的自信心也从培训前的2(1，3)分，提高至培训后的4(4，4)分，差异有统计学意义( Z＝－3.00， P ＝0.003)。 结论:离体器官腹腔镜模拟培训，可以使既往无肾部分切除术经验的医生熟练掌握该术式各步骤，在30 min内完成肾肿瘤的切除和创面缝合，从而提高对肾部分切除术各步骤的操作信心。

目的:探讨达芬奇机器人手术系统模拟训练器在肝胆外科临床教学中的应用。方法:将来自重庆医科大学2019级临床医学专业的76名学生分为试验组和对照组。理论知识方面，两组采用相同的教学方法；实践操作方面，试验组采用达芬奇机器人手术系统模拟训练器（da Vinci robot surgical system simulation trainer，DVST）进行训练，对照组采用腹腔镜模拟训练器（laparoscopic simulation trainer，LST）进行训练。3个月后考核微创手术的两种基本技能：夹豆和缝合打结。采用SPSS 23.0进行独立样本 t检验。 结果:使用DVST考核，试验组拣豆（个/min）结果为（16.92±2.81），对照组为（11.68±3.31）；试验组缝合打结（次/10 min）结果为（12.02±2.04），对照组为（7.79±1.89），试验组得分优于对照组（ P<0.05）。使用LST考核时，试验组与对照组结果差异无统计学意义。问卷调查显示，试验组在提升对肝胆外科知识的学习兴趣、提升对肝胆外科手术系统的认识等5项问题的得分高于对照组（ P<0.05）。 结论:DVST运用于肝胆外科临床教学能显著提高学生微创手术技能，其仿真场景有助于激发学生自发进行训练的热情，有助于提高学生的临床思维能力。同时，在培养学生技能迁移能力方面，DVST明显优于LST。因此，DVST具有良好的教学应用价值，值得推广。

目的:探讨腹腔镜手术技能训练课程在外科住院医师规范化培训中的应用效果。方法:选取40名在普通外科进行轮转的外科住院医师规范化培训学员作为研究对象，随机平均分为试验组和对照组。试验组开设腹腔镜手术技能训练课程，课程内容包括理论教学模块、模拟教学模块、虚拟教学模块及临床手术实践教学模块。对照组采用常规的理论教学+临床手术实践教学。课程结束后考核两组学员腹腔镜下抓持传递及缝合打结操作技能，同时对学员和带教教师进行问卷调查。应用SPSS 22.0统计学软件进行 t检验。 结果:试验组与对照组的理论成绩分别为（67.90±13.24）和（69.70±13.46），差异无统计学意义（ P>0.05）；课后试验组的抓持传递、缝合打结成绩（15.25±3.24、5.45±2.14）高于对照组（11.25±2.12、2.75±1.16），差异具有统计学意义（ P < 0.01）；问卷调查显示学员及带教教师对于腹腔镜技能训练课程反馈“较好”的比例明显高于“一般”和“较差”。 结论:腹腔镜手术技能训练课程可提高外科住院医师规范化培训学员的腹腔镜手术技能，缩短学习曲线，使得培训规范化、同质化，值得在规培基地广泛推广和应用。

目的:以后腹腔镜肾上腺瘤切除手术为载体，研究培训泌尿外科住院医师腹腔镜操作技能。方法:自2011年1月到2020年1月，选取泌尿外科住院培训医生121名，完成包括腹腔镜模拟器基本技能培训，逐步接触和操作腹腔镜肾上腺瘤微创手术。培训阶段包括腹腔镜模拟器模块训练与考核，经腰手术侧卧体位和穿刺孔建立，肾脏3个层面的解剖和肾上腺瘤的显露和切除。采用逐步考核进阶的方式完成4个阶段的训练。结果:15名住院培训医生能在带教教的监督指导下全程完成腹腔镜肾上腺瘤手术（12.4%），71名能够独立完成前三阶段的手术操作要求（58.7%）。结论:腹腔镜模拟器操作考核评分、泌尿外科住院培训时间、参加后腹腔镜肾上腺瘤手术例数、手术中带教教师和住院培训教师交换主刀和助手位置的次数是影响后腹腔镜肾上腺瘤手术培训进阶的主要因素。