跟圈内朋友聊了聊英国那台AI脑外科手术，大家看法有点分裂...
上周和几个做医疗AI产品的朋友吃饭，聊到英国那台AI辅助脑外科手术的新闻。有意思的是，大家反应挺不一样。做手术导航的那位觉得“技术原理不新，就是把成熟的图像识别用到新场景”；而搞临床数据的那位却说“这
上周和几个做医疗AI产品的朋友吃饭，聊到英国那台AI辅助脑外科手术的新闻。有意思的是，大家反应挺不一样。做手术导航的那位觉得“技术原理不新，就是把成熟的图像识别用到新场景”；而搞临床数据的那位却说“这次的意义在于第一次真正跑通了实时闭环，以前都是离线分析”... 这种分裂挺典型的，咱们今天就掰开揉碎了聊聊。
一、这东西到底啥原理？
简单讲，就是给手术室加了一双“AI眼睛”。
手术时，医生会把一根细长的内镜从患者鼻腔伸进去，末端有个小摄像头。传统做法是医生得一边盯着屏幕上的实时画面，一边在脑子里把眼前的图像和术前CT/MRI扫描结果对上号。问题在于，肿瘤周围的血管和神经经常被骨头或膜挡着，你从屏幕上根本看不见，全凭经验和记忆猜位置。
这个AI系统干的事儿，就是在另一块屏幕上实时分析内镜传回的画面。它训练时看过数百段类似的垂体瘤手术视频，每段视频里都有专家把血管和神经的位置仔细标了出来。所以它相当于一个“看片量”超大的学生，知道“这种组织形态下，视神经大概率在左边，颈动脉可能在下面”。然后它会把这些可能的关键结构区域用颜色标出来，实时显示给医生看。
技术上来说，它的核心并不是发明了新算法，而是把成熟的计算机视觉模型，用海量、高质量的专科手术视频给“喂”成了专家。难点在数据标注和系统集成。
参与手术的哈尼·马库斯教授有句话说得很形象：“这套系统接受过的手术训练数量，比大多数外科医生一辈子见过或做过的还多。” 这就是数据驱动的力量——用规模化的数据弥补个体经验的局限性。
二、实际用起来咋样？
根据报道，这次手术的患者是位48岁的先生，垂体上长了个11mm的良性瘤。位置刁钻，再长大点就要压迫视神经导致失明了。手术前，医生告诉他，有25%到50%的可能没法完全切干净，还有0.5%到2%的风险伤到主要血管。
手术室里的场景是这样的：主刀医生对着内镜屏幕操作，同时旁边多了一块屏幕，显示着AI的实时分析。AI会在画面上圈出“这里可能是血管，小心”，或者“这个区域相对安全，可以切除”。
我脑补了一下，感觉有点像开车时用的AR导航。路面上的箭头和信息是导航软件叠加的，它帮你判断哪个路口可能有行人窜出来，给你一个参考。但方向盘和油门刹车还在你手里，听不听建议、怎么开，完全由司机决定。医生也强调，AI不接管手术，所有决定权在人。
有个细节很有意思。报道里说，研究团队的终极目标是做一个“外科医生版ChatGPT”。什么意思呢？就是医生在手术中可以随时“问”它：“你觉得从这边进安全吗？” AI给个建议。医生觉得有道理就采纳，觉得不靠谱完全可以不理。这比那种“全自动AI做手术”的设想要务实得多，也更容易被医生群体接受——毕竟，谁愿意在手术室里被一个算法指挥呢？
三、对行业有啥冲击？
这次事件的影响，我觉得可以分三个层面看。
对医疗器械巨头是个信号。 像美敦力、史赛克这些公司，一直在做手术机器人和导航系统，但大多还是基于术前影像的“静态地图”。伦敦大学学院医院这个系统，主打的是实时动态识别。虽然它目前只针对垂体瘤这一个场景，但如果技术路径被验证，完全可以扩展到其他精细手术，比如神经外科、耳鼻喉科。这会给现有产品带来升级压力。
对AI医疗创业公司是条新路。 国内也有不少公司在做AI辅诊，但大多集中在影像科（看片子）或病理科。真正嵌入手术流程、实时辅助决策的，凤毛麟角。英国这个案例证明，这条路是走得通的。它依赖的不是什么黑科技，而是高质量的专科数据+工程师和外科医生的深度合作。这对有临床资源但缺AI能力的团队，或者反过来，都有启发。
对竞争对手Meta、谷歌来说，这是“AI落地”的漂亮案例。 这次项目有谷歌资助。谷歌的DeepMind在医疗AI上投入很大，但之前多是在学术层面，比如蛋白质结构预测。这次是真刀真枪进手术室，而且成功了。这比任何广告都更有说服力。Meta在医疗AI上发力较少，这可能促使他们重新评估这个领域的投入价值。
这次手术最大的意义可能不是技术本身，而是它为“AI实时辅助高风险决策”提供了一个成功样板，后续会有更多领域想复制这个模式。
四、跟普通人有啥关系？
你可能会想，我又不做脑外科手术，这跟我有什么关系？
关系太大了。首先，如果你或家人未来需要做类似手术（比如垂体瘤、听神经瘤等），你可以多问医生一句：“咱们医院有类似的AI辅助系统吗？” 这种系统的引入，理论上能降低手术并发症风险。虽然它现在只有一例，但未来的趋势是向更多医院普及。
其次，这个案例给所有从业者提了个醒：AI的价值，未必在于取代人，而在于给专家“叠加buff”。外科医生一辈子可能做几百台手术，但AI能“看”几千台。这种“经验叠加”模式，未来很可能应用到律师审合同、程序员debug、甚至老师批改作文等场景。关键是你得有那个领域的高质量数据，并且能和专家的工作流无缝结合。
最后，它展示了一种负责任的AI落地方式。不是搞一个黑箱然后说“信我”，而是给你一个可视化建议，决策权还在人。这种“AI助手”模式，比“AI替身”模式更容易被社会接受，也更可能走得远。
当然了，这个数据我没找到官方验证，比如那“数百段训练视频”到底是什么规模，标注质量如何，这些技术细节还不清楚。也可能是我想多了，觉得它能扩展到很多场景，也许在实际工程上困难重重。
但不管怎么说，看到AI真正帮人保住了视力、恢复了生活，还是挺振奋的。技术最好的样子，不就是让人活得更有尊严、更有质量嘛。
好了，不扯了，我得去扒一扒国内有没有类似的手术AI项目了，感觉这里面有机会。
本文基于 media 公开报道编译解读，查看原文