AI 手术机器人的"能"与"不能":一位外科医生的冷静观察

本文摘要: 马斯克称 Optimus 三年内可超越顶尖外科医生,这一言论引发医疗界热议。本文基于 Frontiers in Science 最新综述,从外科医生视角拆解 AI 手术机器人三大核心技术(VLMs/因果 AI/VLA 模型),冷静分析哪些是真突破、哪些是噱头,并探讨外科医生如何应对这场技术变革。

全文字数: 约 3600 字预计阅读时间: 9 分钟

一、开场:马斯克的"三年超越论"靠谱吗?

前不久,马斯克在社交媒体上发了一条让全球外科医生炸锅的推文:特斯拉的人形机器人 Optimus 未来三年内可能在手术技能上超越顶尖外科医生。

你听我这么一说,是不是觉得有点懵?三年?超越顶尖外科医生?要知道,一个外科医生从医学院毕业到能独立主刀复杂手术,至少需要 10 年以上的训练。而马斯克说,一个人形机器人,三年就能超越人类?

这条推文立刻引发了两极分化的反应。硅谷科技圈一片欢呼,觉得"AI 革命终于要颠覆医疗了";而医疗圈则是一片质疑,有人直接回怼:“让 Optimus 先学会系鞋带再说吧。”

我作为一位在顶级三甲医院工作了十几年的外科医生,看到这条推文的第一反应不是兴奋,也不是恐慌,而是好奇:AI 手术机器人到底发展到什么程度了?马斯克这个"三年超越论",到底是技术自信还是营销噱头?

巧的是,就在马斯克发言前后,国际顶级期刊 Frontiers in Science 发表了一篇重磅综述文章,标题是《Evolving surgical teams in the age of artificial intelligence and robotics》(人工智能和机器人时代外科团队的演进)。这篇由伦敦国王学院等多家机构联合完成的系统性综述,首次完整勾勒出 AI 驱动的下一代手术机器人全景图。

我仔细读完这篇论文,最大的感受不是"AI 要替代外科医生了",而是:AI 手术机器人现在能告诉你"这是钳子、那是血管",但你问它"下一步该怎么操作",它答不上来。

说简单吧,就是个辅助工具。说难吧,这篇论文里提到的数据让我印象很深:90% 的 AI 手术研究停留在"识别"层面,只有 5% 涉及预后预测。

这意味着什么?意味着绝大多数 AI 系统还在做"事后诸葛亮"式的工作——手术做完了,它能告诉你"刚才那一刀切得不错",但手术进行中,它很难告诉你"下一刀应该怎么切"。

所以,马斯克说的"三年超越顶尖外科医生",到底靠不靠谱?今天这篇文章,我想用一位外科医生的视角,拆解一下这篇论文里提到的三大核心技术:VLMs(视觉语言模型)、因果 AI、VLA 模型——哪些是真突破,哪些是"看起来很美"。

二、Frontiers in Science 论文到底说了什么?

这篇论文的核心观点很清晰:AI 手术机器人正在从"被动工具"向"主动协作者"演进,但外科医生仍将是最终决策者。

说白了就是,AI 不是来抢饭碗的,而是来当"超级助手"的。但这个"超级助手"到底有多超级?论文里提到了三大技术方向:

1. VLMs(视觉语言模型):让机器人"看懂"手术场景

传统手术机器人只能识别单一器械或组织,但 VLMs 能同时处理视频、音频、机器人运动数据,甚至能理解"钩状镊正在分离胆囊"这种复杂操作。

更厉害的是,医生可以用自然语言问它:"当前最大出血风险点在哪里?"它能给出答案。

2. 因果 AI:让机器人"推理"手术决策

传统 AI 擅长发现统计关联,但常犯"把相关当因果"的错误。比如发现"使用某器械后出血减少",却无法判断是器械本身有效,还是因为使用该器械的都是经验丰富的医生。

因果 AI 的核心能力是反事实推理:回答"如果当时选择另一种术式会怎样"。

3. VLA 模型(视觉-语言-动作模型):让机器人"执行"复杂操作

VLA 模型整合了感知、推理、动作三个环节,能够追踪最近 30 秒的关键操作,并预测"下一步应该做什么"。

听起来很厉害对吧?但论文里也直接点出了一个扎心的数据:90% 的 AI 手术研究停留在"识别"层面,只有 5% 涉及预后预测。

这意味着,绝大多数 AI 系统还在做"认字"的工作,而不是"释字"的工作。它能告诉你"这是个钳子",但不能告诉你"这个钳子现在应该怎么用"。

三、三大技术的"能"与"不能"

接下来,我想用一位外科医生的视角,逐一拆解这三大技术——它们到底能做什么,又有哪些局限。

3.1 VLMs(视觉语言模型):能"看懂"手术场景了吗?

能做什么?

斯坦福大学团队开发的 GP-VLS 模型(General-Purpose Vision Language model for Surgery),在胆囊切除手术的测试中表现不错:

• • 手术阶段识别准确率:90.1%
• • 器械-动作-目标三元组识别:比现有模型提升 20.7%

说白了就是,这个模型能同时识别"用什么器械(钳子)、做什么动作(分离)、作用于什么目标(胆囊)",而不是像传统 AI 那样只能识别单一元素。

更厉害的是,它能理解自然语言指令。你可以直接问它:"当前最大出血风险点在哪里?"它能给出答案。

临床局限在哪?

但这个 90.1% 的准确率,是在标准化场景下测得的。什么叫标准化场景?就是解剖结构清晰、没有粘连、出血量不大、视野良好的"教科书式"手术。

现实中,外科医生遇到的往往是:解剖变异、严重粘连、术中大出血、视野模糊——这些情况下,VLMs 的准确率会大幅下降。

论文里提到一个数据让我印象很深:喉癌检测系统,内部测试准确率 92.78%,外部验证降至 85.79%——下降了 7 个百分点。

为什么会这样?因为外部验证意味着换了医院、换了设备、换了患者群体。AI 模型在训练数据之外的场景,表现往往会打折扣。

类比一下就是:导航软件在城市里很准,到山区就迷路了。

这是"噱头"还是"真痛点"?

我的判断是:VLMs 解决的是"感知层"的问题,而不是"决策层"的问题。

它能帮你"看得更清楚",但不能帮你"想得更明白"。对于年轻医生来说,这确实有价值——至少它能提醒你"这里有个重要血管,别碰"。但对于经验丰富的医生来说,这些信息我们早就知道了。

3.2 因果 AI:能"推理"手术决策了吗?

能做什么?

因果 AI 的核心能力是因果推理,而不是简单的统计关联。举个例子:

• • 统计关联:“使用 A 术式的患者,术后出血率低 30%”
• • 因果推理:“如果当时选择 B 术式,出血率会高多少?”

这种能力对于手术决策至关重要。论文里提到一个数据:当 AI 能解释"为什么推荐这个方案"而不仅是"推荐这个方案",医生的信任度提升 3 倍。

因果 AI 的三大突破包括:

1. 1. 因果发现:从观察数据中推断真实因果链
2. 2. 反事实推理:回答"如果当时选择另一种术式会怎样"
3. 3. 干预效应估计:预测特定操作对患者结果的真实影响

临床局限在哪?

但因果推理的前提是:数据质量高 + 因果关系明确。

手术场景中,很多因果链是"隐性"的:

• • 医生经验:同样的术式,经验丰富的医生做和年轻医生做,结果可能完全不同
• • 团队配合:器械护士传递器械的速度、麻醉医生的用药策略,都会影响手术结果
• • 患者体质:同样的手术,年轻患者和老年患者、有基础病和没基础病的患者,预后差异巨大

这些"隐性因素",很难被系统化地编码进 AI 模型。

类比一下就是:GPS 只知道"最短路径",不知道"哪条路堵车、哪条路危险"。

这是"噱头"还是"真痛点"?

我的判断是:因果 AI 的潜力巨大,但前提是我们得先把"临床决策理论"系统化。

就像论文里提到的,AI 需要的不是更多算力,而是"临床决策框架"——而这套框架,只有外科医生能提供。

3.3 VLA 模型:能"执行"复杂操作了吗?

能做什么?

VLA 模型(视觉-语言-动作模型)整合了感知、推理、动作三个环节,能够:

• • 追踪最近 30 秒的关键操作
• • 预测"下一步应该做什么"
• • 确保语言指令与机器人动作精确匹配

在胆囊切除手术的测试中,Surgical-LVLM 框架的"下一步动作预测"准确率达 68.3%,比未经训练的通用大模型高出 19.3%。

听起来不错对吧?

临床局限在哪?

但 68.3% 准确率意味着什么?意味着每 3 次操作就有 1 次出错。

在手术场景中,这个容错率是完全无法接受的。

类比一下就是:自动驾驶撞错了可以赔偿,手术失误可能致命。

论文里提到,约翰霍普金斯大学团队的自主手术机器人在离体猪模型上成功完成了胆囊切除术——注意,是"离体猪模型",不是活体人类。

距离真正的临床应用,还有很长的路要走。

这是"噱头"还是"真痛点"?

我的判断是:VLA 模型的技术路线是对的,但当前阶段更像是"概念验证",而不是"临床工具"。

68.3% 的准确率,在实验室里是"进步",在手术室里是"灾难"。

四、这些技术对外科医生意味着什么?

读完这篇论文,我最关心的问题是:这些技术对外科医生意味着什么?

论文给出了一个清晰的时间表:

短期(3-5 年):AI 作为"辅助工具"

AI 主要用于:

• • 术前规划:分析患者 CT/MRI,生成个性化 3D 手术路径
• • 术中导航:实时标注关键解剖结构,提醒风险点
• • 术后预测:评估并发症风险,优化康复方案

但决策权仍然在医生手里。AI 只是提供建议,最终选择权在医生。

中期(5-10 年):团队角色重构

论文里有一个很有意思的表格,对比了"传统外科团队"和"AI 时代外科团队"的角色分工:

你看,角色在变,但医生仍然是"队长"。

长期(10 年后):可能出现"高度自主"系统

论文提到,未来可能出现"Level 4 高度自主"的手术机器人系统——能够独立完成大部分操作,但关键决策仍需医生确认。

但这个愿景的实现,面临两大瓶颈:

1. 1. 伦理问题:AI 失误导致患者死亡,谁来承担责任?
2. 2. 监管问题:当前 FDA 的审批框架是为"不可编程"设备设计的,而自适应 AI 会持续学习、改变行为模式

论文直接点出:FDA 现有框架存在三大缺陷:

• • 大多数手术机器人仍按"II 类医疗器械"(中等风险)审批,但高度自主的 AI 系统风险远超传统器械
• • 510(k)途径允许"参照已批准产品"快速上市,厂商通过"微创新"规避严格审查
• • 缺乏 AI 特异性标准,无法评估自适应学习带来的风险

五、外科医生应该做什么?

读完这篇论文,我觉得外科医生需要在三个层面做准备:

1. 认知层:理解 AI 的边界

AI 不是万能的。它能"看懂"手术场景,但不能"理解"临床决策背后的复杂因果链。

不要盲目崇拜 AI,也不要轻视 AI。冷静判断哪些是真突破、哪些是噱头。

2. 技能层:学会"提问 AI"

未来的外科医生,核心能力不是"操作机器人",而是"提问 AI"。

你得知道:

• • 什么问题适合问 AI(如:“这个解剖结构是什么?”)
• • 什么问题不适合问 AI(如:“这个患者适合保守治疗还是手术?”)

就像使用导航软件,你得知道什么时候听它的,什么时候不听它的。

3. 参与层:贡献中国数据和经验

论文里提到的所有研究,几乎都是基于欧美数据。

但中国患者的解剖特点、疾病谱、就医习惯,都和欧美不同。如果我们不参与 AI 临床验证,未来中国医生用的 AI 系统,可能是"水土不服"的。

六、结尾:AI 的未来,需要外科医生参与定义

读完这篇论文,我最大的感受不是"AI 要替代外科医生了",而是:AI 手术机器人的未来,不取决于算力有多强、模型有多大,而是取决于我们能不能把临床决策的逻辑系统编码进 AI 的"操作系统"里。

这件事,只有外科医生能做。

就像论文里反复强调的:AI 和机器人应当维持而非颠覆外科实践,通过精炼医疗提供者的技能来实现真正的个性化手术。

说白了就是:AI 不是来抢饭碗的,而是来帮你把饭碗端得更稳的。前提是,你得学会怎么用它。

10 年后的手术室会是什么样?我不知道。但我知道的是:如果外科医生不主动参与 AI 的设计和验证,那未来的 AI 系统,可能是"看起来很美,用起来很糟"的工具。

那样的未来,不是医生，更不是患者想要的。

我有个知识星球"医学AI思维营",如果你对医学AI感兴趣,欢迎加入一起学习AI,高效赋能。

参考文献[1] Granados A, et al. Evolving surgical teams in the age of AI and robotics. Front Sci, 2026;4:1783803[2] UC San Diego Health 新闻稿, 2026-04-27[3] Jacobs LM. Rapid AI integration in surgery raises safety concerns. Bull Am Coll Surg, 2026;111(6)[4] Schmidgall S, et al. GP-VLS: A general-purpose vision language model for surgery. arXiv:2407.19305, 2024[5] Wang G, et al. Surgical-LVLM: Learning to adapt large VLM for grounded VQA in surgery. arXiv:2405.10948, 2025

互动话题你同意马斯克的观点么？你认为 3 年后,AI手术机器人会达到什么水平?欢迎留言讨论!