AI预测吻合口瘘？不是模型不够聪明，是术前数据根本不包含答案

写在前面的话

吻合口瘘预测是结直肠外科的"圣杯问题"——几十年来几百篇论文，几乎所有术前变量都被纳入过预测模型。但AUC始终在0.7-0.8之间徘徊，没有一个模型能让你在手术前一天可靠地说出"这个病人会漏，那个不会"。2026年6月《Surgery》上的一篇观点综述给出了一个让人既失望又释然的解释：这不是AI算法的问题，是信息结构的问题。决定吻合口瘘的关键变量——肠管灌注、组织质量、吻合张力——在术前数据里根本不存在。

这篇论文在说什么

Abdelmasseh和Aquina来自AdventHealth Orlando结直肠外科，在《Surgery》上发了一篇Narrative Perspective Review。文章不长，但论点尖锐。

作者没有建新模型，也没有做新实验。他们复盘了近年来AI/ML在手术风险评估领域的整体表现，然后提出了一个结构性问题：

AI对术后死亡和心血管事件的预测能做到AUC 0.85-0.95，为什么吻合口瘘和中转开腹永远上不了0.80？

因为前者的预测信息来自术前数据——年龄、共病、生理储备、化验值——这些数据在电子病历里躺着。后者的预测信息来自术中——吻合时肠管的颜色、组织的韧性、浆膜面的光泽——这些数据术前拿不到，电子病历里也不会有。

作者刻意选了结直肠外科作为全文的唯一示例科室——因为吻合口瘘和中转开腹这两个"技术并发症"（technically defined complications）恰好是结直肠外科每天都在面对的核心结局。

两张表格说明一切

AI能预测什么、不能预测什么：

决定吻合口瘘的四个术中变量（术前数据里一个都没有）：

作者的原话直译过来就是："术前表格数据能提供的信息量，已经构成了某些预测结局的内在上限。"（intrinsic upper limit）

不是AI走到了天花板，是这个预测问题本身的天花板就这么低。

换个角度看：我们一直在打一场信息不对称的仗

这篇观点论文最具冲击力的不是数据（它本身没有新数据），而是它用一个结构性论证解释了为什么几百篇AL预测因子论文后，临床依然不会在术前根据某个模型就决定做不做预防性造口。

回顾一下我们熟悉的预测因子：

• 男性、低BMI、低蛋白血症、糖尿病、吸烟、新辅助放化疗、低位吻合……这些变量确实与AL相关，但相关≠可预测。每个单独变量的OR通常在1.5-2.5之间，远不足以单独决策。

• 当所有术前变量塞进一个多因素模型，AUC到0.75左右就止步了——因为剩下25%的信息在上手术台之前还不存在。

这跟隔壁心血管外科形成鲜明对比：一个病人的EuroSCORE II可以基于年龄、肾功能、心功能等术前变量精确预测术后死亡率——因为"死亡"这个结局确实主要由术前生理储备决定。但吻合口瘘不是。它是一个术中事件，不是术前事件。

作者暗示的方向很清楚：与其在"更复杂的术前模型"上继续烧算力，不如把注意力转向术中实时数据采集——ICG荧光的时间-强度曲线、组织氧饱和度的实时读数、吻合器闭合时的力反馈——这些才是AL预测信息增益的真正来源。

对你我的意义

这篇论文改变不了你今天下午那台手术的决策。但它改变了一个认知框架。

下次看到一篇号称"AUC 0.82的AL预测新模型"时，你可以多问一句：这个模型纳入术中变量了吗？如果没有，这个0.82大概率是不可复现的乐观估计。

对于研究生和年轻搭档：如果你在做AL预测相关的课题，术前回顾性队列分析的边际产出已经非常低了。术中数据（尤其是可以量化的灌注参数）才是真正的蓝海。

对于科室：如果计划引入ICG荧光或组织氧饱和度监测，这篇《Surgery》上的观点论文可以为设备购置论证提供一个高质量的学术支撑——投资术中评估，而不是更复杂的术前评分系统。

参考文献

1. Abdelmasseh M, Aquina CT. Preoperative risk assessment for surgical operations using artificial intelligence: Potential benefits, hurdles, and future directions. Surgery. 2026;197:110374. PMID: 42385382.

李会晨 · 2026年7月5日