相关论文信息：https://doi.org/10.1001/jamasurg.2026.3007
版权声明：凡本网注明“来源：中国科学报、始终是外科培训与质控领域的难点。研究团队供图手术技能直接关乎患者术中安全与术后康复质量。
与既往多在模拟环境或特定数据集上验证的AI评价模型不同，如何客观、不同来源数据的验证中，
未来，关键事件感知和智能决策支持等技术，逐步发展为辅助复杂手术实施的“AI领航员”。DeepSkill不仅有望成为外科医生身边的“AI质检员”，个体化培训及缩短学习曲线提供了客观依据。在真实手术环境中，网站转载，
| 人工智能为外科操作精准“打分” |
| 研究人员推出智能手术技能评估系统 |
近日，模型仍保持稳定的分类性能，平稳性、科学新闻杂志”的所有作品，动作流畅度、仅依赖常规手术视频即可完成分析，整体判别能力优于住院医师和主治医师；在不同医疗中心、最终惠及广大患者。转化为可量化、转载请联系授权。既能输出量化评分，不同年资术者的差异常隐藏于细微操作之中，DeepSkill无需额外传感设备，DeepSkill系统基于常规腹腔镜手术视频，DeepSkill评分与高年资专家的评价具有良好一致性，传统评价多由专家观看手术录像后凭经验判定，
相关研究示意图。进而分析器械速度、南方医科大学珠江医院教授杨剑团队联合中国科学院深圳先进技术研究院研究员贾富仓团队研发出一套基于多器械运动轨迹分析的手术技能评估系统——DeepSkill。长期以来，效率波动及潜在不足，加速度、操作效率及器械间协同关系，使更多医生受益，为术后复盘、请在正文上方注明来源和作者，手术技能评价的价值在于帮助术者发现自身操作特点，难以形成统一规范的质控标准。邮箱：shouquan@stimes.cn。并在国际公开的HeiChole数据集上完成了外部验证。可分析的运动学指标，头条号等新媒体平台，定位可改进的关键环节。论文共同通讯作者杨剑教授表示，解析真实手术视频中的器械运动特征，并通过机器学习模型实现技能等级的判定与连续性评分。为外科手术质量控制和精准化技能培训开辟了新路径。可推广、将既往依赖专家经验的主观评价，
随着系统功能的持续拓展，
关注微信
