Three-Dimensional Anatomical Classification and Machine Learning Prediction of the P6a–Right Hepatic Vein Relationship: Surgical Implications for Laparoscopic Right Anterior Sectionectomy

想象一下，人类的肝脏就像一座由柔软、海绵状组织构成的繁忙、三维立体的城市。为了在这里进行手术，医生需要一张完美的地图。他们依靠“高速公路”（血管）来了解在哪里切割以及在哪里止血。其中一条最重要的公路是右肝静脉（Right Hepatic Vein），这是一条从肝脏右侧排泄血液的主要河流。通常情况下，这条河流沿着可预测的路径流动，像一个可靠的路标告诉外科医生：“在这里切口，你是安全的。”然而，就像现实中的城市一样，有时道路的设计也会有所不同。一条被称为 P6a 血管的小型支路可能会采取绕行方式，以意想不到的方式跨越主河道的上方或下方。如果外科医生在开始手术前不知道这个绕行路线的存在，他们可能会误切错误的街道，导致交通拥堵（出血）或导致城市部分区域失去动力（组织损伤）。当手术通过微小的孔洞并使用摄像头进行（腹腔镜手术）时，这种情况尤其棘手，因为外科医生无法用手触摸组织，只能通过屏幕观察。

这正是来自空军医学中心及其他机构的研究团队介入的地方。他们提出了一个简单但至关重要的问题：我们能否在手术前通过查看患者的 3-D 扫描图像，精准预测这条小支路（P6a）会如何运行？为了回答这个问题，他们不仅仅是观察图像，而是教会了一台计算机如何成为一名侦探。他们使用了人工智能的一个分支——“机器学习”，这就像是一个通过研究案例来学习模式的超级聪明学生。研究人员将 100 名患者的数据输入计算机，教它识别“正常”布局与“复杂”布局之间的区别。他们发现，计算机能够以惊人的准确度学会预测这种复杂的布局。通过使用一种名为 SHAP 的特殊工具（它像放大镜一样展示计算机为何做出决策），他们发现某些血管之间的夹角以及肝脏“裂隙”（肝段之间的谷地）的形状是最大的线索。他们的研究表明，通过使用这个数字水晶球，外科医生可以更好地规划他们的动作，避开危险的绕行路线，使复杂的肝脏手术更加安全。

侦探工作：绘制肝脏的秘密道路图

研究人员首先收集了一组由 100 名接受过详细肝脏 3-D CT 扫描的患者组成的团队。他们希望根据 P6a 血管（侧街）与右肝静脉（主河道）的关系，将这些患者分为两组。

• “背侧”（Dorsal）组： 在 59% 的患者中，P6a 血管运行在主河道的“后面”。这是更常见、更可预测的路径。
• “腹侧”（Ventral）组： 在 41% 的患者中，P6a 血管运行在主河道的“前面”。这是让手术变得更困难的“复杂”路径。

随后，团队在 3-D 模型上测量了各种角度和距离，寻找可以在手术开始前辨别患者属于哪一组的线索。他们发现了以下一些有趣的差异：

• 分叉的角度： 在“复杂”组中，门静脉前后分支之间的夹角要尖锐得多（平均为 82.27°），而“正常”组的夹角则较大（98.02°）。
• 近距离接触： 在“复杂”组中，P6a 血管经常起始于距离另一个主要分支非常近的地方（小于 5 mm），这种情况在“复杂”组中占 37%，而在“正常”组中仅占 10%。
• 河流转弯： 在“复杂”组中，肝静脉与人体最大静脉（下腔静脉）之间的夹角比“正常”组（43.97°）更宽（52.23°）。

计算机学生：五种模型，一个胜出者

为了将这些测量结果转化为预测工具，研究人员训练了五种不同类型的机器学习模型。可以将它们想象成五个试图解开谜题的学生：

1. 逻辑回归 (LR)： 一个直截了当、逻辑清晰的思想者。
2. 随机森林 (RF)： 一个由决策树组成的委员会。
3. K-最近邻 (K-NN)： 一个观察其邻居是谁的学生。
4. 支持向量机 (SVM)： 一个通过画线来分隔不同组别的学生。
5. XGBoost： 一个强大的、迭代的学习者。

他们将数据分为两部分，将 70% 的数据交给学生进行练习（训练），保留 30% 用于最终考试（测试）。虽然“委员会”（随机森林）和“强大的学习者”（XGBoost）在记忆练习题方面表现得极其出色，但在最终考试中却有些吃力。然而，逻辑回归模型却是最稳定的。它表现出了极小的过拟合现象，并在测试集上取得了最佳性能（F1 分数为 0.741），这表明它不仅是死记硬背数据，而且能够很好地推广到新案例。

“为什么”背后的“是什么”

研究人员并不只想要一个给出答案的“黑箱”，他们还想知道计算机为什么做出那个选择。通过使用一种称为 SHAP（即 Shapley 加性解释）的方法，他们可以观察哪些线索最为重要。事实证明，计算机最关注的是：

1. 门静脉前后分支之间的夹角。
2. 右肝裂隙（肝段之间的谷地）的角度。
3. P6a 起点到后分支的距离。
4. P6a 血管的直径（宽度）。

分析显示，门静脉分支之间较尖锐的角度以及肝静脉与人体主静脉之间较宽的角度，是判断患者属于“复杂”腹侧组的强有力指标。

这对手术意味着什么

研究结论指出，这种机器学习模型可以有效地预测患者是否具有“复杂的”腹侧 P6a 布局。为什么这很重要？因为在进行右前段肝切除术（一种切除右肝前部的手术）时，了解布局就是一切。

• 对于“正常”（背侧）患者： 手术相对简单。主河道（RHV）清晰可见，且肝段之间的谷地较为平坦，可以作为安全的切割引导。
• 对于“复杂”（腹侧）患者： 主河道更难观察，谷地更陡峭，且“侧街”（P6a）距离其他结构非常危险地接近。如果外科医生事先不知道这一点，他们可能会误切错误的血管或损伤剩余的肝脏组织。

通过使用这种预测模型，外科医生可以在进行第一次切口之前识别出高风险患者。这使他们能够规划策略，例如在手术过程中使用超声引导，或者调整他们处理“Glisson 鞘”（血管的保护性包膜）的方法。虽然这项研究是基于特定的 100 名患者群体，并且需要在更大的群体中进行进一步测试才能被普遍采用，但它提供了一个充满前景的新工具，能将复杂且高风险的手术转变为更安全、更可预测的过程。