在医学界，小儿外科素有“在米粒上雕花”之称。患儿器官纤小脆弱、生理代偿能力有限，手术既要彻底清除病灶，又必须呵护每一分未来的生长潜力。长久以来，高度依赖术者经验的传统模式，面临评估不精、规划凭图、预后难测等现实瓶颈。然而，随着人工智能与数字技术的浪潮奔涌而来，一场从“经验手感”到“数据智能”的深刻转型，正在这里悄然发生。

复旦大学附属儿科医院普外科诊疗中心在郑珊主任带领下，以临床痛点为导向，系统构建了覆盖“术前智能规划—术中精准导航—术后科学管理”的全流程数字外科体系。通过AI三维重建、影像组学分析、手术机器人微创平台等技术的深度融合，不仅将手术精度推至毫米级，更在全球范围内率先实现了对若干复杂疾病的“预见性”诊疗，为我国小儿外科迈向精准化、智能化、人文化的新阶段，提供了扎实的“复旦方案”。

AI三维重建为复杂手术装上“透视眼”

面对儿童肝脏肿瘤、先天性胆胰畸形等复杂疾病，传统二维影像如同平面地图，难以清晰展现肿瘤与血管错综复杂的立体关系。团队引入并深度研发的计算机辅助手术系统（CAS）突破了这一局限。该系统基于患儿的影像数据，通过深度学习算法，自动识别并高精度分割肝脏实质、肿瘤病灶、肝动脉、门静脉、肝静脉及胆道等关键结构，这相当于为外科医生提供了患者体内的“透明解剖沙盘”。

目前该技术已成为团队处理复杂肝肿瘤的常规武器，将术前规划效率平均提升40%，剩余肝体积预测误差控制在5%以内，从源头上筑牢了手术安全边界。在团队开展国内首例儿童ALPPS（联合肝脏离断和门静脉结扎的二步肝切除术）时，正是凭借该系统对一期术后剩余肝体积代偿潜力的精确计算，团队才敢为一位肿瘤广泛侵犯的患儿制定分阶段手术策略，最终在成功根治疾病的同时，为其保留了宝贵的健康肝组织。

而在世界外科顶尖难题——连体儿分离手术中，对于胸腹相连、肝脏融合或血管共享的连体婴儿，传统影像难以清晰显示共享器官的内部结构关系，手术风险极高。该系统能够对连体儿共享器官、血管甚至骨骼结构进行一体化三维重建，清晰勾勒出每个婴儿的独立器官范围及共有结构的解剖分隔面。借助该技术，郑珊团队成功完成了全国数量最多的复杂连体儿分离手术，在术中最大程度地保全了每个患儿的器官功能与解剖完整性。

影像组学+手术机器人实现肿瘤诊疗智能闭环

如果说三维重建让医生“看得清”宏观结构，那么影像组学技术则赋予了医生“看得透”微观本质的能力。它通过高通量计算，从常规影像中提取海量肉眼无法辨识的纹理、形状及统计学特征，构建出表征肿瘤内部异质性、侵袭性等生物学行为的“数字指纹”。

针对儿童常见的腹膜后肿块鉴别诊断难题，尤其是鉴别神经母细胞瘤与肾上腺血肿，团队开发了基于深度学习与多种机器学习模型的智能诊断系统。该模型在测试中表现出色，例如支持向量机模型实现了AUC 0.985、准确率94.6%的卓越性能，其准确性显著超越了传统影像学评估甚至资深医生的经验判断。这相当于为医生配备了一台“数字活检仪”，能在无创条件下对肿瘤性质进行前瞻性评估，尤其为无法轻易进行创伤性活检的新生儿提供了关键决策依据。

精准的诊断与规划，最终需要落地为精准的操作。团队将影像组学分析的“智慧”与达芬奇手术机器人的“巧手”无缝衔接，形成了“精准规划智能执行”的完整闭环。例如，在面对一例肝门部巨大肝母细胞瘤时，术前系统不仅完成了精细的三维重建，还融合了肿瘤的影像组学特征，预判其与关键血管的粘连程度。术中该三维模型与规划路径被同步至达芬奇机器人控制台，外科医生在机器人提供的放大10倍、裸眼3D高清视野下，操控机械臂沿着预定规划路径进行毫米级的精细分离与切除，最终完整切除肿瘤，重要血管与胆道结构完好无损。

从“赋能工具”迈向“认知伙伴”

对于奋战在一线的外科医生而言，这套智能系统的价值远不止于工具层面的辅助。它正逐渐演变为一位深度参与临床决策的“认知伙伴”。在手术室，高保真的三维模型让医生在切开皮肤前，就已经对复杂变异解剖“了然于胸”，这种“预见性”极大地增强了术中的从容与掌控。在诊断室，影像组学模型提供的“数字活检”报告，与医生的临床经验形成有力互补，尤其在疑难病例的决策岔路口，提供了客观、定量的证据支持，推动诊断从“经验艺术”迈向“数据科学”。

复旦小儿外科团队的探索清晰地表明，当外科医学与人工智能深度交融，产生的变革是系统性的。它不仅提升了手术的安全性与精准度，更从根本上重构了疾病的诊疗逻辑与健康服务的可及性。在这条创新之路上，每一项技术的突破，最终都化为对患儿更小的创伤、更快的康复与更远的未来。