肾结石是泌尿系统的常见疾病，全球发病率呈上升趋势。输尿管软镜手术（Flexible ureteroscopy,FURS）作为当前泌尿系结石治疗的主要微创手段，创伤小、恢复快，但术中依赖泌尿外科医生肉眼识别结石，易受个体经验和疲劳度的影响。这种依赖性不仅增加了手术操作难度，更可能导致患者体内结石碎片残留，进而增加术后结石复发、泌尿道感染及再次手术的风险。该术式的成功关键，在于医生能否准确识别、分类并清除结石碎片。然而，这一过程常因肾脏内部复杂的解剖变异和结石自身的特性而变得极为复杂，因此，泌尿外科医生急需一套人工智能辅助系统来提高该手术的成功率，减少“残留结石率”与“术后并发症发生率”。

为解决这一难题，深圳技术大学人工智能学院黄炳顶特聘教授团队与中国人民解放军总医院第三医学中心泌尿外科张旭院士、麦海星教授团队，共同研发基于人工智能的肾结石智能检测系统AiFURS。项目团队创新性地将YOLO目标检测算法与BoT-SORT多目标跟踪框架集成于临床手术中，为内窥镜赋予了“智慧之眼”，能够实时追踪与定位手术视野中的结石。在此基础上，该系统能进一步准确识别结石的成分、尺寸和数量三维信息，从而为临床医生实施激光碎石手术提供精准、实时的辅助。

图1. AiFURS肾结石检测与分析的技术流程图

为评估AiFURS在真实临床环境中的表现，团队对其进行了系统性的临床验证。首先通过大规模体外实验，验证AiFURS在识别结石尺寸和数量方面的能力。进而，又通过内部（100例）与外部（80例）临床验证，评估AiFURS在结石成分分类以及预测二次手术风险上的准确性与泛化能力。临床验证结果表明，AiFURS能够在内窥镜下精确识别结石的尺寸和数量，其成分识别能力超越了许多经验丰富的临床医生。该系统能有效预测二次手术风险、评估手术最终效果，从而有助于减少手术时间并降低术后并发症发生率。

未来，团队将继续深耕精准手术医疗领域，进一步探索AI技术的临床转化与应用，提升诊疗效果，使更多患者受益。

图2. AiFURS系统的总体研究示意图

该研究成果于2025年11月发表在国际顶级期刊npj Digital Medicine期刊（Nature子刊，影响因子：15.1）。深圳技术大学人工智能学院X-Talent学生梁浩民，副研究员Rashid Khan与301医院的王晨峰，陈海瑞为该论文的并列第一作者，黄炳顶教授与301医院的张旭院士、麦海星主任以及广东科技学院的赵敏教授为共同通讯作者。研究得到了深圳市科创委、深圳医学研究专项资金等项目的支持。该成果为输尿管软镜手术的智能化应用提供了新思路，具有重要的临床转化价值。

全文链接：

https://www.nature.com/articles/s41746-025-02109-9

稿件来源：人工智能学院