在医学的前沿地带，郑珊团队通过引入人工智能（AI）技术，把小儿外科的诊疗水平从“毫米级”精准推到了“预见性”的新阶段。小儿外科一直被称为是“在米粒上雕花”的高难度工作，因为患儿的器官非常小且脆弱，生理代偿能力有限。过去的手术只能靠医生的经验来进行，评估和规划不够精确，预后难以预测。但是随着人工智能和数字技术的发展，这种局面正在改变。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，针对临床痛点系统构建了一套覆盖整个流程的数字外科体系。通过AI三维重建、影像组学分析还有手术机器人等技术的结合，他们把手术的精确度提高到了毫米级别，而且在全球范围内率先实现了复杂疾病的预见性诊疗，为中国小儿外科迈向精准化和智能化提供了坚实的基础。 AI三维重建给复杂手术装上了“透视眼”，让医生能看到肿瘤和血管的立体关系。传统的二维影像像平面地图一样，无法清晰展示这种关系。郑珊团队引入了计算机辅助手术系统（CAS），这个系统利用深度学习算法从患儿影像中识别出肝脏、肿瘤、血管等关键结构，为外科医生提供了患者体内透明的解剖沙盘。目前这个技术已经成为处理复杂肝肿瘤的常规工具。 这个系统能够把术前规划效率提高40%，预测剩余肝体积的误差控制在5%以内。在一次国内首例儿童ALPPS手术中，CAS系统精确计算出一期术后剩余肝体积代偿潜力，让郑珊团队敢为肿瘤广泛侵犯的患儿制定分阶段手术策略。 对于连体儿分离手术这种世界难题，CAS系统也表现出色。它能对连体儿共享器官、血管和骨骼进行一体化三维重建，帮助医生在手术中最大程度保全每个患儿的器官功能和解剖完整性。 在这个过程中，郑珊团队还开发了基于深度学习和机器学习模型的智能诊断系统来解决腹膜后肿块鉴别诊断难题。他们用影像组学技术从常规影像中提取特征来构建表征肿瘤生物学行为的“数字指纹”，这种方法比传统影像学评估更准确。 这个智能诊断系统在测试中表现出色。比如支持向量机模型实现了AUC 0.985，准确率达到94.6%，准确性超过了资深医生的经验判断。这种“数字活检仪”能让医生在无创条件下对肿瘤性质进行前瞻性评估。 复旦大学附属儿科医院普外科诊疗中心还将影像组学分析和达芬奇手术机器人结合起来，形成了精准规划智能执行的完整闭环。比如在面对一例巨大肝母细胞瘤时，术前系统不仅完成了精细三维重建还预测了肿瘤与血管的粘连程度。 术中机器人放大10倍视野提供裸眼3D高清画面帮助医生毫米级精准分离切除肿瘤。这些技术让医生在切开皮肤前就对复杂变异解剖“了然于胸”，增强了术中的掌控能力。 在诊断室里，影像组学模型提供的客观证据支持推动诊断从经验艺术转向数据科学。 郑珊团队的探索表明人工智能和外科医学深度交融产生系统性变革。这些技术突破最终给患儿带来更小创伤、更快康复和更远未来。