2026年5月，伦敦。一根内窥镜经鼻腔缓缓探入48岁患者Rhys Hibbert的颅底。在这个大小如弹珠的脑垂体区域，颈动脉、视神经和肿瘤被挤压在不足几立方厘米的空间里——偏1毫米，就是失明、中风或死亡。
但手术室里多了一双“眼睛”。
这双眼睛不是人类的。它由数百台垂体瘤切除手术训练而成，见过的病例比大多数外科医生一辈子遇到的还多。它实时分析内窥镜传来的每一帧画面，在屏幕上标记出血管和神经的位置，告诉主刀医生：这里安全，那里危险。
2026年8月27日，英国伦敦大学学院医院（UCLH）下属国家神经病学和神经外科医院（NHNN）正式公布这一消息。这是全球首例AI实时辅助脑外科手术。患者目前已经康复，视力得到保护。
两个故事，同一个缺口
一个父亲的“毫米级”赌注
Rhys Hibbert，48岁，贝德福德郡人，两个孩子的父亲，客户服务经理，社区志愿者。
18个月前他还身体健康，每天午休步行3.2公里。2024年某天散步时，他突然失去知觉倒在地上抽搐。脑部扫描发现，颅底长了一个11毫米的良性垂体瘤。肿瘤压迫视神经，不及时手术他将面临失明。
“虽然很多人都好心地提出帮助，但你不想成为别人的负担。”Hibbert告诉医生。症状在持续恶化——走路易绊倒、极度疲劳、眩晕、激素失衡——但真正的恐惧来自手术本身的风险。
垂体瘤切除术本身不是新技术，但手术区域紧邻颈动脉和视神经。临床数据显示，此类手术有25%至50%的几率无法完全切除肿瘤，0.5%至2%的几率伤及主要血管。传统做法中，外科医生只能依赖术前影像和自己的经验来导航。
Hibbert选择了参加临床试验。他成为全球第一个在AI实时辅助下接受垂体瘤切除手术的人。
“NHNN成立于1859年，是世界上第一家神经外科专科医院。对我来说，这家医院同样成为全球首家实施AI辅助神经外科手术的医院，非常合适。”Hibbert说。
十年经验，一台AI
主刀医生之一、UCL皇后广场神经科学研究所神经外科教授Hani Marcus在术后披露了一个残酷的数据。
英国普通外科医生平均一年做10到20台垂体瘤切除手术。而训练这个AI系统的数据，来自数百台此类手术的高清录像。
“这个AI是用数百台此类手术训练出来的，这一数字比大多数外科医生一辈子见过或做过的同类手术还要多，因此是一双可靠的眼睛。”——Hani Marcus教授
他用一句话捅破了一层窗户纸：外科医生的经验积累，本质上是一个“慢变量”。一个人从医学院毕业到独立主刀垂体瘤手术，至少需要8到12年的训练。而即便成为专家，每年操刀同类手术也不过两位数。
一位执业30年的外科医生，经历过的垂体瘤病例可能也只有300到600台。AI的学习曲线是线性的——它不会疲劳，每增加一台手术数据，判断力就净增一分。
AI凭什么进入手术室？
它不是来替代你的
公众对AI手术最大的想象，往往是“AI替医生开刀”。Marcus在多个场合明确否定了这个剧本。
“我们的长期目标是开发一种面向外科医生的ChatGPT。手术室里就能多一位专家，医生们需要时可以向其咨询——如果不认同，也可不予采纳。”他说。
这个定位是理解本次手术意义的关键。此次手术中的AI系统，不是自动驾驶系统，而是一副“增强现实眼镜”——它不做决策，不操控手术刀，而是在手术实时视频中将血管、神经、肿瘤边界用标注框标记出来，类似自动驾驶汽车识别行人和路标。
技术层面，这套由UCL霍克斯研究所（UCL Hawkes Institute）开发的AI系统，其核心能力建立在三个维度上。
数据底座。数百台经过精细标注的垂体瘤手术录像——每一帧画面中，血管、神经、肿瘤边界都被医学专家人工勾勒过。这是AI的“教科书”。系统技术负责人、UCL计算机科学系机器人学和AI副教授Sophia Bano博士说：“通过从数百个手术视频中学习，这个系统被暴露在外科病例广度上，超过了一个外科医生很多年才能积累的。”
实时推理。系统采用类似人脸识别的视觉AI技术，但识别对象换成了人体解剖结构。当内窥镜画面实时传输进来时，AI在毫秒级延迟内完成结构识别和标注。对比此前很多AI医疗系统只能分析术前静态影像，这是质变——它在“手术进行中”实时工作。
工业级硬件。系统运行在英伟达Clara IGX平台上，这是一个专为医疗设备场景设计的实时AI计算平台，支持低延迟推理，并具备医疗器械认证所需的工业级安全标准。这意味着AI不会因为计算延迟在关键时刻“卡顿”。
外科医生的“经验鸿沟”被撕开了
Marcus提供的那组数据——英国普外科医生一年10到20台垂体瘤手术——其实揭示了一个全球性行业痛点。
垂体瘤发病率约为每10万人3到4例。在美国和欧洲，这意味着大多数外科医生毕生处理的垂体瘤病例可能不超过500例。而在优质外科医生更为稀缺的发展中国家，很多基层医院每年垂体瘤手术量甚至不到10台。
经验不足直接推高风险。临床研究显示，在低手术量医院进行的垂体瘤手术，并发症发生率和肿瘤残留率显著高于高手术量中心。这不是医生的错——这是训练体系固有的局限：外科医生的经验积累，一天就是一天，一台就是一台，没有捷径。
AI的出现本质上做了一件极其朴素的事：把“高年资医生”的经验从时间和空间的束缚中解放出来，以数字形式实时部署到任何一台手术的手术室中。
它不替代外科医生的判断力和手感。但它缩小了一个现实：当A医生做过300台同类手术而B医生只做过30台时，AI的介入可以让B医生的“视野”瞬间接近A医生的水平。
从“AI辅助”到“外科医生的ChatGPT”
Marcus的“外科医生ChatGPT”愿景，比实时图像分析走得更远。
在他的设想中，未来的外科AI不仅是“眼睛”，更是“大脑”——需要查解剖结构时问它，遇到术中突发情况时问它，不确定最佳切除路径时问它。但它始终处于“被咨询者”的位置，最终决策权在医生手里。
“如果不认同，也可不予采纳。”这句话可能是整起事件中最重要的一句。
它精准击中了医学AI落地最大的障碍：信任鸿沟。医生不愿把关键决策交给一个无法理解逻辑的“黑箱”。而Marcus给出的方案是：让AI变成可验证、可推翻、可忽略的工具。只有当一个工具可以被拒绝时，它才真正值得被信任。
从产业生态看，这次手术背后站着一个多层次的联盟：NIHR（英国国家健康与护理研究所）提供临床试验基金和监管通道，谷歌提供资金支持，英伟达提供实时AI计算硬件平台，UCL负责核心算法研发，皇家外科医学院提供临床验证背书。
英国卫生创新大臣James Frith的表态也值得注意：“这是AI最好的例子：患者通过最新突破性技术获得了以前无法想象的医疗服务。AI需要适当的安全保护措施，我们将始终确保认真对待安全问题。”
政府层面的明确背书，对应的是英国政府“10年健康计划”中将科技创新纳入NHS核心战略的长期目标。
这意味着什么？
判断一：AI实时辅助手术的“iPhone时刻”正在到来。正如iPhone不是第一部智能手机，但重新定义了人机交互方式。此次手术的真正意义不是“AI做了手术”，而是“AI在手术关键环节中被验证为可靠工具”。未来3到5年内，实时AI辅助可能从“新闻”变成复杂外科手术的“标配”。
判断二：数据壁垒将决定AI医疗公司的价值。这套AI系统之所以有效，核心不在于算法多先进，而在于拥有数百台经过专业医学标注的手术视频。高质量医疗数据的获取难度和标注成本，比模型架构的复制难度高出一个量级。那些能持续积累并精细标注医疗数据的团队，将建立起最难逾越的护城河。
判断三：医生不会失业，但拒绝协作的医生将面临相对劣势。Marcus的“外科医生ChatGPT”本质上是一个经验倍增器。当一位医生可以用AI获得“相当于做过300台手术”的实时辅助视野时，手术精度和安全性上的差距将不再是“天赋或经验”的问题，而是“是否使用工具”的选择题。
判断四：监管和伦理问题会加速浮现。AI标注万一错了，谁来负责？当AI经过更多数据训练变得越来越可信，医生在决策分歧中能否真正保持“不予采纳”的自主权？这些在第一次成功时容易被欢呼声盖过的问题，在技术规模化后将变成无法回避的挑战。
“手术室里多了一位专家”——这不是AI替代人类的剧本。这是人类在毫米级战场上，为自己装上了一双看得更远的眼睛。
快报