World journal of transplantation 2026年9月18日本文综述了人工智能与机器学习在移植外科诊疗路径各阶段的应用，涵盖术前解剖评估、移植物重量估算与候选者选择，术中大量输血、出血和急性肾损伤预测及机器人辅助手术，术后脓毒症、肺炎和移植物功能障碍的早期预测与长期监测，以及高光谱成像和自动组织病理评估等交叉创新，并指出多模态模型可整合电子健康记录、术中信号、超声与组织学信息，但临床转化仍需严格验证、数据集多样性和伦理与监管治理。本文综述了人工智能与机器学习在移植外科诊疗路径各阶段的应用，涵盖术前解剖评估、移植物重量估算与候选者选择，术中大量输血、出血和急性肾损伤预测及机器人辅助手术，术后脓毒症、肺炎和移植物功能障碍的早期预测与长期监测，以及高光谱成像和自动组织病理评估等交叉创新，并指出多模态模型可整合电子健康记录、术中信号、超声与组织学信息，但临床转化仍需严格验证、数据集多样性和伦理与监管治理。人工智能与机器学习在移植外科诊疗路径中的应用本文综述了人工智能与机器学习在移植外科诊疗路径各阶段的应用，涵盖术前解剖评估、移植物重量估算与候选者选择，术中大量输血、出血和急性肾损伤预测及机器人辅助手术，术后脓毒症、肺炎和移植物功能障碍的早期预测与长期监测，以及高光谱成像和自动组织病理评估等交叉创新，并指出多模态模型可整合电子健康记录、术中信号、超声与组织学信息，但临床转化仍需严格验证、数据集多样性和伦理与监管治理。本文综述了人工智能与机器学习在移植外科诊疗路径各阶段的应用，涵盖术前解剖评估、移植物重量估算与候选者选择，术中大量输血、出血和急性肾损伤预测及机器人辅助手术，术后脓毒症、肺炎和移植物功能障碍的早期预测与长期监测，以及高光谱成像和自动组织病理评估等交叉创新，并指出多模态模型可整合电子健康记录、术中信号、超声与组织学信息，但临床转化仍需严格验证、数据集多样性和伦理与监管治理。