AUA 2026：AI 和机器人都到了，但它们还没见过面

621 篇摘要。这是 AI 与机器人手术在 AUA 2026 的合计足迹——231 篇 AI 加上 405 篇机器人，扣除 15 篇交集。对照一下：整场会议涵盖泌尿科全领域共 3,200 篇摘要（1,835 篇有全文，其余依标题与 session 信息分类）。今年每五篇论文就有一篇碰到机器人或算法。

AUA 现在有了专属的 AI session——IP04——收录 27 篇摘要。数量不大，但行政信号很重要。它代表议程委员会判定 AI 不再是散落在其他 session 里的零星好奇，而是一个类别。类别会拿到预算、讲台时间和每年的固定邀请。同样的事十年前发生在机器人手术身上，后来怎么发展的我们都知道。

分布说了第二个故事。AI 摘要聚集在影像、病理和临床决策支持。机器人摘要聚集在技术、结果和平台比较。两个聚集占据同一栋建筑里的不同房间。它们共用一个会议中心，但不共用一份研究议程。这个分隔就是本篇报道接下来各节要追踪的结构性观察。

机器人手术这一区最显眼的变化不是一项新技术，而是一场平台迁移。单孔机器人手术在这次会议产出 105 篇摘要，成为摘要数量最多的机器人子类别——数量已多于 robot-assisted radical prostatectomy（RARP，98 篇）。RARP 是泌尿机器人手术的旗舰术式，统治了整整二十年。不过，单孔的临床适应症仍较窄，学习曲线也比多孔系统更陡。摘要数量上的超越反映的是一个领域已经走过「单孔到底行不行」的阶段，现在在问「它能多快扩展」。

新进入者很重要。Hugo RAS——Medtronic 的机器人平台——出现在 12 篇摘要里，属于早期信号，尚不构成采购决策的实证基础，但已是第一批来自 da Vinci 正式竞争对手的有意义临床数据。TOUMAI（MicroPort）贡献 5 篇，Hinotori 再加 2 篇。这些都不会在一夜之间取代 Intuitive。但三个替代平台现在都在 AUA 上生成了同行审查的数据，这件事本身就改变了在场每一个医院采购委员会的谈判位置。手术机器人的竞争谈了十年，一直停在理论层面。现在它正在变成实证。

有一个比值比任何平台数字都更深刻。在全部 405 篇机器人手术摘要里，outcomes 研究与 technique 描述的比例大约是二比一——228 对 135。（摘要数量反映的是研究兴趣的规模，不等于证据质量。）一个主要发表 outcomes 的领域，已经通过了概念验证阶段。它不再争辩机器人手术做不做得了。它在测量——跨机构、跨患者族群——做得多好。这个成熟标记在议程手册里很容易漏看。它是机器人这一区最重要的数字。

大型语言模型来到 AUA 的方式跟它们去到任何地方一样——很快、很热烈、没有共同框架。51 篇摘要提到 GPT、LLM 或某个具名的大型语言模型。它们横跨临床决策支持、病理报告判读、患者健康教育素材生成、手术规划辅助，以及 AI 生成建议中的偏见检测。多数是单中心、概念验证或回顾性基准测试。广度令人印象深刻。深度不是。

多数研究遵循一个可辨识的模式：拿一个临床问题，喂给 GPT-4 或同等模型，把输出和专家共识或指南建议比对，报告一致率。另一个较小但正在增长的子群做的是反面——测试 LLM 在哪里失败、产生幻觉、或复制泌尿科照护中的既有偏见。这些局限性研究可能比一致率论文更有价值，因为它们在画一个工具的边界，而不是它的最佳表现。但两边都没有产出经过验证的临床部署。这次会议没有任何摘要报告一个整合进实时临床工作流程、附带前瞻性结果数据的 LLM。

这个缺席不是失败。它是一个时间戳。这个领域还在问问题的阶段，不在出货答案的阶段。51 篇摘要说泌尿科在关注 LLM。零个验证部署说它还没想清楚要拿它们来做什么。注意力和实施之间的落差，就是接下来两年的工作会——或者不会——发生的地方。

这里有一个数字应该让两边阵营的人都坐不住。在这次会议的 231 篇 AI 摘要和 405 篇机器人手术摘要里，只有 15 篇坐在严格交集——涵盖结果预测、手术记录分析或手术阶段辨识等 AI 方法与机器人手术同时出现的研究。621 篇里面的 15 篇，占合计足迹的 2.4%。手术科技中最自然的配对——智能软件引导精密硬件——在这份议程上几乎没有存在感。

Computer vision 总共 23 篇摘要，其中多数涉及的是诊断影像而非术中手术引导。Training 与 learning curve 文献规模更大——44 篇摘要——也是 AI 整合最肥沃的土壤。自动化手术技能评估、已录制手术的阶段辨识、学习曲线完成的预测模型，这些在技术上今天都做得到。少数几篇摘要有探索。但 AUA 2026 的标准 training 研究，仍然使用人类导师、主观评分、回顾性病例审查。AI 工具存在。训练管线还没采用它们。

这个模式在每一个机器人亚专科都重复。Robotic partial nephrectomy（47 篇摘要）可以受益于 AI 辅助的肿瘤分割与灌注图像。Robotic cystectomy（32 篇摘要）可以用自动化淋巴结辨识。单孔手术——增长最快的类别——可以利用实时器械追踪来补偿自由度减少的限制。每一种情况里，计算机科学的论文都已经发表了。外科的应用没有。这不是技术落差。这是工作流程整合的落差。许多算法展现了有前景的单中心结果。手术室还没给它们留位子。

AUA 2026 讲了一个故事：两项技术在同一栋房子里长大，却没有交谈。机器人手术已经成熟——以结果为导向、多平台、正从旗舰术式扩展，单孔成为最受关注的子类别。AI 正在到来——231 篇摘要、一个专属 session、LLM 正在产生真实的研究兴趣。但交集近乎空白。621 篇里的 15 篇不是一个小缺口。是一个结构性的落差。

原因比数字更重要。机器人手术医师发表的是他们用现有工具能测量到的东西。AI 研究者发表的是他们在现有数据集上能展示的东西。两边都没有建好基础设施，把一个算法放进实时手术工作流程、然后测量结果。瓶颈不是算法性能——手术阶段辨识的 computer vision 模型在研究环境里已经有很高的准确率。瓶颈是工作流程整合：从机器人到模型的数据管线、术中 AI 的法规许可、实时决策支持的机构审查，以及外科医师对他们没亲手训练的系统的信任。

这个整合层——把经过验证的 AI 工具连接到需要它们的手术工作流程——就是泌尿科创新下一阶段会赢或会输的地方。AUA 2026 展示了一个同步采用两种技术的专科。它同时也展示了一个尚未问自己那个困难问题的专科：要让它们一起运作，需要什么？工具都在这栋大楼里了。接线还没有。这就是前方的工作。