人工智慧進入髖關節置換手術室，VELYS 導航系統在美上市

全髖關節置換術早已是成熟手術，但它仍高度依賴術中判讀與定位：骨盆角度、腿長、植入物位置，每一個細節都會影響術後活動度、脫位風險與病人感受到的「兩腳是否一樣長」。在這個講求毫米與角度的場景裡，人工智慧若要有意義，必須落在具體工作上，而不是停留在抽象的診斷想像。

Johnson & Johnson 旗下 DePuy Synthes 6 月 9 日宣布，VELYS Hip Navigation with AI Assistance 已在美國商業上市。這套軟體用於全髖關節置換術中，協助自動解讀影像並辨識解剖標記，讓醫師在植入人工髖關節時取得較一致的導航參考。

依公司說法，這項 AI 輔助功能可自動化原本需要手動完成的影像判讀與 landmark identification，也就是在手術影像中找出特定解剖點。這些點位是計算骨盆方位、評估杯體位置與追蹤腿長變化的重要基礎；若辨識方式更穩定，理論上可減少不同操作者之間的落差。

DePuy Synthes 引述的資料顯示，系統能帶來可重現的標記辨識，且相較手動流程可讓工作流程時間減少 57%。這是一個相對具體的效率指標，但目前公開資訊仍不足以判斷研究設計、樣本規模、比較條件與臨床終點，因此不應直接解讀為病人預後已有同等幅度改善。

更精確地說，這類手術 AI 的核心價值在於降低術中認知負擔與流程變異，而不是自行做出醫療決策。外科醫師仍需整合病人的解剖差異、骨質狀況、術前規劃與即時手感；導航系統提供的是量測與對位輔助，最後責任仍在臨床團隊。

這項上市也顯示，醫療 AI 正從影像科與病理判讀，逐步延伸到骨科手術平台。相較於大型語言模型在醫療問答中的不確定性，術中導航的任務較窄、輸入較受控，較容易被工程化與驗證；但它同樣需要面對不同醫院設備、手術習慣、病人體型與影像品質造成的落差。

接下來真正需要補上的，是更透明的臨床資料：AI 辨識失敗時如何提示、哪些族群或解剖條件最容易出錯、效率提升是否會轉化為較少併發症或更穩定的植入位置。對骨科手術室而言，AI 的門檻不在於名稱是否新穎，而在於它能否在重複、緊張且不可重來的流程中，持續給出可靠而可被醫師校正的答案。