医学26年：人工智能内分泌科应用 查房课件

202XLOGO1临床应用背景与概述演讲人2026-05-01CONTENTS临床应用背景与概述人工智能在内分泌科日常查房中的核心基础应用人工智能在内分泌科复杂病例查房中的进阶应用人工智能内分泌科查房应用的边界与核心原则总结目录医学26年：人工智能内分泌科应用查房课件01临床应用背景与概述临床应用背景与概述我从事内分泌科临床工作整整26年，从刚入职时手工绘制血糖曲线、翻找摞齐半人高的纸质病历完成查房，到如今信息化系统覆盖全流程、人工智能成为日常查房的常规辅助工具，我亲眼见证了技术给内分泌临床工作带来的改变。近年来人工智能技术快速落地临床，早已脱离了概念阶段，成为我们查房工作中提升效率、优化决策的实用工具。今天我将结合自己多年的临床实践经验，从基础应用到复杂场景，再到临床应用的边界，全面梳理人工智能在内分泌科查房中的应用价值与注意事项。接下来，我先从日常查房中人工智能最常用的核心基础应用展开介绍。02人工智能在内分泌科日常查房中的核心基础应用人工智能在内分泌科日常查房中的核心基础应用日常查房是内分泌科临床工作的核心，人工智能的介入最先改变的就是常规查房的效率与精准度，目前已经覆盖预查房到查房决策的全流程：1预查房环节的病历整合与风险分层预查房是查房前的核心准备工作，以往管床医师收治8~10名患者后，需要逐一梳理患者既往病史、院外用药史、入院后的检验检查结果，梳理异常信息，整个过程往往需要2~3小时，还容易遗漏关键信息。如今，人工智能可以在患者入院后2小时内，自动整合跨机构的既往诊疗数据、入院后的所有检验检查结果，提炼核心异常信息，还能根据患者的年龄、血糖水平、合并症情况自动完成风险分层，将合并急性并发症、高龄危重症的患者标记出来，优先安排查房处理。去年冬季流感高发期，我所在医疗组一天收治了13名老年糖尿病患者，人工智能提前标记出一名82岁合并严重低钠血症、随机血糖29.3mmol/L的患者，我们提前启动急救流程，在正式查房前就完成了补液、降糖等初始处理，避免了病情进展为酮症酸中毒，这在以往依靠人工梳理的阶段是很难做到的。2血糖波动的智能解析血糖管理是内分泌科日常查房的核心内容，随着连续葡萄糖监测（CGM）的普及，一名患者一周的CGM可产生上千个血糖数据，以往我们需要人工计算目标范围内时间（TIR）、血糖标准差、平均血糖等指标，不仅耗时还容易出现误差。人工智能可以自动分析CGM数据，生成可视化的血糖波动曲线，直接标记出无症状低血糖、餐后高血糖、黎明现象/苏木杰反应等特殊血糖模式，查房时无论是给患者解释还是调整方案都非常直观。上周我查房时碰到一名一直空腹血糖控制不佳的患者，人工智能绘制的血糖曲线清晰显示该患者凌晨2~4点存在无症状低血糖，后续出现低血糖后反跳性高血糖，也就是苏木杰反应，我当即减少了睡前降糖药物的剂量，三天后患者空腹血糖就恢复到了目标范围，避免了我之前经验性判断为黎明现象、增加药物剂量的错误。3慢性并发症的早筛预警内分泌科最常见的疾病糖尿病，会累及全身多器官，慢性并发症的早筛早治是改善患者预后的关键。人工智能可以整合患者的眼底照片、肾功能指标、神经传导速度、踝肱指数等多维度数据，自动对糖尿病视网膜病变、糖尿病肾病、糖尿病周围血管病变等常见并发症进行分期，还能预测患者未来5~10年发生终末期肾病、失明等不良结局的风险，我们查房时可以根据预警结果，提前给患者制定干预方案，真正实现并发症的三级预防。讲完日常查房中的基础应用，我们可以看到人工智能已经解决了很多常规工作中的痛点，大幅提升了查房效率，而针对临床中经常碰到的复杂疑难病例，人工智能也展现出了独特的辅助价值，接下来我介绍人工智能在复杂病例查房中的进阶应用。03人工智能在内分泌科复杂病例查房中的进阶应用1特殊人群的个体化诊疗方案制定内分泌科存在大量特殊人群，比如妊娠糖尿病患者、老年脆性糖尿病患者、合并慢性肾功能不全的糖尿病患者，这类人群的血糖控制目标、用药禁忌个体差异极大，哪怕是高年资医师也很难完全匹配最新指南的推荐，很容易出现经验性偏差。人工智能可以整合患者的年龄、孕周、肾小球滤过率、合并用药情况、过敏史等所有信息，匹配最新的国内外指南共识，还能匹配同特征人群的诊疗数据，给出个体化的方案推荐。前年我接诊过一名孕22周的妊娠糖尿病患者，该患者孕前有10年多囊卵巢综合征病史，合并桥本甲状腺炎，促甲状腺激素已经控制在目标范围，但空腹、餐后血糖均不达标，患者体重偏轻，担心大剂量胰岛素影响胎儿，拒绝加量。人工智能结合该患者的BMI、日常运动量、饮食习惯，给出了分餐调整联合低剂量门冬胰岛素三餐前注射的方案，我们微调后应用，整个孕期患者血糖稳定在目标范围，没有出现低血糖，最终足月分娩了健康婴儿，结局非常好。2罕见内分泌疾病的辅助鉴别诊断内分泌领域有超过100种罕见病，这类疾病早期临床表现不典型，非常容易漏诊误诊，年轻医师更是缺乏诊断经验。人工智能可以将患者的症状、激素水平、影像结果、基因检测结果等多维度信息整合，与百万级的病例数据库比对，给出排序靠前的鉴别诊断方向，帮助我们缩小诊断范围。去年我科室收治了一名31岁的年轻男性，以持续性高血压伴间断低血钾入院，肾上腺CT提示左侧肾上腺有一个1.2cm的结节，我们最初根据经验考虑为特发性醛固酮增多症，建议药物保守治疗，人工智能整合患者的激素水平、血钾、结节大小等信息后，匹配了近200例相似病例，提示醛固酮腺瘤的概率超过85%，建议手术治疗。我们后续完善了分型检查，确认了AI的判断，患者术后病理证实为醛固酮腺瘤，术后不需要服用降压药，血压完全恢复正常。3长期慢病随访的动态整合管理内分泌科绝大多数疾病都是慢性疾病，很多患者随访时间超过十年，甚至几十年，以往查房随访时，我们需要翻找十几本病历，很难快速梳理出疾病的进展趋势。人工智能可以将患者十几年的血糖、甲状腺功能、用药情况、并发症检查结果整理成动态变化曲线，我们查房时一眼就能看到疾病的进展趋势，及时调整方案。上个月我带教查房时碰到一名随访11年的2型糖尿病患者，AI整理的曲线显示患者近3年尿微量白蛋白/肌酐比值持续升高，哪怕血压一直控制在140/90mmHg以下，仍然呈现进展趋势，AI提示我们需要把血压控制目标调整到130/80mmHg以下，换用RAS阻断剂加倍剂量，我们调整方案后，三个月复查尿微量白蛋白就出现了下降，有效延缓了糖尿病肾病的进展，学生也通过这个动态曲线，非常直观地理解了慢病管理的动态性，学习效果远好于书本讲解。3长期慢病随访的动态整合管理我们已经从基础到复杂场景梳理了人工智能的应用价值，不可否认人工智能给我们的查房工作带来了很多便利，但作为一名临床工作26年的医师，我也深刻体会到，人工智能终究是辅助工具，我们必须明确它的应用边界，守住临床工作的核心原则，接下来我谈一谈人工智能应用的注意事项。04人工智能内分泌科查房应用的边界与核心原则1人工智能无法替代临床医师的体格检查与人文沟通人工智能只能整合已经录入系统的结构化数据，无法获取患者没有主动告知的信息，更没法替代体格检查发现阳性体征。去年我碰到一名2型糖尿病患者住院调糖，人工智能分析显示患者用药依从性差，血糖波动大，建议直接升级降糖方案。我查房时仔细询问了患者的不适，给患者做了全面的体格检查，发现患者足背动脉搏动减弱，下肢感觉减退，追问后才知道患者因为糖尿病周围神经病变，夜间疼痛难以入睡，睡眠不好才导致血糖波动，并不是不依从用药。我们给患者加用了镇痛、营养神经的药物，患者睡眠改善后，不升级降糖方案血糖就稳定了，这个病例也让我更深刻地意识到，患者的主观感受和体格检查的信息，永远是临床决策不能缺少的部分。2需警惕训练数据偏倚对AI决策的影响目前国内应用的很多AI模型，训练数据多来源于欧美人群，而中国2型糖尿病患者的疾病特点和欧美人群差异较大，我们更多表现为餐后高血糖，整体BMI更低，合并超重肥胖的比例更低，AI有时候给出的方案会偏重于大剂量用药，我们一定要结合中国人群的指南和疾病特点进行调整，不能完全照搬AI的推荐。4.3带教查房中AI需定位为辅助工具，不能替代临床思维训练现在很多年轻医师已经习惯直接看AI给出的结论，不愿意自己动脑分析病例，这对年轻医师的成长非常不利。我们带教查房时，要求学生必须先自己分析病例、给出诊断和方案，之后再拿出AI的结果进行对比补充，AI只能作为拓展思路的工具，不能替代学生的临床思维训练。05总结总结回顾我26年的内分泌科临床生涯，人工智能从一个遥远的科研概念，变成了今天我们日常查房中不可或缺的辅助工具，它在提升查房效率、优化常规决策、辅助疑难病例诊