医学26年：人工智能神经科学融合 查房课件

1发展背景：我从业26年亲历的神经科诊疗变革演讲人2026-05-02

发展背景：我从业26年亲历的神经科诊疗变革01AI与神经科学融合的临床核心应用场景02当前临床应用的现存问题与规范要求03目录

医学26年：人工智能神经科学融合查房课件各位神经内科的同仁、规培住院医师，大家好。今天的教学查房，我以自己从医26年的临床经历为线索，和大家讨论人工智能（AI）与神经科学融合的临床应用、现存问题与未来方向。我1998年进入神经内科工作，见证了这个学科从依赖经验判读、缺乏早期干预手段，到今天多模态数据整合、AI辅助精准诊疗的全过程，这26年的变化，与其说是技术的进步，不如说是两个原本就深度关联的领域——研究人脑的神经科学与模拟人脑的人工智能，从理论走向临床落地的必然结果。今天我将从发展背景、临床应用、现存问题三个维度展开，最后和大家总结我们临床工作者应该如何面对这场变革。01ONE发展背景：我从业26年亲历的神经科诊疗变革

1传统神经科诊疗的核心困境我刚参加工作的时候，神经内科被戏称为“诊断模糊、治疗无力”的科室，核心痛点我至今印象深刻：

1传统神经科诊疗的核心困境1.1早期病变识别难度极大神经科很多疾病的早期损伤是亚临床的，比如阿尔茨海默病（AD）的内嗅皮层萎缩、急性缺血性脑卒中的超早期缺血改变、低级别胶质瘤的轻度信号异常，在传统影像学上几乎无法通过肉眼识别。我工作第5年的时候收过一个58岁的健忘病人，当时做了头颅CT，全科室读片都认为是正常生理性老化，不到3年病人就进展到重度痴呆，再复查CT才看到明显的颞叶萎缩，这种遗憾我一直记到现在。

1传统神经科诊疗的核心困境1.2复杂临床数据人工分析效率极低那时候我们处理一个24小时长程脑电图，要人工逐帧标记异常放电，至少需要2-3小时，遇到夜间发作不典型的病人，甚至需要一整天的时间；做肌电图神经传导分析，也要人工逐个波形测量，效率极低，很多病人等不起结果，病情就被耽误了。

1传统神经科诊疗的核心困境1.3个体化诊疗缺乏量化依据传统神经科的预后判断、方案选择几乎完全依赖医生的个人经验，比如同样是颞叶癫痫，要不要手术、术后无发作概率有多少，不同医生的判断差异可以达到30%以上，病人往往要辗转多家医院才能得到结论。

2AI与神经科学融合的必然性两个领域的融合从一开始就有天然的逻辑基础：一方面，神经科学的核心研究对象是人脑的结构、功能与认知，本身就是人工智能的灵感来源，类脑AI的发展本身就依赖神经科学对人脑工作机制的破解；另一方面，神经科学面对的是亿级神经元的复杂系统，多模态临床数据的规模远远超过人工处理的极限，正好需要AI的算力和模式识别能力来挖掘价值。近10年来随着算力提升、本土化临床数据的积累，AI终于从实验室走向了我们的临床查房、日常诊疗，这是我最近5年感受最深的变化。讲完了我亲历的发展脉络，接下来我结合我们科室近3年的临床实践，具体讲解AI与神经科学融合在一线诊疗中的核心应用场景，这也是今天查房的核心内容。02ONEAI与神经科学融合的临床核心应用场景

1神经影像学的AI辅助精准判读影像学是神经科诊断的核心工具，也是AI落地最早、最成熟的领域，目前我们科室常规应用的场景主要有三个：

1神经影像学的AI辅助精准判读1.1急性脑卒中的超早期病灶识别与半暗带计算急性脑卒中的干预时间窗以分钟计算，超早期缺血灶在CT平扫上往往仅表现为皮髓质分界模糊，肉眼很难识别，我们现在用的本土化AI模型，可以在3分钟内完成病灶识别、缺血半暗带体积计算，准确率达到92%以上。上个月凌晨我急诊值班，收了一个48岁突发左侧偏瘫的病人，绿色通道CT平扫肉眼未见明确异常，AI1分钟就标出了1.2cm的超早期缺血灶，计算出可挽救半暗带体积为8.7ml，我们据此快速启动动脉取栓，术后第二天病人肌力就恢复到4级，这种精准快速的判断，放在10年前是完全不可能做到的。

1神经影像学的AI辅助精准判读1.2退行性神经病变的早期筛查AD、帕金森病等退行性病变的早期干预是改善预后的关键，AI可以自动完成脑区体积分割，定量计算内嗅皮层、海马体积，比人工肉眼判读的提前3-5年识别出高风险人群。去年我门诊看了一个62岁的退休教师，主诉就是近1年记不住刚安排的工作，家属认为是生理性健忘，常规MRI我读片没有发现明显异常，AI定量分析提示他的内嗅皮层体积比同龄健康人降低了28%，属于AD前体轻度认知障碍高风险，后来脑脊液Aβ42检测确实为阳性，现在早期启动了药物干预，半年下来认知功能稳定，没有进展，这要是放在20年前，这个病人只会被归为年纪大了记忆力下降，错过最佳干预窗口。

1神经影像学的AI辅助精准判读1.3颅内肿瘤的边界勾画与术前评估颅内胶质瘤的边界往往是浸润性生长，肉眼很难准确勾画，AI可以结合结构影像、功能影像的多模态数据，自动勾画出肿瘤的浸润边界，准确率比人工提高15%以上，为手术方案制定、放疗靶区规划提供了精准依据，我们科室近2年和神经外科合作，已经用这个技术完成了117例胶质瘤的术前评估，术后肿瘤全切率提高了12%。

2神经电生理的AI智能分析神经电生理是神经科功能评估的核心手段，也是AI提升效率的重要方向：

2神经电生理的AI智能分析2.1长程脑电图的异常放电识别现在我们科室常规做的24小时长程脑电图，原来人工标记需要2-3小时，AI可以在10分钟内完成全导异常放电的标记，还能定量分析放电的频率、起源位置，对于一些不典型的夜间放电，AI的识别准确率甚至高于高年资医师。去年我们收了一个16岁的不明原因晕厥病人，做了2次24小时脑电图，人工都没有发现异常放电，AI标记出了右侧额极的低频隐匿性放电，最终确诊为额叶癫痫，精准用药之后再也没有发作过。

2神经电生理的AI智能分析2.2肌电图的神经损伤定位对于周围神经病、臂丛神经损伤的病人，AI可以自动分析肌电图的运动单元电位，快速定位损伤的神经节段，原来人工分析需要1小时以上，现在10分钟就能出结果，大大缩短了病人的等待时间。

3基于多模态数据的个体化诊疗与预后预测AI最大的优势就是整合多维度的临床数据，给出量化的预后判断，解决传统经验医学的不确定性：

3基于多模态数据的个体化诊疗与预后预测3.1脑血管病的复发风险分层对于首发缺血性脑卒中的病人，AI可以整合病人的影像、血压、血糖、基因、生活习惯等17项指标，把病人分为低、中、高复发风险，准确率达到88%，我们可以对高风险病人强化二级预防，低风险病人减少过度用药，实现精准分层管理。

3基于多模态数据的个体化诊疗与预后预测3.2难治性癫痫的手术获益预测难治性癫痫病人要不要做手术，一直是临床的难点，AI可以整合病人的影像、脑电图、基因、发病年龄等12项指标，定量预测术后1年无发作的概率。上个月我们有一个42岁的颞叶癫痫病人，传统评估认为病灶边界不清，手术成功率不到50%，AI预测术后无发作概率为87%，病人最终选择手术，现在术后3个月，没有再发癫痫，效果非常好。

4AI辅助神经功能康复的精准调控神经康复现在也是AI融合的重要方向，我们科室和康复科合作，现在用AI适配的康复机器人，可以根据病人卒中后的运动功能损伤程度，实时调整训练强度和方案，比传统康复方案，病人运动功能恢复的有效率提高了21%；对于认知障碍的病人，AI可以根据病人的认知缺损维度，定制个性化的认知训练方案，比统一训练的效果好很多。讲完了临床应用的具体场景，我们必须清醒地认识到，AI与神经科学融合还处于早期发展阶段，临床应用中还有很多待解决的问题，接下来我就和大家梳理我们临床工作中需要警惕的问题。03ONE当前临床应用的现存问题与规范要求

1数据偏倚导致的模型泛化性不足目前很多开源AI模型的训练数据以欧美人群为主，中国人群的脑体积、颅型、疾病谱都有差异，很容易出现判读错误。我上个月就遇到一例：病人是56岁南方女性，身材偏小，脑容量比欧美人群平均水平小10%左右，AI模型直接给出了“重度脑萎缩，AD高风险”的判读，但是我们结合病人的认知评估、脑脊液检查，完全排除了AD，就是模型数据偏倚导致的错误。所以我们临床工作中，永远不能把AI的结果当成最终结论，必须结合临床实际验证，对于有偏差的结果，要及时反馈给算法团队，优化模型，这也是我们临床工作者对这个领域发展的贡献。

2临床决策的责任界定不清晰目前我国还没有明确的法规规定，AI辅助诊断出现错误，责任是归医生、医院还是算法研发企业？这种模糊性要求我们临床工作者必须守住底线：AI永远是辅助工具，最终的诊断、决策必须由我们临床医生做出，任何时候都不能完全依赖AI，放弃自己的临床判断。

3神经数据的隐私保护风险神经科的临床数据涉及病人的认知功能、基因、脑结构，属于非常敏感的个人隐私，AI模型训练需要大量数据，我们必须严格遵守隐私保护法规，对数据进行脱标识处理，不能泄露病人的个人信息，这是我们的职业底线。

4过度依赖AI导致的临床能力退化我最近观察到年轻规培医师，有了AI读片之后，自己读片的能力下降了，遇到AI没有提示的异常，就容易漏诊。这是非常危险的，AI是工具，我们的临床思维、读片能力是立身之本，永远不能丢。讲完了应用和问题，最后我结合自己26年的从医经历，对今天的内容做一个总结。总结：医学26年，AI神经科学融合的本质与未来今天我结合自己从医26年的亲身经历，从传统神经科的诊疗困境，讲到AI与神经科学融合的发展必然，再梳理了临床应用的具体场景，最后明确了我们临床工作者需要面对的问题和守住的底线。核心思想可以概括为三句话：第一，AI与神经科学的融合，是神经医学发展的必然方向，它解决了传统神经科早期识别难、效率低、个体化不足的核心痛点，给我们带来了前所未有的技术能力，也给无数病人带来了早期诊断、精准治疗的希望；第二，

4过度依赖AI导致的临床能力退化AI永远是临床工作的辅助工具，它不能取代我们的临床判断，更不能取代我们对