人工智能与神经内科诊疗的结合：现状、挑战与未来展望.pdfVIP

北京医学2025年第47卷第5期:361:

·述评·

人工智能与神经内科诊疗的结合：现状、挑战与未来展望

卫华李存江

近年随着人工智能（artificialintelligence，AI)技术的快速发展，其在医疗领域的应用日益广泛，AI不仅能够

辅助医生进行疾病诊断和治疗决策,还能优化医疗流程,提升患者管理效率。本文将探讨AI在神经内科中的应

用现状、面临的挑战以及未来的发展方向。

一、AI在神经内科中的应用现状

1.医疗流程与患者管理优化：AI技术在医疗流程优化和患者管理方面取得了显著成效。例如，深度求索

(deepseek)系统已在多家医院应用，缩短了医生书写门诊病历及住院记录的时长,提升了病历书写、住院及出院

记录的生成效率。此外，AI还通过智能化的随访系统,增强了患者的健康管理效能。

2.影像分析与疾病诊断：AI在神经内科的疾病诊断中发挥了重要作用，尤其是在影像分析领域，通过深度

学习技术，AI能够自动识别脑部影像中的异常，如卒中、脑血管狭窄等，显著提高了诊断的准确性和效率。例

如,AI技术通过三维(three-dimensional,3D)病理结构解析,实现了阿尔茨海默病患者大脑β-淀粉样蛋白(amy-

loidβ-protein，Aβ)斑块的超分辨率可视化，为早期诊断提供了重要依据。

3.个性化治疗与预测：AI通过分析患者的病史、临床数据和基因,能够为患者的常见疾病提供个性化的治

疗建议。例如,AI可以预测帕金森病患者症状的发展，帮助医生制订更精准的治疗计划。此外,AI还在药物研

发中发挥了重要作用,通过分析脑部疾病相关基因和蛋白质信息,加速了药物筛选过程。

二、AI在神经内科中面临的挑战

1.技术局限性：尽管AI在辅助诊断、影像分析和数据整合方面展现出强大的能力，但在神经内科复杂疑难

病的治疗中,其技术局限性仍然存在，无法完全替代医生的临床判断和经验。神经内科疑难罕见病往往具有病

因复杂、症状不典型、诊断困难等特点,AI的决策依赖于现有的数据，难以应对复杂多变的临床情况。例如,AI

在医生诊疗中的应用尚无法完全替代医生详细的病史询问、全面的神经系统查体，这是诊断疾病不可缺少的重

要因素。

2.非典型症状的识别：疑难罕见病的症状常常不典型或与其他疾病重叠，如脑炎与精神障碍、遗传罕见病

与神经退行性疾病等症状的识别。AI的诊断依赖于已有的训练数据，而疑难病的罕见性和多样性可能导致AI

模型缺乏足够的样本支持，从而出现误判。例如，脑炎或认知障碍性疾病可能被误诊为精神科疾病，若AI对非

特异性症状（如性格、人格改变)的权重不足，或未整合其他实验室及影像学检查结果，就可能导致误诊漏诊。这

些非典型症状的识别与鉴别离不开医生丰富的临床经验。

3.动态病情管理：神经系统疑难病的病情往往复杂多变，需要医生根据患者的实时反应及时调整诊疗方

案。AI的决策基于静态数据，缺乏动态病情评估与个体化诊疗方案的调整，难以适应临床动态变化。例如，多

系统萎缩与进行性核上性麻痹、帕金森病等疾病的鉴别往往需要长期随访观察症状演变，而AI难以替代医生的

纵向临床观察。另外,疾病的治疗需根据患者症状的变化、合并症、药物不良反应、患者耐受性等动态调整方案，

而AI也无法像医生一样综合评估患者的整体状态。

4.循证依据的罕见病决策：神经内科许多疑难罕见病的诊疗依赖医生丰富的临床经验、专家共识或小样本

研究，而非大规模循证医学证据。AI的算法通常基于现有公开数据，对很多疑难罕见病可能无法提供可靠

作者单位：100053北京，首都医科大学宣武医院神经内科

通信作者：李存江，Email:lcj818@

D0I:10.15932/j.0253-9713.2025.05.001

：362：北京医学2025年第47卷第5期

建议。

5.医患沟通与人文关怀：疑难病常伴随患者和家属的焦虑、恐惧，需要医生通过沟通建立信任，考虑患者心

理承受能力，并给予个体化的治疗方案，而AI缺乏共情能力和灵活应对复杂情绪的能力，无法替代医生的同理

心和沟通技巧。另一方面,AI在