查看更多
密码过期或已经不安全,请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过

作者:首都医科大学附属北京天坛医院 聂曦明 刘丽萍
在神经重症病房,真正棘手的往往不是已经发生的恶化,而是如何在恶化尚未完全显现时提前发现。脑卒中、脑出血、重型颅脑损伤、癫痫持续状态等患者病情变化快,部分患者又因意识障碍、失语、镇静或机械通气无法主动表达不适。
传统监护主要依赖医护人员间断查体和监护仪阈值报警,但“某个指标超过阈值”并不等同于“患者即将发生神经功能恶化”。人工智能(AI)的价值,正是在大量连续数据中寻找人眼不易察觉的变化组合和时间趋势,把“事后发现”尽可能向“提前预警”推进。
传统监护仪多采用单一阈值报警,例如血压过高、心率过快或血氧下降。其优点是简单直接,但也容易出现报警过多、特异性不足的问题。
AI预警则更关注“变化的模式”。同一个血压数值,在不同患者、不同疾病阶段,以及不同心率、呼吸和脑功能背景下,临床意义可能并不相同。机器学习可以同时分析年龄、病史、实验室检查、影像、用药以及连续生命体征等信息;进一步的时序模型还可以识别数分钟至数小时内的动态变化。
因此,AI在神经重症中的作用大致可分为三个层次:判断“谁是高危患者”,识别“异常是否正在发生”,以及探索“恶化是否可能即将发生”。最后一个层次,也就是实时预警,正在成为AI与神经重症医学结合的重要方向。近年来的神经重症AI综述也将预后、连续监测和早期预警列为主要应用场景。
传统预后评估主要依赖年龄、意识水平、疾病严重程度评分以及影像学表现。AI可以将更多变量放入同一模型中,对死亡、神经功能结局和并发症风险进行综合判断。
例如,已有研究利用重症监护数据库中的生命体征、实验室指标和临床资料建立神经重症患者28天死亡风险模型,并在外部患者中进行验证。不过,风险预测并不是给患者“下结论”。模型提示高风险,更合理的用途是帮助医生识别需要加强监测、复查和干预的患者,而不能单独作为限制治疗或判断预后的依据。
持续脑电图(cEEG)能够发现非惊厥性癫痫发作和其他脑功能异常,但连续数小时甚至数天的脑电数据,很难始终由专家逐秒阅读。AI可以自动筛查脑电信号,把疑似癫痫样活动、节律异常或明显趋势变化的片段优先标记出来,帮助医生更快找到需要关注的内容。
近年来研究显示,AI辅助脑电在非惊厥性癫痫发作识别方面已经表现出较高敏感性,但仍存在误报警、伪差识别和不同设备间泛化等问题。因此,这类技术的意义并不是替代脑电专家,而是把“海量数据”压缩成“需要优先查看的信息”。尤其在夜间、基层医院或脑电专业人员不足的场景中,这种自动筛查可能更加实用。
神经重症患者床旁会持续产生心电、血压、血氧、呼吸、脉搏波等数据,有条件的中心还可能同步采集颅内压、脑电、脑氧和脑血流信息。过去,这些数据往往各自显示、分别报警;而AI更擅长分析不同数据之间的关联及连续变化。多模态AI研究正在尝试将结构化临床资料、影像、生理波形和文字信息整合,从而产生更动态的风险判断。
例如,急性卒中患者接受再灌注治疗后,可能因为脑水肿、出血转化、再闭塞、低灌注或全身并发症出现神经功能恶化。理想的预警系统,不应等到患者已经出现明显肢体无力或意识下降后才报警,而应尝试从多个生理信号相对于患者自身基线的异常变化中,提前提示医护人员:“这名患者需要重新评估。”这也是未来“智慧神经重症监护”的重要发展方向。
AI预警的终点并不是屏幕上出现一个红色提示,而是触发规范的临床处置流程。比较合理的模式应当是:AI发现异常 → 医护人员快速复检 → 床旁神经系统查体 → 寻找可能原因 → 决定是否进一步检查或处理。
比如,一名卒中患者原本病情平稳,系统突然提示多个连续生理指标同时偏离个人基线。此时首先应排除电极脱落、患者体动等伪差,再复测生命体征并进行神经系统查体;如果确有变化,则进一步考虑血糖异常、感染、癫痫发作、脑水肿、出血或血管问题,并根据具体情况复查影像或脑电。也就是说,AI更像一个不知疲倦的“哨兵”,负责提醒医生“这里可能有问题”,而最终判断仍然需要临床医生完成。
AI预警并不意味着每家医院都必须先建设昂贵的“智慧ICU”。对基层医疗机构而言,更现实的是分阶段推进。
首先,应把心率、血压、血氧、呼吸等基础监护做规范,保证数据连续、时间同步,并尽量减少伪差。因为如果原始数据本身质量不高,再复杂的AI模型也难以得到可靠结果。
其次,应当从一个明确的临床任务切入,例如脑电异常自动筛查、卒中患者恶化风险分层,而不是一开始就追求一个“什么都能预测”的系统。
再次,需要把AI报警与临床处置流程真正结合起来:谁负责接收报警?多久内完成复核?哪些情况下需要立即复查影像、脑电或者转诊?只有这些问题明确以后,AI报警才可能真正转化为临床行动。
此外,AI模型还需要在本院患者中进行验证。不同医院的患者构成、监护设备和诊疗流程并不完全相同,在一家医院表现良好的模型,换一个环境未必仍然同样准确。
当前AI在神经重症中的研究发展很快,但需要认识到:“模型准确”并不等于“临床有效”。训练数据中的监护伪差、缺失数据和记录差异都会影响模型;不同医院、不同设备之间的数据差异可能使模型性能下降;如果预警过于频繁,还可能造成新的“报警疲劳”。目前很多研究仍以回顾性数据和模型性能评价为主,真正证明AI能够改善诊疗流程和患者结局的前瞻性证据仍需要进一步积累。
因此,未来评价AI不能只看AUC、准确率或者灵敏度,而应回答几个更重要的临床问题:它是否真的让医生更早发现病情恶化?是否缩短了检查和治疗时间?是否减少了漏诊和无效报警?最终是否改善了患者结局?只有经过前瞻性、多中心研究和真实临床流程验证,AI预警才能从“一个不错的算法”,真正变成可靠的临床工具。
[1] Kim T, Phi JH. Artificial Intelligence in Neurocritical Care: Multimodal Biosignal Analysis for Prognosis, Monitoring, and Future Pediatric Applications. J Korean Neurosurg Soc. 2026;69(3):382-391.
[2] Yuan J, Xiong J, Yang J, et al. Machine learning-based 28-day mortality prediction model for elderly neurocritically ill patients. Comput Methods Programs Biomed. 2025;260:108589.
[3] Akras Z, Jing J, Westover MB, Zafar SF. Using artificial intelligence to optimize anti-seizure treatment and EEG-guided decisions in severe brain injury. Neurotherapeutics. 2025;22(1).
[4] Gomutbutra P, Krongsut S, Lott J. A systematic review and meta-analysis evaluating the clinical impact and accuracy of artificial intelligence in EEG for the early detection of nonconvulsive seizures. Neurodiagn J. 2025;65(3):173-196.
[5] Yang M, Shi N, Chen H, et al. Multimodal Artificial Intelligence for Precision Critical Care: A Scoping Review. Health Data Sci. 2026;6:0356.
1. AI在神经重症中的核心价值,不只是预测结局,更重要的是利用连续数据识别病情变化趋势,将监护从“事后报警”推进到“早期预警”。
2. 目前较有前景的应用包括预后风险分层、脑电自动异常识别以及多模态生理信号的实时预警。
3. AI应当成为医护人员的“智能哨兵”,报警后仍必须结合床旁查体、影像、脑电及实验室检查进行临床复核。
4. AI临床落地的关键不只是模型性能,还包括数据质量、外部验证、报警流程、可解释性,以及能否真正改善患者诊疗效率和临床结局。
首都医科大学附属北京天坛医院神经病学中心 神经重症医学科 副主任医师,副教授;墨尔本大学皇家墨尔本医院墨尔本脑科中心Research Fellow。
现任中国卒中学会重症脑血管分会委员,国家神经系统疾病质控(神经重症专业)青年专家委员,中国卒中专科联盟重症管理专家委员会秘书。
曾荣获美国心脏协会Paul Dudley White International Scholar Award、世界卒中组织、亚太卒中组织、中国卒中学会等多个国际和国内奖项。
主持多项国家自然科学基金、北京市首届临床(医师)科学家项目(滚动支持)等。
近五年来,在脑血管病及神经重症领域,以第一作者或通讯作者在Annals of Neurology、Stroke、International Journal of Stroke等期刊发表论文二十余篇。
首都医科大学附属北京天坛医院神经病学中心副主任/神经重症医学科主任,主任医师、教授、博士研究生导师,享受国务院政府特殊津贴,北京市卫生系统高层次卫生技术人才学科骨干、学科带头人,首席科学家。
主要研究方向:脑血管病急救及神经危重症
主持多项国家科技部、国家自然科学基金委、教育部、北京市科委等科研项目;作为国际学术专家委员会(SC)成员及中国PI参与多项国际多中心试验;研究成果发表于国际本专业领域顶级期刊(NEJM、BMJ、JAMA等)300余篇,累计IF 400余分;发明专利获批10余项;牵头编写40余部专业领域指南/共识及专著。
先后担任中国卒中学会重症脑血管病分会主任委员、国家卫生计生委脑卒中防治专家委员会重症脑血管病专业委员会副主任委员、中华医学会神经病学分会神经重症协作组副组长等职务,是唯一一位来自中国的美国神经危重症学会(NCS)专家委员会委员(FNCS)。
中国卒中学会官方英文杂志《Stroke and Vascular Neurology》主要创办人之一,担任STROKE杂志主编助理及多部国际杂志编委(LANCET N、JNNP等)。
查看更多