随着人工智能（artificial intelligence，AI）技术的不断发展，其在各个领域的应用变得非常普遍。现在AI技术与医疗系统中的各个环节存在高度联系，进一步拓展了医疗技术体系。在神经外科学科发展的方向上，同样有着重要意义。本文介绍了AI在神经外科疾病治疗中的应用，AI在神经外科学科演进过程中出现的新技术以及AI在神经外科医师培养方向的研究，旨在展示AI技术给神经外科学科发展带来的影响以及对其发展前景的展望。
1 AI技术的概念及演进
1.1 AI技术的概念
AI是计算机科学的重要分支，致力于研发具备类人智能的机器系统。其核心目标是使计算机能够模拟人类的认知功能，如自主学习、逻辑推理、环境感知及复杂决策等，从而完成传统上只能由人类处理的智能任务。从技术实现来看，AI通过算法设计、大数据分析和计算模型构建，使机器展现出一定程度的自主性与适应性。这些任务包括语言理解、视觉识别、决策和翻译等。AI的本质在于模拟人类智能和人类的思考能力，通过算法和计算模型实现学习、汇总、感知、理解、规划和创造等高智慧生物才能完成的行为。AI的核心在于赋予计算机自主从数据中获取知识、处理数据，通过计算并得到新知识的能力。
近年来，AI技术的飞速发展，特别是在深度学习、机器学习等领域的突破，使得AI技术不仅在学术研究中实现了多项里程碑式的突破，更在实际应用中获得了广泛普及，从自动驾驶、自然语言处理到医疗诊断等
[1]。
1.2 AI技术的演进发展
AI的学科起源可追溯至1956年的达特茅斯会议。在该会议上，约翰·麦卡锡首次提出“人工智能”这一术语，明确定义了“让机器模拟人类智能”的研究目标。此次会议聚集了明斯基、香农等顶尖学者，不仅确立了AI的学科地位，更为后续的智能系统研究指明了方向。在六七十年代，AI研究取得了显著的成果，开发出了如Eliza和Dendral等初步具备智能的计算机程序；但是，在70年代后，由于研究未能实现预期的突破，加之计算能力的限制，导致AI技术发展缓慢。20世纪最后20年见证了AI领域的复兴与重要突破，在这一时期，AI研究重新焕发活力，经历了显著的技术突破和应用拓展。此前受限于技术水平和算力瓶颈的AI研究，在这一时期获得了突破性发展契机；进入21世纪后，AI领域突飞猛进，开启了全新的智能化时代。这一时期，得益于计算能力的显著提升、大数据的广泛应用，以及深度学习等新兴技术的突破，使得AI取得了惊人的进展。AI技术不仅在学术研究中实现了多项里程碑式的突破，更在实际应用中获得了广泛普及。例如，2018年OpenAI发布了第一版的GPT系列模型——GPT-1
[2]，并发表了相关论文
[2]。
如今国内最新型AI——DeepSeek，已经成功应用于门诊医师对患者病情的诊断与治疗，大大提高了诊疗效率与疾病诊断的精准率，减轻了患者的就医负担，减少了医患矛盾的产生。
1.3 AI技术在医疗领域的应用现状
AI技术的突破性进展正推动医疗行业实现革命性变革，其应用前景已显现显著的临床价值。根据麦肯锡全球研究院的报告，AI在医疗领域的应用可以分为三个主要类别：临床决策支持、运营效率提升和患者互动增强。神经外科诊疗领域也迎来AI技术的革命性突破。中国科学院香港创新院AI中心最新推出的CARES Copilot 1.0大模型，作为专为神经外科设计的智能诊疗系统，展现了AI在该领域的突破性应用价值。该大模型在研发阶段使用3 000多本国内外的神经外科教材以及指南训练，可以在手术中为医生提供判断参考，如关键解剖结构的识别以及手术中危险区域的提示等，通过辅助信息让医师操作更为安全。据了解，目前该大模型在医学知识检索的测评中，其对医学知识的准确度能达到95%，远高于一般开源算法达到的60%左右的正确率。AI在神经外科中应用的主要领域包括神经肿瘤学、功能神经外科、血管神经外科、脊柱神经外科和创伤神经外科
[3-4]。当然，这些医疗领域中还有许多有待去探索和完善的新型AI技术。积极推动AI在神经外科方向的发展，有助于规划新的科学项目，促进神经外科技术的研发与创新。
2 AI赋能神经外科学科发展的现状
2.1 AI辅助影像诊断技术
在神经外科诊断中，AI辅助影像诊断技术利用深度学习算法分析MRI和CT扫描图像，以识别肿瘤和其他异常结构。将AI技术应用于病理诊断，可以分析组织样本图像，从而能够使医师更准确地识别疾病标志物。这些技术的融合不仅提高了诊断的精确性，还加快了诊断过程，为患者提供了更完备的治疗方案。AI在神经外科手术决策支持中的应用，不仅提高了诊断的准确性和手术的精准度，还降低了医疗风险和成本，为患者带来了更好的治疗效果和生活质量
[5-6]。
随着AI技术的飞速发展，AI辅助影像诊断技术在神经外科领域中发挥着越来越重要的作用。将深度学习算法技术运用于脑肿瘤手术计划，对术前脑深部肿瘤患者的MR图像进行计划，标出颅内动脉、静脉和神经束并分开标明序列，提取并标记颅骨MR序列中选定区域的体素值，将肿瘤组织分割为靶标。利用一种无模型强化学习算法Q-learning，在标记的体素值上运行（即在基于启发式路径规划算法中提取的最佳路径上），然后分配该算法以找出旨在切除最大肿瘤组织的皮质入路路径，同时将功能区域的影响降至最低，以提高临床工作的效率
[7]。
根据目前的研究，超高磁场（ultra high frequency，UHF）和功能磁共振成像（functional magnetic resonance imaging，fMRI）在术前评估中可提高空间分辨率和灵敏度，有助于降低术后发病率。UHF、fMRI映射的高分辨率数据有助于更准确地理解脑部肿瘤切除边缘的不确定性，但是这项技术也存在几何失真问题。通过fMRI与AI技术联合，增强了去噪、伪影去除和生成超分辨率图像的功能，从而提高图像质量。AI增强的fMRI图像能为机器人手术系统提供高质量输入数据，提升机器人辅助神经外科手术的准确性和可靠性
[8]。
在脑肿瘤的诊断中，AI可处理大量医学影像数据，能发现医师不易察觉的模式。例如，深度学习方法“Sturgeon”能在术中利用纳米孔测序得到的稀疏甲基化阵列数据，对中枢神经系统肿瘤进行分类。在实时手术环境中，从开始测序起40 min内完成分类，准确率达到72%，在区分胶质瘤和孤立性脑转移瘤等方面具有潜力，能提高诊断准确性。而传统诊断方法存在诸多挑战，如早期检测困难、成像有局限、区分肿瘤类型不易等，这些都提示AI在诊断准确率上可能优于医师
[9]。
2.2 AI在病理诊断中的应用
在神经外科领域，AI技术正在革新病理诊断的准确性。借助深度学习和机器学习算法，AI系统能够分析大量的病理图像数据，识别出生物发展中微妙的模式和异常变化，这些往往是人类病理学家难以察觉的信息。通过大量的数据分析训练，AI系统能够学习识别肿瘤细胞的形态特征，甚至在某些情况下，AI的诊断速度和效率快于医学专家，可以对患者病情进行更加正确的评估
[10]。此外，AI辅助不仅限于图像分析，还包括对患者遗传信息的解读，这有助于医师根据不同的病人制定个性化治疗方案。在神经外科病理诊断中，AI技术通过不断地学习和适应，正逐步克服这一挑战，为医师提供更准确、更快速的诊断支持。
2.3 AI辅助机器人手术系统
在神经外科手术执行中，AI辅助机器人手术系统也会成为革新传统手术方式的关键技术。Robot Assistant Surgical System是由北京航空航天大学和中国人民解放军海军总医院联合开发的远程神经外科系统。该系统通过公共互联网在北京和陕西延安之间成功地进行了三次远程神经外科手术。实验结果证明该系统是可行、安全和低成本的
[11]。
侵入性脑-机接口（brain computer interface，BCI）有望减轻神经损伤患者的残疾，完全植入式BCI系统有望在未来十年到达诊所。患有严重神经功能障碍的儿童，如四肢瘫痪性脑瘫或颈椎创伤等，可以通过BCI技术来进行进一步治疗。目前，这项技术还处于研发阶段，需要根据与BCI相关领域（功能性和恢复性神经外科、儿科神经外科、数学和AI研究、神经工程、儿科伦理和实用伦理）的多学科专家小组继续研究并给出合理的使用建议
[12]。
AI技术进一步提升了手术机器人的智能，通过深度学习算法来辅助医师改进手术方案，减少手术创伤，提高手术成功率。AI辅助机器人手术系统在执行复杂手术时，能够实时分析手术数据，实时为医师提供医疗建议，降低术中人为错误发生的概率。现代科学技术的进步，尤其是AI技术，正在逐步提高我们的医疗质量。
2.4 AI在实时手术全流程中的应用
在神经外科手术方案的规划中，AI技术分别应用在术前规划、术中导航、术后调整等方面，提高了手术流程的安全性。
在术前规划中，AI通过深度学习算法分析大量的医学影像数据，结合患者的个体化信息，为患者提供最佳的手术路径，制定更好的手术方案，以减少对患者健康组织的损伤。能够让医师在手术过程中做出更准确的决策和更精准的操作
[13]。
在神经外科手术中，实时导航系统已经成为提高手术精准度和安全性的关键工具。通过机器学习算法，AI导航系统能够实时分析手术过程中的大量解剖数据，为医师提供精确的解剖结构定位和手术路径规划。利用深度学习模型，识别出肿瘤与周围健康组织的边界，从而指导医生在切除肿瘤时可以最大限度地切除肿瘤组织，减少肿瘤的复发，提高患者的生存率。最近，国外的研究团队开发了FastGlioma技术，这是一种基于AI的诊断工具
[14]。FastGlioma利用了激光拉曼散射显微成像（stimulated raman histology，SRH）技术，这是一种快速、无标记的亚微米分辨率光学成像方法。SRH成像的优势在于它可以基于患者的生化特性生成图像，在不利用染色剂或标记物的情况下，在手术过程中就能实现实时成像，从而缩短了从取样到获得结果的时间（如
图1所示）。
手术阶段智能识别技术作为创新性研究方向，是通过深度挖掘手术视频时序特征构建机器学习模型，来实现手术流程的自动化。该技术的应用是医疗技术的一大突破，将为具有环境感知能力的新一代智能手术系统构建奠定基础。该智能系统通过自动读取和评估当前的手术方案，为医师决策提供术中支持，提高手术的成功机率，并有助于年轻医师的手术技术精进
[15]。
将这些模型应用于颅底手术（包括前、中、后）计划模拟和实时导航系统，包括内窥镜和开放显微手术，可以提高颅底神经解剖学结构的可见度，并帮助外科医师进行术前计划和术中导航，从而改善手术结果、减少术后并发症
[16-17]。在方法选择、患者定位、开颅手术的入路给予优化，可以更有效地回避正常组织以及理解各个神经和血管结构的空间关系，实现以更小的创伤得到更好的疗效。扩大的内窥镜鼻内入路是内窥镜神经外科手术的最好例子之一，它允许通过鼻孔的自然孔口进入颅底。以往的标准器械缺乏关节，限制了手术通路和外科医师的灵活性；借助于AI技术，研究者通过联合医疗器械和机器人关节，使神经外科器械得到了极大的改进，使其拥有了更强的灵活性和足够的稳健性，让神经外科医师在临床工作环境中拥有了更多的手术工具和技术选择
[18]。
AI技术在手术中的应用，不仅可显示神经外科医师在手术过程中未察觉的细节，同时也帮助医师在“术前—术中—术后”做出更适合的医疗决策。
2.5 AI在术后监测与数据分析中的应用
在神经外科术后管理与康复领域中，AI技术正逐步改变传统的病情监测与数据分析方式。AI算法通过收集患者实时的生理数据，如心率、血压、体温、血糖等，对这些数据进行系统的统计与分析，及时得到患者的异常体征变化，为医师做出决策提供有力支持。如，通过AI算法来分析术后患者的脑电图数据，可以预测患者术后癫痫发作的概率，让医师提前做出相应的预防措施。此外，AI辅助的术后监测系统能够分析出患者病情的微小变化，根据变化来补全和完善患者的术后预防措施，降低术后风险，提高患者的生存率。fMRI和AI技术的联合应用，既可以用于术前评估，也可以用于术后监测。该技术通过分析患者术后恢复的影像资料
[8]，预测患者的预后情况，从而制定针对性的诊疗计划。
目前，在神经外科的治疗计划中使用抗血小板药物缺乏全面的指南。例如，手术前不停止使用抗血小板药物，将会出现术中及术后出血风险，而手术前停止治疗会增加血栓形成的风险。现有的两种传统监测方式：P2Y12反应单位（P2Y12 reaction unit，PRU）和血栓弹力图（thromboela-stogram，TEG），但这两种方式在用于调整抗血小板治疗方案上存在一定的局限性。AI有望帮助医师做出是否应用抗血小板治疗的艰难决定，相关AI技术的应用可以通过分析心血管和神经血管手术领域中的研究数据和报告，将这些研究数据转化成一个预测模型，来预测患者是否会出现缺血和出血等并发症，为术后患者的抗血小板治疗提供相应的建议，以便医师做出正确的决策
[19]。
2.6 AI在个性化康复计划制定中的作用
在神经外科领域，AI技术的革新不仅改变了“术前—术中—术后”的诊治流程，还在个性化康复计划的制定中起到了不可或缺的作用。通过对患者大量数据的分析，AI能够识别出患者康复过程中生理机能恢复的情况，从而为患者量身定制出一套适合的康复方案。例如，AI识别出高风险患者后，可以动态调整这些患者的抗凝治疗强度、液体管理方案、早期康复训练计划以及紧缺医疗资源的优先分配，从而缩短15%~22%的住院时间，为患者提供更好的治疗体验。此外，AI技术还可以充分分析术中出现的低血压阈值、血流动力学波动等风险因素，根据数据分析结果，有针对性地监测患者康复指标数据，降低因并发症而导致的二次手术概率和患者功能区的损伤风险。AI技术的应用已经将康复从经验驱动的管理模式转向数据驱动的精准管理模式，减少了30%潜在康复相关的医疗成本
[20]。
研究表明，术后康复患者佩戴的一些AI医疗设备，可以实时监测患者的身体运动机能，进而调整康复训练的强度和方法。相关研究已经证明了这种基于数据分析来制定的个性化康复计划是可行的，能显著提高患者的康复效率
[21-22]。
因此，医疗的尽头是精准医疗，而精准医疗的未来在于个性化治疗，AI技术正是实现这一目标的关键。
3 AI技术赋能神经外科医师的培养
AI技术的飞速发展，使其在医疗领域的应用日益广泛，并且AI技术也革新了神经外科医师的教育和培训方式。在神经外科医师医疗技术培训方面，AI可以为医师提供个性化学习途径，通过模拟真实的手术环境来提高医师的医疗技术。有相关研究探讨了AI模型ChatGPT在神经外科委员会教育中的应用潜力
[23]。使用ChatGPT分析神经外科医师大会（Congress of Neurological Surgeons，CNS)的自我评估神经外科(Self Evaluation of Neurosurgery，SANS)考试委员会提供的考试问题，成功开发了ChatGPT神经外科评估矩阵(ChatGPT Neurosurgery Evaluation Matrix，CNEM)来衡量医师培训教学的质量。同时，ChatGPT分析了不同类型的神经外科问题，但其给出的回答上存在不同的准确率，其中非提示性问题的准确率最高。ChatGPT给出的答案在某些情况下是优于或等于SANS的解释，但在其他情况下则较差。研究结论指出，ChatGPT在医学教育中具有潜力，但需要进一步研究来优化其性能。
2022年，意大利神经外科医师做了一项调查研究
[24]，其目的是调查年轻的神经外科医师是否赞同术中应用AI设备来改进手术方式，以及是否具有熟练应用这些设备的能力。研究者向意大利神经外科学会（Società Italiana di Neurochirurgia，SINch）的256名年轻神经外科医师发送了一份在线电子调查，结果显示，意大利年轻神经外科医师已经具备了使用最常见AI设备的能力，他们对AI技术在治疗中的应用持支持态度，并对其存在的潜在危害具有相应的认识。尽管只有少数人接受了相关设备的集中培训，但仍有大量参与者承认已经使用过AI衍生技术来改进手术。
4 AI技术在神经外科领域中的挑战与展望
4.1 AI在神经外科领域的应用展望
随着深度学习、大数据分析和云计算技术的不断进步，AI技术有望为神经外科领域的发展带来前所未有的创新和变革。在不远的将来，AI技术可能会更加深入神经外科的各个诊疗阶段，从入院诊断到术前规划，从术中执行再到术后管理。通过深度学习算法，AI系统分析和处理海量的医学数据，在早期疾病的诊断方面展现出可以媲美医学专家的能力。在手术规划方面，AI技术将利用预测模型进行多次模拟，为医师提供多样化的个体手术路径，对手术风险的发生准备了充足的预案。此外，载有AI技术的医疗设备，对患者的生命体征进行实时监控，及时发现并预警潜在的并发症，让AI在术后监测和数据分析的应用中更加普及
[25]。AI也可以精进神经外科医师的技术，使临床治疗中的诊断更加精准，为患者提供最佳的介入和非介入治疗，并帮助神经外科医师在手术过程中做出更优决策，以改善患者预后，从而为神经外科手术发展带来显著的进步
[26-27]。
全球神经外科计划是神经外科领域的公共卫生重点，旨在确保全球所有人都能获得安全、及时和负担得起的神经外科医疗服务，研究者综合了多个重要考虑因素，提出的框架可能有助于将AI技术纳入全球神经外科计划
[28]。
4.2 AI技术在伦理方面的规范和管理
未来的研究应当正确地说明机器学习在神经外科中的作用和潜在益处，并将这些潜在优势与生物伦理考虑相协调。通过欧洲神经外科学会（European Association of Neurosurgical Societies，EANS）和CNS分发的一项在线调查显示，总共有103名神经外科医师（28.5%）报告在临床实践中使用AI，在研究中使用AI的比例为31.1%，最常见的应用方式是来预测术后的结果和并发症，以及对成像的解释；但未发现预测临床使用AI的相关指标，AI在医学上的发展任重而道远
[29]。
AI技术进入手术室，在医师的治疗过程中提供更准确的技术干预，减少术中的意外发生。尽管对医疗行业的AI技术革命进行了大量宣传，但关于AI在临床治疗中应用的负面影响报道很少。这可能会导致舆论天平的倾斜，不利于现代医学的发展。直接的后果是存在着一些数据错误、模型训练不足或数据理解不全面等缺陷的AI算法，会产生不良的结果，进而产生广泛的影响。间接的后果则是由于医师对AI技术产生过度的依赖，对患者生理数据的理解力差，对自身医疗技术的过度自信以及对自动化临床工作流程缺乏必要的警惕，自动化的使用增加可能会加剧医师的医疗技术水平的下降
[30]。ChatGPT作为突破性的AI技术，在医学领域展现出显著的应用前景与发展空间；但从当前技术成熟度评估来看，该领域仍需进行系统性研究与深度开发，这对医师全面认知AI的技术边界与能力维度具有关键意义。
总之，AI这类智能技术确实能够成为推动人类社会科技进步的一大助力工具，但其应用必须建立在严格的伦理框架与负责任的发展原则之上
[31]。
4.3 AI算法偏差的技术应对
AI在计算数据过程中，我们也应当对数据信息有一定的认知和理解，AI算法偏差会对模型的准确性和公平性产生负面影响。面对AI算法偏差，我们也应该进行进一步的研究和计算，提前对数据进行预处理，仔细检查和处理数据中的缺失值、异常值和错误数据。对于缺失值，可以根据具体情况选择删除、填充（如均值填充、中位数填充等）或使用更复杂的插补方法。对于异常值，要判断其是真实的特殊数据还是错误数据，若是错误数据可进行修正或删除。当数据集中不同类别的数据量存在较大差异时，会导致模型对多数类的偏向。可采用过采样来平衡数据。过采样是对少数类数据进行复制或合成新数据，如Quantum-SMOTE算法
[32]。这是一种使用量子计算技术来解决机器学习数据集中普遍存在的类不平衡问题的新型解决方案，该算法通过引入超参数（如旋转角度、少数百分比和分裂因子）来更好地控制合成数据生成过程。
5 结束语
AI技术的不断发展，带来了一场关于医疗新型技术的革新，其在神经外科领域的应用前景尤为广阔。AI技术在神经外科的长远发展，不仅体现在如何提高诊断的准确性和手术的精确度上，而且可以通过大数据分析和深度学习模型，快速处理海量医疗数据，从而提高神经外科医师的诊疗效率，能够为患者提供个性化的治疗方案。AI可以为神经外科医师提供精准的决策支持，降低手术中和手术后的医疗成本，并为患者提供高质量的医疗保健。AI也将推动神经外科的科研发展，加速神经外科疾病新式疗法的探索和验证。
AI和神经外科可以建立一种共生关系，AI有助于推动神经外科的发展界限，神经外科可以帮助AI开发更好、更强大的算法模型。AI与神经外科的深度融合将成为推动医学进步的重要力量。
然而，AI也存在诸如数据偏差、道德问题、患者隐私、成本和法规等挑战，现代医师应该在合理应用AI协助诊疗的过程中，时刻保持警惕，不能过于依赖AI协助诊疗。我们应有一个清醒的认识，AI只是医师用来提升诊疗服务的工具，而不能完全替代我们医师自身。
京公网安备11010202008535号
PDF
(1157KB)
