现在所处的时代是以人工智能为中心的智能化革命全面展开、迅速影响医疗健康领域的时期。就各临床学科而言，神经内科因需要对多种资料（包括影像）作细致的归纳和准确判断而特别适合于利用智能手段加以改造，是变革的前沿所在。智能系统所用的大规模数据训练方法、对病史文本的自动解析都已成为神经内科辅助性认知资源的一部分，其应用使临床推理、知识传播乃至诊疗习惯发生根本性变化，促使传统做法同计算技术结合得更紧密。2025年《医学教师的人工智能素养专家共识》已经确认“人机协同”为医学教育新阶段。要让神经内科教师掌握AI技术，既是更新教学的需要，也对医生培养及学科进步具有重要意义。

　　神经内科自身独有的学科特质，让这门临床科室顺理成章地对智能技术生出迫切的应用需求，各类神经相关病症病机繁复，病种覆盖范围广，诊疗过程沉淀海量病例数据，这类庞杂细碎的临床信息，恰好能够依托智能工具完成高效梳理与深度研判。提升神经内科教师人工智能素养，是深层次推进专业教学改革、顺应智能时代发展大势的根本路径。

　　从神经内科诊疗的数字化转型来看，神经内科实际接触的病例已在很大程度上趋于依赖于数据或智能分析。自动计算脑出血量、以深度学习研究脑电、运用AI来查证颈动脉粥样硬化斑块都是当前诊疗可资利用的辅助资源。按全球医学教育会议统计数据显示，大多数医学院已将AI纳入教学试验内容，这清楚地表明医学教育正从单纯经验走向以数据为重心的发展阶段。若教师自己没有理清所用技术的原理和边界，所教学生未必适合未来岗位。此处所说的素养不单是技术动作本身，而属于对AI的理性把握：既要掌握用卷积方法辨识斑块的技巧，也要有对深度学习预测癫痫的价值的判断，同时要解释清楚AI怎样使神经机制变得可知——所提知识正是由此展开、逐步深化的起点。

　　破解神经内科教学长期瓶颈。现在有关解剖构造的知识较难掌握、定位分析的逻辑不简单、影像材料多变、实际疾病流程不容易复现。按北京大学医学部教学研究者的意见说，神经病学本身是较难教、较难学的内容，时间又有限。而AI正可给出新的解决方法：将三维脑结构或神经传导通路以互动形式交给AI来处理，用可视方式表现锥体束、感觉系统等抽象内容；以由AI设计的患者为实例，就肌无力及吉兰- 巴雷类病症做考察，分析其发生、发展的真实走向与规律。 高阶培训中应有创新意识，宜将神经内科教师和AI有关的人才作配合，共同设计帕金森病步态教学这类小课题，以协作方式使所学及所用都得到较大发展。

　　培养未来复合型医学人才。目前医学教育所要完成的任务是：既教已知内容，又以跨学科眼光看待问题、把智能技术纳入自身工作能力的范畴。人工智能同医学教育结合不等于单纯地用技术做拼装，而是要从理念、体系、标准及能力诸方面着手进行整体性的改革或升级。神经内科的教师如能有计划地引入AI的思路或方法，有关课程就可帮助学生理解智能手段用于神经系统病学的可能性，由此对学科内人才的素质构成作出较完整的预测或规划。 对神经内科教师来说，AI素养的提高应按系统性、分层式、可持续思路来落实。要以教师本身的能力为着眼点，在制度、资源及伦理等方面同时予以考虑和安排。《医学教师的人工智能素养专家共识》给出五种基本维度——价值判断及伦理基础、有关技术的掌握与使用、教学结合或创新尝试、学习测评及针对性帮助、专业成长与环境配合，对神经内科教师如何获得AI素养作了具体而清楚的引导。

　　构建分层递进的培训体系。就神经内科教师所涉AI知识而论，按共识中“对技术的理解及对工具的应用”思路来设计基础、进阶与高阶三种层次的培训体系。对于基础培训来说，要说明人工智能的基本含义，以神经内科实际业务为背景，用卷积神经网络识别头颅MRI中的急性脑梗死、微出血或脑膜瘤的实例，或者用自然语言处理方法自动归纳神经系统主诉、给出初步诊断的实例，来引导教师获得较清楚的认识。进阶培训的重点是动手操作，应让教师在专家协助下亲自尝试使用开源AI软件，把脑MRI侧脑室体积、脑电图癫痫性放电当作对象予以自动分析。高阶培训要鼓励创新，把神经内科教师与AI技术人员配对起来，一起做帕金森病步态教学之类的小型项目，借由合作达到对知识、对实践的双重提高。

　　重构以神经系统疾病为主线的AI融合课程模块。就课程本身以及可用资源而言，应把AI的内容纳入神经内科所涉各系统的基本教学。有关脑血管病的论述要配合实际的AI影像分析来展开，既要描述所用软件如何自动计算（梗死、缺血半暗带的体积数值），又要引导学生考虑所获定量结果在静脉溶栓或动脉取栓中是否可行，思考这类计算所依据的逻辑及可能的不确定性。针对神经变性类病况（尤以阿尔茨海默病为重），要清楚交代目前AI对早期病变的实用帮助，把经深度学习处理的海马、皮层、纹状体等形态都当作MRI的指标来研究，据此较为准确地预估轻度认知障碍发展为该病的可能性。同时应着力创建可共享的高质量专业教学资源库。西安交通大学神经内科已获得首批“思源学堂AI课程”培育资格，正把神经病学的众多知识点转化为动态、互联的知识图谱，借以训练学生的整体临床思维。北京大学人民医院神经内科利用DeepSeek系统组织情境式教学并联合多科室开展培训，在住院医生教育上取得很好成果。上述例子证明：依托大量脱敏结构化病例而建的共享平台，若能整合全部多模态影像及AI分析结果，就是医学资源整合的有效形式。

　　建立神经内科AI教学的伦理规范与数据安全指南。从隐私角度以及从算法角度出发，要设立实际可操作的伦理与数据安全规则，使二者成为教学常规的一部分。目前达成的共识是“价值意识、伦理基础”为五大核心要素之首，即伦理不是AI技能的附庸，而是其基本构成内容。有关数据的处理应有严密的脱敏制度，要完整地删除个人身份标记，以现代技术分别对待MRI中的面部与非面部部分，用专门方式整理教学所需数据，把所涉系统与临床网络作物理上分离。教学内容须包括对医疗AI公平性及限制的说明，利用各族裔、各类人群数据中AI表现的对比来启发思考，指出算法由来及其可能的解决办法。

　　创建临床与技术融合的跨学科共同体。就AI与临床的结合而言，要以跨学科方法来处理教学工具及案例的来源问题，使所用AI方法确实符合临床需要、对教学有促进意义，按“师资强、育人优”思路改进能力训练及教学方式。宜将一线临床教师、医学教育者以及AI工程师纳入同一融合团队，在教学现实基础上联合设计教学模块。各模块须有典型病例作支撑，亦要给出较难处理的病例实例，让临床决策的复杂性得到合理体现。当教师使用模块进行教学时，要突出AI对常规病例所作的准确分析，避免误导学生关于技术的认知。应对教学反馈做系统性归纳与优化，把教师、学生所提意见及时带入模型调整的思考中。此时临床教师要走出“单纯讲授”的角色，借助AI提高教学效率，又不失去医学的人文根基。数字时代的到来正在促成医学教育由“教师中心”向“学生中心”根本性转移，重新定位“教师—AI—学生”三方关系。人工智能对神经病学智慧学习的促进有利于知识、政治、专业、创新等素质的同步成长，对教学质量是很大助力。上述跨学科、多领域协作思路对神经内科教师更新知识结构有明显参考价值。

　　神经内科教师AI素养发展的目标应是：使所有教师都能使用AI、理解其逻辑、判断其结果，即成为“AI协同型教育者”。所提的素养属于由“技术使用者”向“教育设计师”转化的范畴。要将教师从“知识传授者”转化为“学习引导者”，高校应借AI推动教学能力及素养的整体提升。目前全球医学教育已开始以数据代替单纯经验作为发展方向。传统上称为“知识传授者”的人现在要转变为“学习设计师”，用AI拓展教学方法，不放弃医学的人文价值。对神经内科教师来说，这种转型要求他们同时教好诊断、教好治疗、教好人机配合、教好数据与情感的结合。

　　教师专业发展生态正发生深刻变化。“专业发展及生态共建”被纳入五大基本维度之中，对神经内科教师提出了将计算精神病学、神经成像组学或定量脑电方法诸项知识做教学转化的桥梁式能力要求。借助“AI+神经病学”类案例竞赛、AI脑科学联合研究、有关医学AI的师资培训诸种方式，教师不断改进对技术的适应性、对新方法的运用性，由此完成由传统知识传授者到AI教学引导者的角色转换。全国医学教育发展中心现正开展“医学教育强师计划”，把重点院校资源作整体配置，有计划地促进医学教师成长，对神经内科教师学习AI作了制度上、资源上的积极安排。

　　提升神经内科专业教师的人工智能素养，既是顺应时代发展的必然要求，也是一项需长期推进的系统性工程。教师人工智能素养的提升，深刻影响学科长远发展脉络，对广大神经系统疾病患者的诊疗与康复具有重大价值。应加快以人工智能促进医学教育进步的步伐，使医学教育达到“有标准、有平台、有师资、有范例”的智能化状态。从长远着眼来思考AI素养的衡量标准，把临床基本功和智能技术运用同时纳入培养内容，将神经内科人才塑造成“健康中国”建设中的优质资源，用人才的增长带动整体健康水平的上升。

　　（作者：南华大学衡阳医学院附属第一医院 陈艳芳，曹鹏）