神经内科/卒中中心 AI 已经走过 8 年，它最成熟的地方不是“看见闭塞”，而是把影像提示、团队通知、转运决策和质量复盘接进一条真实卒中链路。
这个 8 年不是从大模型、聊天机器人或某次融资开始算，而是从 2018 年 2 月 13 日 Viz.AI 的 ContaCT 通过 FDA De Novo 开始算。这个产品类型的关键词很重要：radiological computer-assisted triage and notification software，也就是影像辅助分诊与通知软件。
图注：Viz Neuro 官方产品页，访问时间 2026-08-05。它展示的是神经血管 AI 平台和团队协同场景，不是单纯的影像模型页面。
神经内科为什么先从卒中跑出来
神经内科当然不只有卒中。癫痫、帕金森、认知障碍、头痛、神经免疫、康复随访，都在被 AI 改写。但如果问“哪个场景最先进入医院工作流”，答案大概率还是卒中。
原因很现实。卒中是一条对时间极其敏感的链路，医生不是等一份漂亮报告，而是在抢“到院、影像、通知、溶栓、取栓、转运”的每一分钟。AI 在这里不需要一上来替医生做诊断，只要能更早识别高危病例、把正确团队叫到同一个页面、把关键时间点留下来，就已经能进入流程。
这也是为什么这期我把科室写成“神经内科卒中中心”。在真实医院里，卒中 AI 不只属于神经内科，也不只属于影像科。它横跨急诊、影像、神内、神外/介入、120、信息科和医务质控。谁只从某一个科室采购视角看它，谁就容易买成一个孤立提醒。
AI把卒中链路拆成七个动作
图注：这张图解释卒中 AI 在急诊入口、影像采集、AI 判读、团队通知、治疗决策、记录和复盘中的位置。它不代表某一家厂商的完整能力。
卒中 AI 最早看起来像一个“报警器”：发现疑似大血管闭塞，通知医生。真正落地后，它会被医院拆成七个动作。
第一是入口。患者可能来自 120、急诊、基层转诊，也可能是院内突然发病。入口越复杂，AI 越需要和时间戳、患者身份、影像申请、急诊分诊一起工作。
第二是采集。NCCT（非增强 CT）、CTA（CT 血管成像）、CTP（CT 灌注）、MRI（磁共振）不是一回事。不同产品覆盖的影像类型不同，能支持的决策也不同。
第三是判读。LVO（大血管闭塞）、ICH（颅内出血）、ASPECTS（早期缺血改变评分）、灌注核心和半暗带，分别回答不同问题。把这些指标混成一个“准确率”，采购时一定会误判。
第四是通知。神内、影像、急诊、介入、转运团队收到同一个病例，能不能看到同一份影像和同一组关键结果，决定了 AI 是“提醒一下”，还是“启动链路”。
第五是决策。AI 可以帮助缩短等待和沟通，但溶栓、取栓、转院或保守治疗仍然是医生基于临床、影像、时间窗、禁忌证和患者情况做出的综合判断。
第六是记录。谁收到通知、什么时候看图、什么时候回复、是否转运、是否进入导管室，这些数据决定了后续能不能复盘。
第七是治理。卒中中心最终看的不是 demo，而是 DNT、DIDO、误报漏报、模型漂移、夜间响应、基层转诊和质控会议能不能持续改善。
8年演变：从报警到责任链
| 时间 | 关键节点 | 进入哪段流程 | 判断 |
|---|---|---|---|
| 2018 | Viz ContaCT FDA De Novo | LVO 分诊通知 | 起点不是诊断，而是通知 |
| 2019-2020 | CTP、ASPECTS 产品成熟 | 急诊影像决策 | 取栓路径需要量化 |
| 2021-2022 | 移动通知与多院区协同 | 团队响应 | AI 开始接人 |
| 2023 | 卒中网络平台化 | 转诊和会诊 | 竞争从单院到区域 |
| 2024 | 出血、动脉瘤、随访扩展 | 多病种神经血管 | 边界开始变宽 |
| 2025 | 云端协同和质量指标 | 运营复盘 | 医院开始看闭环 |
| 2026 | 从提示走向可审计行动链 | 治疗前后全链路 | 采购指标变复杂 |
2018 年的 ContaCT 起点很值得反复强调：它是“分诊和通知”，不是“自动诊断”。这不是缺点，反而说明神经内科 AI 最早能落地的原因。它先解决了“谁应该立刻知道”。
之后的几年，CT 灌注、ASPECTS、出血检测、动脉瘤评估、结构化报告、移动会诊和区域卒中网络陆续接上。到 2026 年，领先产品已经不再只讲“发现了什么”，而是讲“发现之后谁被叫到、用了多久、下一步做了什么、后面怎么复盘”。
产品竞争分成四层
图注：这张图把神经内科卒中 AI 拆成影像识别、急诊决策、团队协同和网络治理四层。不同层不能直接用同一张准确率表横比。
第一层是影像识别层。它回答“图上有没有高危信号”。典型任务包括 LVO、ICH、ASPECTS、CTP 灌注参数、动脉瘤或脑小血管病负荷。
第二层是急诊决策层。它回答“这个病例要不要升级处理”。这里的产品不只是找病灶，而是把影像结果转成优先级、时间窗、转运或取栓参考。
第三层是团队协同层。它回答“谁必须马上知道”。移动通知、影像共享、在线会诊、时间戳记录，都是这一层的核心。
第四层是网络治理层。它回答“这个卒中中心是不是越跑越好”。区域卒中网络、多中心质控、模型监测、误报漏报复盘、续约指标，都会落在这里。
医院采购时最容易犯的错，是拿第一层工具去承诺第四层结果，或者拿第四层平台去掩盖第一层模型边界。
代表产品逐个拆解
Viz Neuro：把卒中影像提示变成“叫人系统”
图注：Viz Neuro 官方产品页，访问时间 2026-08-05。页面显示其定位为神经 AI 平台，并强调 care coordination。
Viz 的代表性不在某一个单项模型，而在它把卒中影像提示、移动通知、团队协同和区域网络放到同一条链上。2018 年的 ContaCT 让 LVO 分诊通知成为一个可监管的产品类别，后续 Viz 又把能力扩展到更宽的神经血管平台。
它的优势是“叫人”。急诊影像一旦触发高危提示，多学科团队可以更快看到同一份病例，形成可追踪的时间线。对大型医院或区域卒中网络来说，这比单纯多一个影像标注更有价值。
局限也明确：Viz 不是替医生做治疗决定。医院要看它和本院 PACS、RIS、EMR、移动端、会诊 SOP、转运流程的接入深度，否则容易变成一个漂亮但孤立的通知工具。
RapidAI：从灌注量化走向急诊决策
图注：RapidAI ischemic stroke 官方产品页，访问时间 2026-08-05。页面展示其卒中影像解决方案和急诊影像场景。
RapidAI 的强项是影像量化和急诊决策支持，尤其是 CTP 灌注、LVO、ICH、ASPECTS 等任务的组合。对卒中中心来说，它不是只告诉医生“有异常”，而是帮助医生更快理解核心梗死、半暗带、血管闭塞和下一步路径。
RapidAI 更适合以取栓效率、急诊影像周转和多中心卒中网络为核心指标的医院。它能把影像结果推向行动，但最终行动仍然需要临床医生结合时间窗、禁忌证、既往史和患者状态判断。
采购风险在于过度相信阈值。不同 CT 扫描协议、灌注后处理参数、患者运动伪影和本院病例结构，都会影响产品表现。上线前必须做本院回顾性验证和前瞻性试点。
Brainomix 360 Stroke：把影像评估做成工具箱
图注：Brainomix 360 Stroke 官方产品页，访问时间 2026-08-05。页面标题显示其为 FDA-cleared stroke AI platform。
Brainomix 的差异在于“工具箱”。e-ASPECTS、e-CTA、e-CTP、出血提示等模块围绕卒中影像评估展开，适合希望把跨院影像判断标准化的卒中中心。
它对医院的价值主要在两点：一是把缺血改变、血管闭塞、灌注结果等结构化，减少不同医生和不同医院之间的判断差异；二是让转诊会诊时的信息颗粒度更一致。
但 Brainomix 也不是越多模块越好。医院要明确本院到底缺的是 ASPECTS 一致性、CTP 后处理效率、转诊会诊，还是区域网络质控。缺口不同，采购优先级不同。
StrokeViewer：把云端协同放在前台
图注：Nicolab StrokeViewer 官方产品页，访问时间 2026-08-05。页面显示其定位为 stroke workflow technology。
StrokeViewer 的产品语言更直接：stroke workflow technology。它的价值不只是 AI 阅片，而是把影像、AI 结果、移动通知、在线会诊、病例共享连接起来。
这类产品对区域卒中网络很有吸引力。基层医院先做影像，高级卒中中心在线会诊，转运团队提前准备，关键病例不用在电话、微信、PACS 截图之间来回搬运。
边界同样要说清。云端协同涉及数据安全、隐私合规、院内网络、跨机构授权和接口对接。尤其在中国医院，公网、专线、私有云、数据出境和院内等保要求都必须提前确认。
Avicenna.AI：更像影像提示层工具族
图注：Avicenna.AI neurovascular 官方产品页，访问时间 2026-08-05。页面展示神经血管影像 AI 工具族。
Avicenna.AI 适合被放在“影像识别层”理解。CINA-ICH、CINA-LVO、CINA-ASPECTS 等产品更像把急诊影像队列中的高危病例先挑出来，再触发医生处理。
它的优势是模块化、聚焦关键病种、适合补上影像提示能力。对已经有比较成熟卒中 SOP 的医院来说，这类工具可以降低漏看、排队延迟和高危病例等待。
但它不等于完整卒中中心平台。治疗路径、团队协同、区域转运、质控复盘，仍然需要医院通过信息系统、制度和多科室协作接上。
Methinks：从平扫 CT 切入早期分诊
图注：Methinks AI Stroke Solutions 官方页面，访问时间 2026-08-05。页面用于确认其卒中解决方案定位。
Methinks 的差异是从 NCCT 平扫 CT 切入卒中分诊。现实中，很多医院并不是每个疑似卒中患者一开始就完成 CTA 或 CTP；如果产品能在更早影像环节给出风险提示，就可能帮助急诊更快启动下一步检查或团队响应。
这类路线适合把“第一眼风险提示”前移。但医院不能把它写成取栓建议，更不能把平扫 CT 的风险提示等同于完整血管和灌注评估。
我会把 Methinks 看作一种有价值的补位产品：它可能不如大型平台覆盖完整，但在急诊首轮筛查和轻量部署上有自己的位置。
竞品对比：别拿准确率硬比
| 产品 | 主要位置 | 输入 | 输出 | 优势 | 医院最该问 |
|---|---|---|---|---|---|
| Viz Neuro | 协同/网络 | CT/CTA与事件 | 通知、共享、时间线 | 叫人和网络能力强 | 谁被通知、多久响应 |
| RapidAI | 影像+决策 | NCCT/CTA/CTP | 灌注、LVO、ASPECTS | 贴近取栓路径 | 阈值如何本院验证 |
| Brainomix | 影像工具箱 | CT/CTA/CTP | 评分、闭塞、灌注 | 标准化评估 | 哪些模块真正上线 |
| StrokeViewer | 云端协同 | 多模态影像 | 会诊、转运、共享 | 区域网络友好 | 数据和权限怎么管 |
| Avicenna | 影像提示 | CT/CTA | ICH/LVO/ASPECTS提示 | 模块化补位 | 是否够接入工作流 |
| Methinks | 早期分诊 | NCCT为主 | 风险提示、优先级 | 前移第一眼风险 | 监管范围和适用人群 |
我认为最公平的比较方式，不是把它们放进同一张“准确率排行榜”，而是按工作流位置分开问。
如果医院缺的是急诊影像量化，RapidAI、Brainomix、Avicenna 这类影像任务覆盖更重要。如果医院缺的是团队响应和区域转运，Viz、StrokeViewer 的协同能力更重要。如果医院缺的是首轮风险提示，Methinks 这类更早入口的产品值得关注。
医院怎么选型和部署
第一，先定目标。目标是降低影像排队延迟、提高 LVO 发现速度、缩短 DNT/DIDO、减少转诊沟通成本，还是做区域卒中网络质控？目标不同，产品完全不同。
第二，做本院数据验证。至少抽取过去 6-12 个月的卒中相关影像和时间指标，分开验证 LVO、ICH、ASPECTS、CTP 和通知响应。不要只看厂家演示病例。
第三，看接口和数据流。PACS/RIS、HIS/EMR、急诊分诊、移动端、短信/电话、会诊平台、时间戳和审计日志都要画成数据流图。如果数据流画不出来，这个产品就还没有真正进入工作流。
第四，先试点一个病种和一条路径。比如先做急性缺血性卒中 LVO 分诊和取栓链路，不要第一天就把出血、动脉瘤、癫痫、随访和区域网络全买齐。
第五，把退出机制写进合同。误报漏报、接口中断、模型版本升级、阈值调整、响应率下降、临床投诉，都要有处理和回滚机制。
国内代表厂家：产品边界与交付方式
| 公司 | 具体产品/方向 | 可核验优势 | 部署方式 |
|---|---|---|---|
| 推想医疗 | InferRead CTA Stroke、InferRead CT Stroke | 官网披露头颈 CTA、脑出血产品，支持结构化报告和 PACS/HIS 对接 | PACS/HIS 对接明确，统一拓扑招采确认 |
| 联影智能 | uAI EasyTriage Stroke、uAI Discover 脑血管系列 | 官网披露卒中分诊、ICH、缺血、CTA、CTP，并强调移动端/PC端协同 | 官网称 AI 产品可 SaaS，一院一策确认 |
| 数坤科技 | 数字脑/脑灌注智能评估系统 | 官方资料披露 NCCT/CTA/CTP 一站式卒中评估和 FDA 认证 | 部署拓扑未完整披露，招采时确认 |
| 强联智创 | UKnow Aneurysm、UKnow Risk、神经血管全栈方案 | 官网披露神经血管诊疗全流程、AI+治疗/评估和 1400+合作机构 | 软硬件一体化，院内部署边界需确认 |
| 安德医智 BioMind | iStroke、iCDSS、脑血管辅助分析 | 官网披露急性卒中影像决策、二级预防和头颈/颅内血管分析 | 医院端系统与移动端并存，接口需确认 |
我的采购判断是：国内厂家不能只看“有没有脑卒中 AI”。医院要逐项索取注册证、适用范围、输入影像类型、PACS/RIS/HIS/EMR 接口清单、移动通知方案、网络拓扑、数据安全方案、版本升级和回滚机制、本院验证报告模板。尤其是“云端协同”“区域网络”和“移动端通知”，不能只看宣传词，必须落到权限、日志和责任归属。
风险边界：AI不能替医生接电话
神经内科 AI 的最大风险，不是模型没用，而是医院把模型想得太有用。
第一类风险是责任错位。AI 提示 LVO 阳性，不等于患者一定取栓。AI 提示 ICH，也不等于医生可以跳过临床评估。产品如果把“通知”包装成“决策”，医院就要警惕。
第二类风险是流程断点。AI 报警很快，但没人接、接了看不到影像、看到了无法联系介入、联系上没有床位或转运能力，最终仍然不会改善卒中链路。
第三类风险是数据漂移。扫描协议、设备型号、病例结构、转诊来源、夜间值班模式变了，模型表现也可能变。上线不是结束，而是开始监测。
第四类风险是信息安全。卒中 AI 很容易牵涉跨院共享、移动端影像、云端协同和区域网络。医院必须提前确认数据是否出院、是否跨境、谁有权限、日志保存多久、如何追责。
写在最后
图注：未来神经内科 AI 的业务架构应覆盖急性卒中、专病随访、区域网络和运营治理，而不是停留在单个影像提示。
图注：未来技术架构要把 DICOM 影像、HIS/EMR、通知规则、模型监控和审计日志接成可回滚系统。
我对神经内科 AI 的判断很简单：卒中是它最早成熟的入口，但不是终点。下一阶段，AI 会沿着急性卒中、脑血管病、癫痫、帕金森、认知障碍和康复随访继续扩展。
真正能留下来的产品，不一定是单项模型指标最高的产品，而是能接入医院数据、通知医生、形成行动、留下证据、持续复盘的产品。
本期一句话：神经内科 AI 的胜负不在“看见闭塞”，而在能不能把风险提示接进一条叫对人、接得住、可复盘的卒中链路。
如果你是医院卒中中心负责人，下一次选型时，最想先解决的是“影像识别不够快”，还是“团队响应和转运链路接不住”？