神经医学的教学应用影响研究论文（共3篇）

　　神经医学可以说是现在很多人都比较青睐的一门专业的学科了，并且在医学当中也是不容小觑的，那么神经医学的论文应该怎么写呢？本文就整理了相关的论文范文，一起来看看吧。

　　第1篇：整合医学诊疗护理模式对急性脑梗死患者神经和认知功能康复的影响研究

　　急性脑梗死是神经系统的常见病及多发病，约占所有脑血管病的60%，在临床上具有高发病率、高致残率、高病死率等特征，从而给患者、家庭与社会带来沉重的负担[1-2]。尽管急性脑梗死的诊疗技术得到不断提高，病死率有所下降，但高致残率并未得到根本改善。现代研究表明急性脑梗死可造成脑组织的破坏，导致患者精神异常、自我照顾能力下降、肢体活动障碍、吞咽功能异常等诸多问题，对于护理的要求也比较高[3-4]。当前我国多数急性脑梗死患者及家属对疾病知识的认知程度偏低，而多数疾病都没有明确的或惟一的病因，采用单一专科治疗与护理难以取得比较好的效果，为此护理模式亟待改进和探索[5-6]。整合医学是将医学各领域最先进的知识理论和临床各专科最有效的实践经验分别加以有机整合，以人体全身状况为根本，并根据环境、心理等进行修整、调整，从而改善患者预后[7-8]。同时其不仅需要将与生命相关各领域最先进的医学发现加以整合，而且要求将专科最有效的临床经验加以整合[9-10]。本文探讨了整合医学诊疗护理模式对急性脑梗死患者神经和认知功能康复的影响，现报道如下。

　　1资料与方法

　　1.1一般资料2011年8月至2016年11月选择在本院诊治的急性脑梗死患者88例为研究对象，分为观察组与对照组，每组44例。纳入标准：按照中华医学会第四届全国脑血管病会议制定的急性脑梗死患者诊断标准，并经CT、MRI等影像学确诊；格拉斯哥昏迷量表(GCS)评分3～13分；首次发病；家属对本研究知情同意；经医院伦理委员会批准。排除标准：有精神疾病史、痴呆病史或聋哑人；心肝肾功能不全者；恶性肿瘤及自身免疫性疾病；妊娠与哺乳期妇女。两组患者性别、年龄、发病至治疗时间、GCS评分、体质量指数、合并疾病等差异无统计学意义(P>0.05)，见表1。

　　1.2方法两组患者均静脉给予注射用重组人组织纤维蛋白溶酶源激活剂(rt-PA，德国勃林格殷格翰公司生产)治疗，剂量0.9mg/kg，将总剂量的10%团注，持续1min，其余剂量进行连续静脉滴注，60min滴完；同时给予抗血小板、抗凝、扩张脑血管、营养脑细胞、脱水等治疗。对照组：在治疗期间给予常规护理，由神经内科护士向患者讲解日常饮食、服药、康复锻炼食等的注意事项，监测生命体征。观察组：在对照组护理的基础上采用整合医学诊疗护理模式，具体措施如下：(1)建立整合医学诊疗护理，小组团队成员包括科室主任1名，专科护士1～2名，康复师1～2名，神经内科医师1～2名，心理咨询师1～2名。科室主任、神经内科医师监督各项计划的正确执行，护士、康复师负责收集研究期间所有数据资料并进行护理操作，心理咨询师负责每天下午和患者沟通，对患者进行个体化心理健康指导。(2)全面收集与患者有关的资料，如体质量指数、病情、年龄、性别、诊断、主要护理问题等，按照综合性、适用性、科学性、共享性的原则，制订急性脑梗死患者的诊疗模型与流程，科室主任与护理人员一起分析、研究，每周积极优化护理方案，让所有的治疗、护理严格按照路径设定的时间、内容进行。(3)积极对患者进行健康教育，提前1周告知患者讲课的内容和时间，参加患者人数限制在10～15人，1次/周，每次课程时间为30～45min，授课内容包括急性脑梗死的类型和发病原因、情绪控制、饮食搭配、运动干预、肢体功能训练方法等；采用问题为导向的教学方式讲授，可由小组成员提出问题，然后由患者进行讨论、回答问题，以确保健康教育的有效性。两组护理观察时间均为90d。

　　1.3观察指标有效率：在治疗后28d根据急性脑梗死患者临床神经功能缺损程度评分标准预后分为4个级别。基本痊愈，神经功能缺损评分减少91%～100%；显著进步，神经功能缺损评分减少46%～90%；进步，神经功能缺损评分减少18%～45%；无效，没有达到上述标准甚至恶化。(基本痊愈+显著进步+进步)例数/总例数×100%=有效率。神经和认知功能评价：记录两组患者治疗后28d的神经和认知功能状况，主要进行GCS、NIHSS和Barthel测评。安全性：记录两组治疗后90d的症状性脑出血与非症状性脑出血情况。护理满意度：记录两组患者护理后对于护理满意度的情况，由本院自拟调查量表进行调查，量表信效度在0.90以上，分为非常满意、比较满意与不满意3个级别，(非常满意+比较满意)例数/总例数×100%=满意度。

　　1.4统计学处理采用SPSS20.0统计软件进行分析。计量资料以width=23，height=17，dpi=110表示，采用χ2检验；计数资料以率表示，采用t检验，以P<0.05为差异有统计学意义。

　　2结果

　　2.1两组患者治疗有效率治疗后28d，观察组患者治疗有效率90.9%明显高于对照组的77.3%(χ2=3.058，P<0.05)，见表2。

　　表2两组患者治疗有效率

　　width=369，height=105，dpi=110

　　2.2两组患者神经和认知功能评分治疗后28d，观察组患者的GCS、Barthel评分明显高于对照组(P<0.05)，NIHSS评分低于对照组(P<0.05)，见表3。

　　2.3两组患者安全性治疗后90d，观察组患者的症状性脑出血与非症状性脑出血发生率明显少于对照组(χ2=6.439、3.696，P<0.05)，见表4。

　　2.4两组患者护理满意度治疗后90d，观察组患者护理满意度明显高于对照组(χ2=6.439，P<0.05)，见表5。

　　3讨论

　　急性脑梗死已成为我国居民致残与死亡的主要原因之一，由于多数急性脑梗死是血栓堵塞脑动脉所致，早期再通闭塞的血管能有效避免脑组织坏死[11]。由于当前诊治技术的提高，急性脑梗死的病死率有所下降，但是急性脑梗死可使患者日常生活多受限制，从而对患者的神经和认知功能带来严重的影响[12]。而随着生活方式的改变，只重视单科治疗让患者获得的生存质量可能很差、生存时间可能很短，为此需要加强护理转变[13]。

　　当前护理方案已不能满足急性脑梗死患者的要求，也使得患者的预后康复效果不好[14]。整合医学诊疗护理模式能为患者提供整体、综合、个性化、一站式的疾病诊疗服务，使患者在一个科室、一张病床上就能实现诊断、治疗和康复医疗服务全过程[15]。其能使各个部门之间实现无缝连接，按照一套完整全面的医疗护理计划进行，进一步提高了治疗与护理的畅通性[16]。本研究显示，观察组患者治疗有效率高于对照组(P<0.05)，也表明整合医学诊疗护理模式能提高近期有效率。

　　急性脑梗死患者伴随身体各部分、多器官的变化，而对于这些生理性的或病理性的变化，需要多学科进行联合诊治才能从诊疗中真正解决现在和未来所面临的问题[17]。整合医学诊疗护理模式是当前发展起来的一种新的护理模式，强调护理计划的延续性和一致性。其确立了救治过程中的医护人员主要处置主干部分、辅助诊断治疗的适应性配合和保障部分的一体化分工协作关系，有利于不断增进护理质量[18-19]。本研究显示，治疗后28d观察组患者的GCS、Barthel评分明显高于对照组(P<0.05)，NIHSS评分低于对照组(P<0.05)。主要在于整合医学诊疗护理模式构成了一种多专业协同的医疗服务计划，可以帮助和引导医护人员实施规范的诊疗监测和陪同过程，使得护理工作不再是盲目机械地执行医嘱，有利于保持护理质量的持续改进和流程的有效控制，从而有利于达到最佳护理效果[20-21]。

　　急性脑梗死在治疗后的常见并发症有症状性脑出血与非症状性脑出血，为此需要强调护理的连续性[22]。在常规护理中，存在确诊时间过长、缺乏突发状况处置预案、部门协调差等缺陷[23]。本研究显示，观察组与对照组治疗后90d的护理满意度分别为100.0%和86.4%，观察组明显高于对照组(P<0.05)。主要在于整合医学诊疗护理模式更加注重以患者为中心的护理，强调整体护理，不仅为患者提供了全面、方便的一站式诊疗平台，还在很大程度上降低了患者分期诊疗带来的风险[24]。

　　总之，整合医学诊疗护理模式在急性脑梗死患者中的应用能促进神经和认知功能的康复，提高治疗有效率，减少并发症的发生，改善护患关系。

　　第2篇：模拟医学教育在神经病学教学中的应用

　　秦海强1，李磊2，陈飞3

　　【摘要】模拟医学教育是一种新的教学和培训模式，可以帮助医学生提高专业技能，学习解决特定临床问题的流程，这种新的模式在将今后神经病学的教学中发挥越来越重要的作用。本文综述了神经病学教学中使用模拟医学教育的必要性、目前现状以及今后课程设计的重点。

　　【关键词】模拟医学；神经病学；教学

　　模拟医学教育（simulationbasedmedicaleducation，SBME）是利用医学模拟技术模拟患者和临床场景，代替真实患者进行临床教学实践的教学方法[1]。它打破了传统的以患者为主要练习对象的教学模式，拥有培训内容规范、手段丰富、安全性好、可重复性等多种优势。近年来，借助计算机技术的快速发展及软件的开发与利用，可以更好地模拟人体的正常生理功能和病理特征，并且可以提供交互式的教学环境，进一步提升了SBME的效果。由于神经系统疾病内容抽象，急重症患者多，SBME将可能极大地提高神经病学的教学效果。

　　1神经病学教学中使用模拟医学教育的必要性

　　许多神经系统疾病具有起病急骤，或者慢性病程急性发作的特点，在多数综合性医院的急诊科，神经系统疾病患者占10%左右。急诊神经系统疾病危重者较多，早期救治方案很大程度决定了患者的预后，对急诊诊治过程提出很高的要求。例如在急诊遇到急性脑血管病、癫痫、重症肌无力或吉兰-巴雷综合征累及到呼吸肌的患者时，并不是按照传统病史询问、查体、辅助检查、诊断和治疗流程一步步进行，而是根据患者病情，上述几个步骤穿插进行，先治疗可能危及患者生命的病症，之后诊断再步步深入，及时调整和修正治疗方案。年轻医生由于缺乏经验，救治过程中容易出现失误，通过SBME，有助于帮助年轻医生分析危重者情况，并合理分配资源，针对不同病情做出恰当处理。

　　另外，救治急诊神经系统疾病患者，往往是多学科医务人员合作进行，以缺血性卒中的急性救治最为典型。缺血性卒中急性期溶栓治疗是最有效的方法，但溶栓治疗有时间窗，静脉溶栓需要在4.5h内进行，而且即使在溶栓治疗窗内，也是越早治疗效果越好[2]。在溶栓过程中，临床医师、护士、检验人员、放射科人员、药师等在不同的环节中发挥着作用，为达到指南推荐的1h内完成各种检查并用上药物，团队成员需要分工明确、紧密配合。通过模拟医学培训，有助于发现工作中的薄弱环节，并加以改正。同时，在真实急诊情况下，医生不仅要考虑复杂的病情，有时还要面对焦虑的家属。在处理疾病的过程中，还需要及时、恰当地向家属介绍病情。在高强度的工作环境下，可能增加医生发生错误的机会，因此通过模拟医学的培训，对急诊复杂环境预适应，可以有效减轻医生压力，提高效率及促进患者好转。

　　同时，一些有关神经系统疾病诊疗的技能操作，如腰椎穿刺、脑电图电极的摆放等，不熟悉操作流程会延误诊疗时间，对患者造成潜在的伤害，降低患者及家属对医生的信任感，不利于后续诊疗的进行，因此在临床实际操作前，进行SBME培训是有必要的。

　　2神经病学教学中的模拟医学教育

　　近年来，先进的模拟医学已经应用于急救医学[3-4]，通过SBME，初学者能够快速提高理论水平、急救技能，甚至接近于有经验医生的操作能力，最终提高了急救水平，改善了患者预后。但是，在神经病学教学中，公认的神经病学SBME模式还很少。

　　神经系统查体是每位医学生都需要掌握的技能，但由于技术限制，目前还缺乏能够复制神经系统查体的模拟人。通过使用神经系统检查的影像学资料，部分可以克服这些困难。让标准化的患者去模拟神经系统查体表现并录像给初学者播放，让学生独立评估是否有神经系统功能缺失的体征。

　　腰椎穿刺术是神经内科医生常用诊疗检查方法，使用模拟设备对医学生进行培训也是目前常用的教学方法，但目前多采用的是孤立的设备，并未与模拟人有机结合，无法模拟真实场景，与临床实际操作有较大差距。未来，应设计出模拟真实情景的“神经系统疾病模拟人”。

　　NewoSim是基于数学模型建立的神经系统虚拟模拟人，可以在线展示脑的主要脑血管/脑血流变量以及颅内和（或）颅外动脉狭窄或闭塞时的脑的自主调节[5]。此设备有助于初学者掌握脑血流相关的生理参数以及针对脑灌注压治疗后的变化。

　　利用SBME方法，可以促进团队成员之间的沟通，明确各自责任，加强负责人的领导力以及团队成员现场应变力等[6]。建立缺血性卒中处理流程并定期进行模拟训练，可以把缺血性卒中静脉溶栓从入院到用上药物的时间缩短至25min，并使初级医生和护士加深了对卒中的认识[7]，这对缺血性卒中的急诊救治非常关键。

　　另外一个大家关注的焦点是动脉内药物溶栓或机械取栓。急性缺血性卒中患者，如果不适合静脉溶栓或静脉溶栓失败后，可以考虑动脉内介入治疗。动脉内介入治疗已经成为治疗急性缺血性卒中的重要方法之一，利用动脉内介入治疗模拟设备来培养神经科急诊医生将会成为一种必要手段，无论是局部设备或整体模拟人都可以起到一定的效果。

　　3如何利用模拟医学教育提高神经病学教学水平

　　3.1SBME在神经病学教学课程中的设计要点SBME的目标是让医学生获得专业的技能，学习解决特定临床问题的流程。为了达到这个目的，进行神经病学教学时，SBME设计时应包括下列几个方面：腰椎穿刺术的操作过程、如何选用和结果解读；神经影像和电生理学检查（脑电图、肌电图、经颅多普勒超声、计算机断层扫描、磁共振）结果的解读以及如何选用；神经电生理检查（肌电图或脑电图）时的电极安放；对病情简单的模拟人进行模拟诊断和治疗；对病情复杂或危重的模拟人，根据病情合理配置医疗资源，在限定的时间内完成模拟诊断和治疗；加强与护士、医技人员等医疗团队人员的协作；合理、恰当地向家属解释病情。

　　在进行SBME课程设计时，应该考虑到医生在实践中，可能由于压力增大出现诊疗错误，课程设计时可适当增加难度。但目前尚缺乏公认的、被证明有效的针对神经病学教学的SBME模式，这是今后教学研究的重点之一。

　　3.2血管神经病学在神经病学模拟医学教育中的重要作用在整个神经病学教学和培训过程中，由于脑血管病发病率高、患者数量多、临床症状典型、诊断易于明确等特点，医学实习生通常最先从血管神经病学的培训中，学习神经系统疾病的定位、定性诊断等诊疗思路，进而扩展到其他神经病学知识的培训。神经病学模拟医学教育中的情况与此类似。脑血管病患者中急重症者多，诊治需要多学科团队成员的共同参与，用模拟医学教育可以更快地提高医生的诊疗技术、加强医师间的配合，提高诊疗效果。制定神经病学的模拟医学培训方案，检验模拟医学教育在神经病学教学中的效果，均可以先从血管神经病学的培训开始。

　　3.3学会在模拟医学培训中起的作用为了促进SBME工作的开展，各国成立了相关的学术组织。如美国模拟医学协会（SocietyforSimulationinHealthcare）成立于2004年，致力于提高年轻学者在医学教育和管理方面的成长，每年召开学术会议，为合格的模拟医学中心认证，促进了美国SBME工作的开展。2016年11月27日成立的全国卫生产业企业管理协会模拟医学分会（ChineseSimulationSocietyinHealthcare，CSSH）是我国首个专注于模拟医学产业发展的行业组织，将协调各方力量，设计模拟教学工具，制定医学生培养方案，推进我国高标准模拟医学产业的建设与发展。

　　随着模拟技术的提高，模拟医学教育将大大提升神经病学的教学水平，提高教学效果。但需要指出的是，医学模拟教学无论怎么发展，设计的模拟人即使与临床患者再接近，也无法替代真实的临床实践，通过临床实践来理解理论知识、提高临床操作技能是必不可少的环节。

　　第3篇：浅析神经网络在医学中的应用

　　杨泽宇：锡山高级中学，江苏无锡214174

　　摘要随着科技的发展，医疗数据规模也在飞速增长，由于人类本身对于数据并不具有敏感性，因此需要计算机辅助人类进行相关的数据处理、疾病诊断、辅助治疗等。与传统的计算机技术不同，人工神经网络是一种具备自我学习、自我优化特点的新兴技术，这也使得其能够从大量的数据中提取出使用者所感兴趣的特征或相关数据。文章介绍了人工神经网络的特点并从信号处理、医学影像处理和专家系统/辅助诊断3个方面展开，详细描述了人工神经网络在医学中的应用。

　　关键词神经网络；信号处理；医学影像处理；专家系统

　　健康是人类始终关注的话题，在短短的几百年内，医学有了令人震惊的进步，一个直观的例子就是结核病：该病曾在19世纪初在欧洲和北美大陆肆虐，但在今天的医学工作者看来几乎不值一提。而人类之所以能在医学领域取得瞩目的成绩，一大原因便是对人类自身生理构造及相关指标的了解与探索。人类通过血液化验、核磁共振成像、心电图等形式对人类自身的各项生理指标进行监控，对疾病进行预防，并根据生理指标的变化制定出相应的治疗策略。

　　然而，随着研究的不断深入，培养一名特定领域的医学专家的成本也在不断提高。在人类寿命没有明显提高，但知识库的规模却成倍增长的今天，一位医学生从入学到工作再到成为专家的时间跨度大大增长。同时，由于被人类研究的疾病不断增多，进行诊断时所要考虑的病症也在不断增加，这对诊断结果的可靠性也提出了挑战。

　　人工神经网络是当前机器学习的主流发展方向，其自适应、自训练的特点使得其在提取特征、模式识别、图像处理、数据降维等方面的表现非常亮眼。因此，将神经网络与医学相结合不失为一条可行之路。

　　本文首先介绍神经网络，进而主要从3个方面介绍神经网络在医学中的典型应用。

　　1神经网络

　　人脑是一个极其庞大而复杂的系统，因此也具备了十分强大的功能。一方面，它能极快地对大量信息进行处理，另一方面，它能不断学习，同时根据环境的变化不断调整自我。尽管人类不断在电子信息、计算机科学上有所突破，但迄今为止任何人工系统的表现都无法真正与人脑相匹敌。实际上，脑系统与计算机在结构上有着较为明显的差异，例如，人脑并没有一个集中的CPU，而是由千千万万个神经元构成。这些神经元彼此之间存在着某种联系，成为了大脑处理信息的基本元件。

　　人工神经网络是一种通过模仿人类脑结构来优化计算、判断过程从而实现当前计算机无法实现的功能的技术。该技术涉及的学科很广，包含生物、数学、计算机等。正如前文所说，人的大脑皮层的基本运算单元是神经元，而人工神经网络也正是通过在数学上模拟神经元之间的连接（同时对单个神经元赋予相应的计算或者输入，例如激活函数）进而构成了一个庞大的系统。

　　自1943年美国心理学家WarrenMcCulloch和数学家Walterpitts提出M-P模型，人工神经网络就一直是一个热门的话题。人工神经系统经过几十年的发展，已然越来越成熟，并且在各个领域发挥着积极作用。

　　2神经网络与医学的结合

　　科学技术的发展为医学的进步奠定了坚实的基础，实际上，人类在医学上之所以能够不断突破，归根结底是因为我们通过不断迭代的技术对人类本身的构造不断加以研究，从而更加精确地掌握人体内部的各种生理指标。

　　以神经影像学为例，随着技术的更新，脑电图的分辨率也在不断上升，随之而来的是待处理数据规模的几何增长，这对医学工作者的要求也在不断提高。人的大脑虽然巧妙而精密，但对于数据（尤其是大量数据）本身并不敏感，因此，从大量数据中发现异常并非人类擅长。而神经网络由于其本身所具备的并行处理、自我优化的特征，在面对这些问题时显得游刃有余。

　　因此，将神经网络与医学结合起来是促进医学进步、推动人类健康的必由之路。接下来，笔者将会从信号处理、图像处理、专家系统3个领域介绍神经网络在医学中的应用。

　　2.1信号的处理

　　在信号处理方面，比起传统的滤波技术，人工神经网络具有明显的优势，具体体现在以下方面。

　　1）人工神经网络的自学习以及自适应能力可以满足不同环境下对波形进行分类的需求。实际上，许多医学上关注的生理信号与患者的其他生理指标有着比较强的耦合，以脑电信号为例，患者眨动眼睛所引发的眼电信号会对脑电信号产生严重的干扰。在这种情况下，人工判断的可靠性会大幅降低，而如果使用神经网络进行特征提取，将噪声直接排除，就能大大简化我们的判断。

　　2）神经网络的并行处理能力可以提高心电图分析的效率，一个简单的例子：人工判断极易受到判断者生理状态的影响（例如人在疲倦时做出的判断其可信度往往会下降），而计算机则不具备这种局限性。

　　3）相对传统的信号处理方法，人工神经网络往往在技术上被封装得更加简便易懂，更加有利于对医学人员的培训以及学习。

　　实际上，人工神经网络已经在信号处理方面取得了较为丰硕的成果。例如，在心电信号处理方面，由于心电信号的非线性和不确定性，滤波技术难免在过滤噪声方面显得不尽人意，而利用人工神经网络的非线性动力学特性及学习特性可以构成一个具有自适应的系统，从而对该问题实现优化。

　　实际上Widrow[1]提出的自适应线性神经元“Adaline”在用于胎儿心电信号检测方面就取得了良好的效果。而我国的沈虹[2]等人使用了较为简单的BP神经网络来识别3种情况下的心电图：他们建立BP神经网络后，使用9个不同的心电图来训练BP网络，经过17次训练确定了各个参数值，最终误差减小至0.4807%。

　　2.2医学影像的处理

　　由于神经网络通过了大量的训练，它自身能够“记忆”并“分析”所输入的信息并且得出一个合理的预测结果。基于这个特征，人工神经网络在医学影像的筛查和辅助诊断领域得到了广泛的运用。尤其是近年来随着卷积神经网络的出现以及不断优化，人工神经网络愈发在图像处理、数据降维等方面大放异彩。例如，已经有相关人员用模糊神经网络分析肝超声图像，采用了150例样本进行特征提取，随后用75例样本进行学习，另外75例进行测试，结果精确度超过75%。SwierczM[3]等用人工神经网络测定颅内双超声，诊断大脑中动脉痉挛。他采用了一百例患者，在2小时进行脑造影分类，通过人工神经网络，准确分类的范围可从79.6%上升至87.6%。

　　而在超声图像的分割问题方面，王天富[4]等人采用特征映射神经网络进行图像分割，发现分割结果与网络的初始状态无关，并且具有较强的保持拓扑结构不变的能力，实际上，与传统方法相比，它具有分割结果的稳定性好、准确度高、自适应好以及收敛速度快的特点。崔栋[5]等人对眼底造影图像进行分析，利用BP神经网络优化算法，确定参数，得到的结果表明神经网络在眼底造影图像分割中有很强的抗干扰能力。

　　2.3专家系统

　　所谓的“专家”并不仅仅要求相关从业人员具备扎实的理论基础，同时也要求其拥有丰富的从业经验，医学上更是如此。这是因为在医学症状的辨析领域有一个难点，那便是同一症状可能是不同疾病的表现，而同一疾病也可能有着多种多样的临床症状。

　　以青少年的“斜眼”症状为例，在很长的时间内该病症都被认为是一种眼疾，而近些年来的研究发现该病症更可能是因为患者的神经中枢出现了功能性的病变。在这种症状来源复杂的情况面前，一个从业几十年的医生尚且没有把握正确诊断，更遑论工作经验只有10年左右的青壮年了。

　　如上文所述，人工诊断存在着天然的缺陷，因此发展以计算机为基础的专家系统是大势所趋。专家系统的发展方向和技术思路有很多，例如该系统的逻辑既可以由工作人员进行编排，也可以由计算机在大量数据的学习中自行“总结。但人工编排的速度必然将落后于时代进步、技术发展的速度。

　　因此，以机器学习为基础的专家系统必然是最终的答案。在西方专家系统的应用已经比较广泛：VerplanckeT[6]等人用人工神经网络来预测危重病人对透析辅助应用的需求。他们采用了ICU中830例患者，分别使用ESN、SVM、NB三种方法，结果表明ESN在预测ICU病人对透析需求上有着较为明显的优势。

　　3结论

　　时代在发展，科技在进步，人类对于自身的认识也在不断精细化，而人类自身的进化速度远远慢于技术的发展速度。

　　因此，在数据量越来越庞大的今天，如何从海量数据中提取我们需要的、感兴趣的特征、数据，是对科技工作者的考验，也是对医学工作者的考验。

　　靠医生个人“望闻问切”的时代已经过去，在未来，医学与大数据技术、人工神经网络技术相结合是必然的、不可阻挡的。不管是医学工作者还是患者，都应该拥抱变化，顺应时代发展的大趋势，为人类更加健康、美好的明天而奋斗。