Stroke 2026年9月17日这篇综述综合了急性卒中管理中可解释人工智能与公平性人工智能的现有文献，指出人工智能已在大血管闭塞检测、Alberta卒中项目早期CT评分和功能预后预测等任务上表现良好，但可解释性方法多为事后近似且很少被正式检验，公平性评估因人口统计学元数据有限、监管限制和缺乏卒中专用公平标准而少见，可解释性与公平性彼此脱节，泛化性也受数据集划分策略与报告实践影响，因此呼吁建立同时评估可解释性、公平性与泛化性的统一评价框架。这篇综述综合了急性卒中管理中可解释人工智能与公平性人工智能的现有文献，指出人工智能已在大血管闭塞检测、Alberta卒中项目早期CT评分和功能预后预测等任务上表现良好，但可解释性方法多为事后近似且很少被正式检验，公平性评估因人口统计学元数据有限、监管限制和缺乏卒中专用公平标准而少见，可解释性与公平性彼此脱节，泛化性也受数据集划分策略与报告实践影响，因此呼吁建立同时评估可解释性、公平性与泛化性的统一评价框架。急性卒中管理中的负责任人工智能：可解释性与公平性的综述这篇综述综合了急性卒中管理中可解释人工智能与公平性人工智能的现有文献，指出人工智能已在大血管闭塞检测、Alberta卒中项目早期CT评分和功能预后预测等任务上表现良好，但可解释性方法多为事后近似且很少被正式检验，公平性评估因人口统计学元数据有限、监管限制和缺乏卒中专用公平标准而少见，可解释性与公平性彼此脱节，泛化性也受数据集划分策略与报告实践影响，因此呼吁建立同时评估可解释性、公平性与泛化性的统一评价框架。这篇综述综合了急性卒中管理中可解释人工智能与公平性人工智能的现有文献，指出人工智能已在大血管闭塞检测、Alberta卒中项目早期CT评分和功能预后预测等任务上表现良好，但可解释性方法多为事后近似且很少被正式检验，公平性评估因人口统计学元数据有限、监管限制和缺乏卒中专用公平标准而少见，可解释性与公平性彼此脱节，泛化性也受数据集划分策略与报告实践影响，因此呼吁建立同时评估可解释性、公平性与泛化性的统一评价框架。