神经精神性系统性红斑狼疮（neuropsychiatric systemic lupus erythematosus, NPSLE）是系统性红斑狼疮（systemic lupus erythematosus,SLE）最危重的表型，具有发病机制复杂、临床异质性高、缺乏诊断金标准等特点。常规影像学难以识别近半数活动期患者的亚临床微小病变，造成 “临床–影像脱节”，形成长期难以突破的 “诊断黑箱”。人工智能与多模态融合技术为破解这一瓶颈提供了全新路径。本文围绕近年关键技术突破与临床应用新进展，系统梳理 AI 驱动的多模态融合在 NPSLE 精准诊断中的应用现状，分析不同融合策略对诊断效能的提升作用，并评估其临床转化潜力与挑战。

检索 PubMed、Web of Science等数据库，纳入 2021—2026 年最新发表的高质量原创研究与荟萃分析。检索词包括 “神经精神狼疮”“人工智能”“多模态融合”“影像组学”“表面增强拉曼光谱” 等。纳入标准聚焦前沿技术与创新方法：（1）融合两种及以上模态数据（结构/功能 MRI、磁共振波谱、血清光谱、临床指标等）；（2）采用深度学习、自监督学习、强化学习等新一代 AI 算法。从特征级、决策级、端到端三类融合策略出发，总结技术演进路线与最新研究进展。

近年基于 AI 的多模态融合技术在 NPSLE 诊疗领域取得一系列突破性新进展：（1）无创液体活检新进展：结合血清微球耦合表面增强拉曼光谱（McSERS）与卷积神经网络，实现 NPSLE 无标记、高灵敏、快速筛查，准确率达 95.0%，开辟无创诊断新方向；（2）亚临床病变识别新进展：自监督对比学习、多智能体强化学习（MARL）可识别肉眼不可见的早期隐匿损伤，突破传统影像检出下限；（3）可解释诊断新进展：基于 Grad‑CAM 实现受累脑区可视化定位，将黑箱模型转向可解释病理诊断，成为近年重要技术突破；（4）多模态融合范式新进展：从单模态分析→特征级融合→端到端全局表征学习，模型效能持续提升，融合 rs‑fMRI 与结构影像 AUC 达 0.86~0.97。

AI 驱动的多模态融合代表 NPSLE 精准诊疗的最新发展方向，显著降低漏诊率，推动诊疗范式从 “经验依赖” 向 “数据驱动” 转变。近年在无创光谱诊断、亚临床病灶识别、可解释 AI 等方向取得重要新进展。未来应建立标准化多中心数据集，开发面向基层的轻量化诊断平台，并进一步探索基础大模型（Foundational Models）与生成式 AI 在多模态融合中的应用，以更强的泛化能力与表征学习能力赋能 NPSLE 智能诊断，最终实现全病程管理与个体化精准干预的新一代诊疗模式。