专家们指出，人工智能在肺病学和重症监护领域展现出切实前景，但也充斥着炒作、发展不均衡及显著的实施障碍。尽管面临这些挑战，AI技术正迅速推进这些领域的发展。放射学应用仍处于领先地位，占美国食品药品监督管理局（FDA）批准的约1400款AI医疗设备的76%。
在肺病学领域，AI正在改变或有望彻底变革慢性阻塞性肺疾病（COPD）、间质性肺疾病（ILD）和肺动脉高压（PH）的诊断。
迈阿密大学米勒医学院肺病、重症监护和睡眠医学系临床医学教授舒林·沙法赞德（Shirin Shafazand）医学博士、理学硕士在美国胸科学会（ATS）2026年国际会议的AI专题研讨会上表示："肺病学特别适合应用AI技术，因为我们处理大量生理数据。我们面对大量影像资料、复杂病例以及需要长期随访管理的患者。可穿戴设备正逐步普及，而肺病专科医生短缺，因此随着这些工具的成熟，它们有望为众多人群带来切实益处。"
沙法赞德同时担任迈阿密大学医学教育人工智能办公室负责人，她指出当前的主要局限在于：大多数FDA批准的AI技术聚焦狭窄领域。例如，机器学习算法仅针对特定适应症，如肺结节、肺栓塞或气胸的分诊和检测。因此，与人类不同，AI尚不能像医生那样全面解读X光片以识别多种异常。"尽管这一功能即将到来，许多放射科医生对此充满期待，"沙法赞德补充道。
AI可识别COPD存在但无法判定严重程度
在慢性阻塞性肺疾病检测方面，AI能够准确预测该疾病是否存在。2026年1月发表的一项系统综述和荟萃分析显示，深度学习模型在二元分类（即判断是否存在COPD）中表现出0.87的汇总敏感度、0.88的特异度以及0.93的曲线下面积（AUC）。该分析涵盖56项研究、886,753名参与者，但沙法赞德指出，AI在COPD准确分期方面仍面临挑战。
沙法赞德补充称，结合可穿戴监测器与AI技术有望减少急诊科就诊次数。2025年一项综述揭示，通过整合血氧饱和度、心率、基因组学和环境数据，这种双重策略可提前约7天预测COPD急性加重。整合这些数据的AI模型AUC达到0.80以上，使急诊就诊率降低高达98%，再入院率下降25%-48%。
在另一项研究中，当面对50名患者的相同肺功能测试（PFT）和临床数据时，AI的表现优于资深和初级肺病专家。该AI模型依据欧洲呼吸学会指南训练，其结果与120名肺病专家的解读形成对比。研究包含九种诊断类别选项（含COPD），专家正确诊断率为45%（范围24%-62%），而AI软件正确诊断率达82%（P < 0.0001）。需注意的是，自2019年该研究发表以来，AI技术已迅速演进。
2023年一项较新研究显示，当肺病专家借助AI解读肺功能测试结果时，其准确诊断率反而超过单独使用AI。
间质性肺疾病与肺动脉高压：进行中的探索
沙法赞德表示，支持AI的ILD或PH检测工具有望加速诊断进程。"这些技术在缺乏ILD诊断专长（尤其是特发性肺纤维化）的医疗中心将非常实用，但仍有大量工作要做。"
她补充道，AI可能缩短患者转诊至三级医疗中心接受适当治疗的时间："随着这些工具的不断完善，我们值得期待这些进步。"
关于肺动脉高压，沙法赞德指出右心导管检查被视为诊断金标准，但具有侵入性。"问题在于：我们能否利用AI工具分析超声心动图模式，从而可靠诊断肺动脉高压？"
一项研究给出了肯定答案。研究人员评估了7853名同时接受右心导管检查和经胸超声心动图的患者，发现机器学习以0.83的AUC、82%的准确率、88%的敏感度、89%的阳性预测值和54%的阴性预测值准确诊断了肺动脉高压。
现实挑战
"但如同其他领域，希望与炒作并存，"沙法赞德强调。一个局限是模型通常基于单中心或双中心的小规模研究患者训练，其泛化至其他中心和不同人群的能力仍存疑。例如，截至2025年，少数AI支持工具报告了训练人群的人口学特征（包括种族和族裔）。
另一担忧是性能随时间退化。沙法赞德表示，这些AI工具"需要持续更新和监测，以确保其始终保持最高准确度。"
此外，AI著名的"黑箱"问题——即决策过程的不透明性——仍广为人知。沙法赞德指出，这一特性削弱了临床医生的信任。可解释AI（亦称可信AI）正在兴起，但尚未成为标准。
重症监护室的关键角色？
"AI在重症监护室正成为日益现实的技术……应用于脓毒症预测、生理监测、分诊与风险分层以及文档管理，"密歇根州中央密歇根大学内科助理教授拉尼娅·埃斯泰蒂（Rania Esteitie）医学博士在ATS 2026年AI专题研讨会上表示。
ICU中AI的主要聚焦点是脓毒症检测。例如，Epic脓毒症模型V2的AUC为0.82-0.92，但埃斯泰蒂指出，其需治疗人数（NNT）高达21-35例患者才能检测到一例事件。她补充，一个潜在缺点是频繁警报导致的"严重警报疲劳"。另一方法是Sepsis ImmunoScore（Prenosis），这是首个获FDA授权的机器学习脓毒症诊断设备，该技术利用电子健康记录中22项预设输入生成风险评分，并将患者分为四类风险等级。
埃斯泰蒂还强调了预测休克的AI技术。例如，FDA批准的Acumen低血压预测指数（HPI，Edwards Lifesciences公司）通过分析动脉波形形态，生成0-100分的低血压风险评分。
"该评分反映未来5-15分钟发生低血压的概率。其亮点在于，一项随机对照试验显示，它能减少心脏手术及后续ICU住院期间的低血压持续时间。这是具有临床意义的实质性降低，而非单纯的统计学差异，"埃斯泰蒂补充道。她同时担任密歇根州萨吉诺市Covenant HealthCare的肺病与重症监护医师。
埃斯泰蒂解释，当Acumen HPI软件与Acumen IQ传感器配合使用时，它每20秒自动计算关键参数，包括心输出量、每搏输出量、每搏输出量变异度、脉压变异度、动态动脉弹性及心肌收缩力。"我发现其特别实用之处在于：它不仅标记高风险患者，还能识别低风险患者，使临床医生有信心降低某些治疗或管理的强度。"
核心主题浮现
辛辛那提大学医学院人工智能与教育信息学副院长劳拉·特纳（Laurah Turner）哲学博士表示，AI专题研讨的一个核心主题是：AI部署至医疗环境后需持续监测与评估。
"所有报告中另一个明确主题是可解释性与可靠性，"负责总结专题报告的特纳补充道，"从技术角度看，这两点都至关重要。"
特纳强调，解决这些问题需要组建新团队并构建基础设施："将涌现新的专业技能需求，这些技能对部署、监测和评估这些技术至关重要。"
沙法赞德是ResMed顾问委员会成员及IQVIA终点审查委员会成员。埃斯泰蒂和特纳报告无相关财务关系。
达米安·麦克纳马拉是Medscape医学新闻的自由撰稿人，2018至2024年曾全职任职于Medscape和WebMD。他拥有化学学士学位及科学、健康与环境报道/新闻学硕士学位。
【全文结束】