瞿介明教授团队:赋能AI智能诊疗,构建呼吸疾病临床新模型(下)|ERS 2026华夏鸿音

来源: 2026.09.06
我要投稿
图片
本文审核:瞿介明教授


匠心求索,彰显华夏硕果

2026年9月5日至9日,第36届欧洲呼吸学会(ERS)国际大会将在西班牙巴塞罗那盛大举行。为呼吸医学领域全球规模最大、最具影响力的年度学术盛会之一,本次ERS大会预计将吸引约20,000名来自世界各地的呼吸领域专家,涵盖临床医生、科研人员、护理人员及患者代表等,共同探讨呼吸医学的最新科学进展与临床实践。

本届大会上,上海交通大学医学院附属瑞金医院瞿介明教授团队共有9项研究成果入选,内容涵盖重症肺炎免疫单细胞图谱、呼吸道病毒新型抑制剂、肺部细菌感染免疫抑制机制与外囊泡抗生物膜基础探索,同时包含多款人工智能呼吸诊疗工具的多中心验证和自体气道干细胞移植临床评价,因内容丰富,将分为上下两篇推送,上篇聚焦于免疫基础机制和创新药物研发,下篇则赋能AI智能诊疗,构建呼吸疾病临床新模型,以飨读者!



自体气道基底干细胞移植修复肺损伤的真实世界安全性与有效性


图片
图片



研究背景


多项随机对照试验表明,自体气道基底干细胞移植对于伴有气道及肺泡损伤的肺部疾病,是一种安全且有效的再生医学治疗方法。自2025年3月起,该疗法已获得条件性批准,在中国上海交通大学医学院附属瑞金医院海南医院开展临床应用与实践。本研究旨在评估该疗法在真实世界场景下的疗效、安全性及耐受性。


研究方法


支气管镜刷检获取自体气道基底细胞,体外扩增3~4周后,经支气管镜以2×106细胞/kg的剂量进行移植。本研究共回顾性纳入111例患者(其中慢性阻塞性肺疾病88例,间质性肺疾病18例,支气管扩张症5例),评估细胞移植后1个月及6个月的不良事件、肺气体交换能力[肺一氧化碳弥散量(DLCO)]及生活质量[慢性阻塞性肺疾病评估测试(CAT)]。

研究结果


细胞移植后未观察到与细胞治疗相关的严重不良事件。DLCO从基线至治疗后24周显著升高,增幅为+1.61 mmol/min/kPa(95% CI:0.62~2.60,P=0.0019),54.5%的患者达到了最小临床重要差异(MCID=11%)。CAT评分提示生活质量早期改善,治疗后4周时降低约3.70分(95% CI:−6.59~−0.81,P=0.0125),81.8%的患者达到MCID(=2分)。用力肺活量(FVC)和第一秒用力呼气容积(FEV1)在整个随访期间保持稳定。


研究结论


对于肺组织损伤性疾病患者,自体气道基底干细胞移植在气体交换能力和生活质量方面显示出具有临床意义的改善。这些发现证实了气道基底干细胞再生治疗的安全性和有效性,并为其临床应用提供了真实世界证据。








基于智能手机呼气声音的肺功能估算模型DeepSpiro:一项多中心开发与验证研究


图片
图片



研究背景


肺功能检查因成本和操作人员要求,在专科诊所之外应用较为有限。智能手机麦克风可以以近乎零成本捕捉用力呼气声音,但其录音能否在多中心环境下可靠估算用力肺活量(FVC)和第一秒用力呼气容积(FEV1),尚未得到证实。

研究方法


本研究开发并验证了DeepSpiro,一种多模态深度学习模型,通过一次智能手机录制的呼气声音结合人口学信息(年龄、性别、身高、体重)来估算FVC和FEV1。研究收集了来自多家医院的4,864例受试者共9,720组配对呼气-肺功能检查录音,采用定制连接器。按患者层面进行训练/验证集拆分,验证集来自两家最大的医院。经过分段和质量控制筛选后,DeepSpiro通过结合声谱图声学编码器与人口学特征来估算FVC和FEV1

图片
图. DeepSpiro智能手机工作流

图片

. 用力呼气声和人口统计学数据转换为FEV1FVC估计值


研究结果


在多中心验证集中(质量控制前n=1,260;质量控制后n=964),DeepSpiro对FVC的R²为0.815±0.004,平均绝对百分比误差(MAPE)为0.113±0.001;对FEV1的R²为0.819±0.010,MAPE为0.116±0.004。亚组分析显示,间质性肺疾病(ILD)患者(n=41)中FVC的MAPE为0.136±0.006,FEV1的MAPE为0.119±0.003;COPD患者(n=73)中FVC的MAPE为0.127±0.004,FEV1的MAPE为0.188±0.010。


研究结论


DeepSpiro可在医院人群中提供可用的FVC和FEV1估算值,支持其作为基层医疗和社区场景下低成本筛查工具的潜力。








基于AI的咳嗽症状分析在社区慢性阻塞性肺疾病筛查中的应用:来自中国32个城市的246个社区的实施情况与临床结局


图片
图片



研究背景


慢性阻塞性肺疾病(简称慢阻肺病)影响中国超过1亿成年人,但超过70%的患者尚未确诊。基于肺量计的筛查因设备及成本限制,难以在大规模社区中实施,亟需可扩展且可及的社区早期病例发现手段。研究旨在评估基于AI的智能手机应用CoughSearch在中国多城市社区慢阻肺病筛查中的实施情况及有效性。


研究方法


CoughSearch被整合入两种社区医疗路径:(1)在社区卫生中心,由医师主导对具有呼吸道症状的门诊患者进行筛查;(2)在65岁及以上居民年度国家健康体检中开展人群为基础的筛查。受试者通过智能手机记录三次用力咳嗽,并完成症状问卷。该算法将咳嗽声学特征与人口学及症状数据整合,生成慢阻肺病风险分层。被判定为高风险者转诊接受肺量计确诊检查。


研究结果


2026年2月至5月期间,在32个城市的246个社区中部署CoughSearch,共筛查16,760名居民(年龄68.6±10.9岁,43%为男性)。其中25.1%(n=4,207)被判定为慢阻肺病高风险。在已完成随访的两个站点中,医师转诊的高风险个体(n=93)经肺量计确诊为慢阻肺病者(n=71),阳性预测值为76.3%。CoughSearch的系统可用性量表(SUS)平均得分为75.6(n=17,B级),表明其具有良好的可用性和高效率(约2分钟/人)。


研究结论


CoughSearch可实现大规模、可及的慢阻肺病病例发现,并整合入现有社区卫生基础设施。初步结果支持将该方法用于老年人群中未确诊慢阻肺病的早期识别。








AI辅助支气管镜实时监测系统的多中心随机对照试验


图片
图片



研究背景


支气管镜操作者之间的技术差异常导致检查不完整和病灶遗漏,主要原因是缺乏用于标准化质量控制的实时监测工具。因此,A辅助监测系统被视为识别检查部位、提高检查完整性的有力解决方案。本研究设计并验证了一种实时AI辅助支气管镜系统,旨在提高检查完整性、预防病灶遗漏并计时操作过程。


研究方法


本系统采用两个深度学习网络作为模型,分别用于过滤不合格图像和识别31个支气管解剖部位。随后,我们在中国三家医院开展了一项前瞻性、多中心、随机对照试验。根据纳入和排除标准,共入组268例受试者,随机分配至AI辅助组(134例)或对照组(134例)。主要结局指标为比较有无AI系统辅助下解剖部位平均覆盖率的差异。


研究结果


AI辅助组与对照组的平均解剖部位覆盖率分别为91.60%和82.52%(P<0.0001),差异及其95%置信区间为[9.08%(7.00%–11.15%)];AI辅助组与对照组的平均检查时间分别为222.5秒和180.49秒(P<0.0001);系统识别31个部位的平均灵敏度为95.99%,平均特异度为94.36%。

研究结论


该AI辅助监测系统可显著帮助医师提高支气管解剖部位的覆盖率,并延长平均检查时间以确保更全面的检查。






专家介绍

瞿介明 教授


  • 上海交通大学医学院附属瑞金医院呼吸与危重症医学科主任医师

  • 二级教授,博士及博士后合作导师

  • 美国微生物科学院院士 

  • 瑞金医院学术委员会主任与终身教授

  • 第十一届中华医学会呼吸病学分会 主任委员

  • 中国医师协会呼吸医师分会 候任会长

  • 第二届中国临床实践指南联盟(GUIDANCE) 主席

  • 全国麻醉和呼吸设备标准化技术委员会 主任委员

  • 上海市医师协会呼吸内科医师分会 会长

  • 上海市医学会呼吸病学专科分会 第十届主任委员

  • 上海交通大学医学院呼吸病研究所 所长

  • 上海市呼吸传染病应急防控与诊治重点实验室主任

  • 中华结核与呼吸杂志 总编 、中华内科学杂志 副总编 、Science Bulletin 副主编

  • 作为负责人承担国家自然科学基金项目9项(其中重点项目2项,专项1项) 、牵头承担科技创新2030——四大慢病重大课题 、科技部国家重点研发项目 1项 、科技部应急项目 1项等十余项课题

  • 以第一完成人获上海市科学技术进步奖一等奖 、上海医学科技奖一等奖等7项奖项,获亚太医学生物免疫学会“2024年度亚太临床医学奖”

  • 以通讯作者/第一作者(含共同)在Cell 、 Lancet、Lancet RM、BMJ 、Cell Research、Nature Communications等国际权威杂志发表SCI论文156篇,累计影响因子1200余分



参考文献

1.Y.Zhao, et al. Real-world safety and efficacy of autologous airway basal stem cell transplantation to repair lung injuries.ERS 2026, PA5078.OA5555.
2.Bu Z, et al. DeepSpiro: Smartphone-Based Lung Function Estimation From Forced-Exhalation Sound — A Multicenter Development and Validation Study. ERS 2026, OA4593.
3.Mao J, et al. AI-powered cough analysis for community-based COPD screening: deployment and outcomes from 246 communities across 32 Chinese cities. ERS 2026, PA4319.
4.Zhang G, et al. A multicentre randomised controlled trial of artificial intelligence assisted real-time monitoring system for bronchoscopy. ERS 2026, PA4264.



本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容,不能以任何方式取代专业的医疗指导,也不应被视为诊疗建议。如该等信息被用于了解医学信息以外的目的,本平台不承担相关责任。本平台对发布的内容,并不代表同意其描述和观点。若涉及版权问题,烦请权利人与我们联系,我们将尽快处理。

图片