中华医学会呼吸病学分会副主任委员兼介入呼吸病学学组组长、广州医科大学附属第一医院、广州呼吸健康研究院李时悦教授以《AI赋能：介入呼吸病学的智能升级》为题作大会报告。

李时悦教授从1956年的达特茅斯会议讲起，一路讲到ChatGPT与DeepSeek，随后把话题落到呼吸内镜的解剖辨认、病变识别、图像分析、导航、培训与质控，再延伸到呼吸专科大模型与智慧门诊。他给出的判断是，人工智能在呼吸内镜的多个环节已经具备实用条件，但真正的变量还在大模型；而从技术可行走到临床获益，还需要前瞻性多中心研究与以临床终点为目标的研究来完成验证、最后医师把关。

李时悦教授首先介绍了广州医科大学附属第一医院团队开发的气道解剖识别系统，其可对内镜下的气道解剖作动态识别，总体准确率达94.7%，大气道（段以上水平）识别精度可达98%以上；人机比较结果显示，人工智能识别内镜下解剖部位可达到高级别操作医生的水平。相关研究2023年发表于Ther Adv Chronic Dis。

上海市胸科医院孙加源教授团队完成的另一项研究，把支气管镜下的气道解剖切分为31个部位，纳入2万余张气道解剖图像训练人工智能模型，总体准确率达90%，节段水平在70%以上，并提高了初级医师的识别率。相关成果2022年发表于Transl Lung Cancer Res。

李时悦教授指出，这类工具的落点不只是帮初学者看见，也在缩小不同操作者之间的水平差距。

在良恶性病变判别上，李时悦教授介绍了哈尔滨医科大学附属肿瘤医院团队的工作，基于2900余张支气管镜下图像训练并构建人工智能识别模型，识别正常与病变图像的准确率97.76%，区分良性与恶性病变图像的准确率92.26%，识别正常、良性与恶性病变图像的准确率93.10%，与有经验的医生大致相当，研究2025年发表于 J Adv Res。

在具有特征性表现的气道病变如骨化性气管支气管病，李时悦教授团队基于200余例多结节气道表现的镜下图像建立识别模型，气道内异常病变的识别准确率达89.2%，其中结节样病灶高达98.9%，外部验证图集中骨化性气管支气管病识别精度可达89.8%，相关成果发表于2024年的 Ther Adv Respir Dis。

李时悦教授指出，气道内异常病变形态多样，人工智能在结节样病灶上的识别准确率已接近有经验的医生，为这类容易漏诊的病变提供了客观判断依据。

凸阵探头超声支气管镜引导下经支气管针吸活检是肺癌诊断与纵隔淋巴结分期的一线微创技术，超声的解读有重要的临床意义。上海市胸科医院孙加源教授团队携手上海交通大学熊红凯教授、戴文睿教授团队开发了AI-CEMA系统，直接分析超声多模态动态视频，自动完成关键帧提取、淋巴结定位与良恶性判断，成果于2025年发表于 Cell Rep Med。在1006例淋巴结的训练与验证中，AI-CEMA的曲线下面积达0.8897；在五家中心前瞻性测试的267例淋巴结中为0.8490，与有经验专家的0.7847相比，差异没有统计学意义。

光学相干断层成像方向，广州医科大学附属第一医院李时悦教授团队基于17820张气道光学相干断层成像图像构建AI-OCT模型，实现气道全自动分割与形态识别，辅助分割准确率超过96%，并大幅改善了参数测量与分析的时间效率。该系统已公开，可应用于OCT图像的分析。

李时悦教授指出，从超声内镜的多模态动态视频到光学相干断层成像的形态分割及分析，人工智能正在改变传统判读中主观性强、耗时、难以实时和同质化的环节。

导航是人工智能在介入呼吸病学中另一条主线。李时悦教授介绍了几条技术路线：一是基于深度估计的可视化导航支气管镜，利用两阶段条件生成对抗网络估计气道深度；二是基于光纤布拉格光栅形状传感与人工智能的导航系统，由罗马尼亚克拉约瓦大学团队开发并于2022年报道，通过实时捕捉气道形态、结合深度学习算法与气道中心线动态匹配，实现毫米级导航精度。

手绘导航的智能化是另一个落脚点，系统可以自动识别管腔、自动生成手绘导航路线，医生只需在界面上确认或微调。

智能辅助驾驶的是机器人发展的一个重要方向。浙江大学陆豪健、王越、熊蓉团队开发了一种人工智能辅助机器人气管镜系统，可将导管送达更远端的支气管，成果于2024年发表于 Nat Commun。系统采用人工智能与人类共享控制的算法，操作医师使用控制台对支气管镜导管进行操纵，机器人臂用于调整导管进行转向；人工智能基于支气管镜图像和离散的人类命令，调节力学控制模块精确控制导管运动，在保持效率的同时降低损害周围组织的风险。

远程方向，2021年9月，李时悦教授团队在广州利用5G与人工智能技术，远程指导异地医院完成了复杂超声支气管镜检查，主会场完成病灶定位与路线规划，再实时回传到检查现场，操作医生共享主会场的高端导航设备，在广州专家团队的指导下完成操作；并于2024年12月完成了国际首例远程机器人支气管镜的操作，在广州远程操控5000多公里外的新疆喀什地区进行机器人支气管镜操作。

李时悦教授认为，这为呼吸介入诊疗的规范化和同质化提供了一种路径，也在一定范围内实现了高端医疗设备的共享。

支气管镜操作的学习曲线很长，人工智能在培训环节的价值正在显现。李时悦教授介绍，国外一项随机对照研究纳入20名初学者，结果显示接受人工智能反馈的一组在诊断完整性和结构化进程两项指标上表现更好，且平均操作时间更短，研究发表于2024年的 Chest。

国内中日友好医院侯刚教授团队牵头，联合广州医科大学附属第一医院、德国海德堡大学胸科医院等单位，设计了一款数字孪生支气管镜教学系统，并开展了针对培训效果及技能保留的随机对照研究，成果发表于2025年的 Thorax。研究纳入60名初学者，随机分为对照组、解剖一致性训练组和解剖多样性训练组；在标准模型（测试1）中，两个训练组之间没有差异，但都优于对照组；在全新模型（测试2）中，解剖多样性训练组的解剖覆盖节段数与进级数均显著优于解剖一致性训练组与对照组。解剖多样性训练可显著提升操作的泛化能力。

质控是李时悦教授团队另一个重要的方向，团队开发的BronchoAI质控系统对支气管解剖的总体识别准确率达95%，可识别34个支气管部位（肺段），完全覆盖肺部常规检查范围。

在真实病例的检查视频中，系统可以实时识别解剖部位，同步提示下一检查部位，并在检查结束后把检查完整性汇总成一份可复核的记录，自动生成质控报告。

李时悦教授指出，这类工具的意义在于把质控从事后抽查变成过程留痕，并且可以术中的监控。

广州医科大学附属第一医院与京东健康合作，把人工智能能力嵌入呼吸与危重症医学科门诊的诊前、诊中、诊后三个环节，形成诊前问全、诊中看快、诊后管住的连续服务闭环：诊前由数字人完成多轮问诊，结构化采集主诉、现病史、既往史、过敏史、用药史、家族史6类核心病史，报告上传分析，病历同步专家端；诊中采集医患实时对话音频，智能书写结构化病历，延续预问诊内容提问，并一键回传HIS；诊后在门诊或出院后3天内主动回访，跟踪短期用药效果与病情变化。这项工作由李时悦教授、简文华主任担任负责人，广医一院专家团队设计问诊路径与多轮策略，京东健康负责模型训练、算力与院内部署。

李时悦教授强调，在这一闭环里，人始终掌握最终判断。

呼吸专科大模型的一个重要场景是多学科讨论，大模型多学科讨论的底座可为四层，MedGuide指南层、MedCase病例层、MedEvidence证据层与Benchmark基准层。

他最后给出边界，人工智能仅承担资料整理与辅助分析，最终判断及责任由医生负责。

报告的最后一部分，李时悦教授把人工智能在医学共性、呼吸专科与呼吸介入三个层面面临的局限与应对办法一一列出。

他给出的底线很清楚，以高质量数据与临床验证为基础，坚持人机协同、医生把关。

在总结中，李时悦教授给出三层判断。第一，人工智能在呼吸内镜的解剖部位辨认、病变识别及评估、导航、图像自动分析、培训、质控等方面已经具备实用的条件。第二，目前多数证据仍来自单中心、小样本或模拟环境，从技术可行到临床获益，还需要前瞻性多中心研究与以临床终点为目标的研究来完成验证。第三，人工智能、机器人、大模型正在融合发展，智能化呼吸介入是未来的重要方向；而无论技术走到哪一步，人机协同、数据规范、伦理合规与成果转化是基本原则。