肺部感染是由多种微生物引起的下呼吸道感染，包括社区获得性和医院获得性肺部感染。作为全球第三大疾病死因，肺部感染严重威胁人民生命健康。目前，其精准诊治的难点主要集中于“诊”这一环节。研究显示，采用传统病原学检测方法（如培养、涂片和分子检测等）约有62%的患者无法获得明确的病原学诊断依据，同时影像学表现也缺乏特异性。

李为民教授指出，当前肺部感染精准诊疗仍缺乏有效的病原学检测技术和新型影像学诊断手段。因此，推动新型分子诊断技术及前沿影像智能诊断技术的发展，是应对上述挑战的重要方向。

针对影像学中“同病异影、异病同影”的难点，可通过建立临床影像大数据，挖掘早期影像学特征，从而研发多模态智能甄别技术。李为民教授指出，医学人工智能研究的关键要素主要包括临床大数据、模型研发以及模型验证。

图1

目前，临床大数据面临数据质量不高、样本量不足以及数据分布不均衡等挑战；在模型开发过程中，则存在金标准准确性不足、最优算法选择困难、模型验证方式不明确，以及人工智能“黑盒”问题等难点；而在模型评估方面，主要挑战包括指标表达与定义不统一、模型评价指标报告不规范，以及人机对比结果可能存在假象。

基于上述背景，在四川大学华西医院的支持下，建设了“华西医院呼吸和共病研究院人工智能创新平台”。该平台硬件基础完备，包括存储系统（550T）和算力系统（CPU A100，L20），为相关研究提供了有力支撑。

2025年10月，李为民教授等在《英国医学杂志》（The BMJ）发表了题为“Breadth versus depth: balancing variables, sample size, and quality in Chinese cohort studies”的文章，剖析了国际及中国队列研究在变量广度、样本深度及数据质量三个维度面临的挑战与对策。通过华西医院社区、体检及高原三个互相关联的子队列，结合跨地区数据整合与临床问题驱动的研究框架，实现了纵向深度与横向广度的有机统一。文章进一步提出，队列研究的未来应围绕以价值为导向的目标，从规模驱动迈向科学价值、健康价值及社会价值三位一体的新发展阶段。因此，数据库建设是平台构建的重中之重。

智能化临床专病数据库架构见图2，可通过自然语言处理技术与机器视觉技术两项关键技术实现医学文本和影像数据的结构化与标准化。标准化临床数据库的构建可解决多系统、多维度、多模态医疗数据的统一集成、标准化治理与应用问题，具体方案见图3。

图2

图3

为突破肺部异常征象精准检出的难题，华西医院呼吸和共病研究院研发了首个基于CT图像的胸部异常征象智能检出与甄别系统。该系统可自动识别肺结节、磨玻璃影、实变影、网格影等20种影像特征，实现一键式结果输出，其准确性与三甲医院高年资专科医师水平相当，显著提升了肺部感染疾病的早期诊断能力。该研究于2022年发表于npj Digital Medicine杂志，并被选为封面亮点论文，获得Nature官方媒体专题报道——被认为有望解决中国医疗资源分布不均的难题。

针对多模态数据融合的技术瓶颈，团队开发了多模态融合AI诊断模型（IRENE）。其核心技术包括统一多模态诊断转换器（MDT） 和双向多模态注意力模块，能够直接从多模态输入数据生成诊断结果，避免分步学习导致的信息丢失。该模型将诊断准确率从单一影像学的80%提升至92%，相关成果于2023年发表于Nat Biomed Eng。

2020年，李为民教授团队联合澳门科技大学、清华大学、中山大学等机构，基于4154名患者的大型计算机体层扫描（CT）数据库，开发了可诊断新型冠状病毒感染所致肺炎并区分其他常见肺炎的AI系统（图4）。该系统能够识别与新型冠状病毒感染所致肺炎病变特性相关的重要临床标志物，并可精准诊断新型冠状病毒感染所致肺炎，综合预测发展为重症、危重症的概率和时间，及时指导临床医生精准抗感染治疗及综合干预，降低患者死亡率，研究成果发表于Cell。美国医学与生物工程院会士、哈佛大学医学院Omid C. Farokhzad教授在Nat Rev Mater发文认为“此项基于CT影像大数据开发的AI系统可帮助临床医师快速精准诊断。”

图4

2024年，李为民教授团队在The Innovation发表题为“A multimodal integration pipeline for accurate diagnosis, pathogen identification, and prognosis prediction of pulmonary infections”的研究。该研究创新性地开发了多模态融合（MMI）模型（图5），整合临床文本、影像图像、检验指标等多维度信息，实现肺部感染性疾病的智能诊断、病原类型精准预测及危重症预警干预。该模型通过多维度特征融合，显著提升诊断精度与临床决策效率。

图5 多模态融合MMI模型总体架构

通过对正常人下呼吸道肺泡灌洗液进行病原学二代测序，团队构建了中国健康人呼吸道生物组图谱，为区分致病性微生物与定植微生物提供参考标准。该图谱填补了全球健康人下呼吸道定植菌参考的空白，并将数据全球共享。

团队研发的病原微生物智能分析报告系统实现了致病性微生物的精准鉴定，已转化并获批医疗器械注册证，有效解决了二代测序结果解析困难的实际问题。

图6

针对分枝杆菌破壁困难、二代测序阳性率低的问题，团队研发了分枝杆菌酶解新技术，通过加入新型溶霉菌，使分枝杆菌DNA提取效率提升近8倍，且完整性显著优化。

 图7

基于华西医院精准医疗中心4607例肺部感染样本，团队通过宏基因组二代测序鉴定1834种微生物，从中筛选出396种中国下呼吸道感染关键微生物。在此基础上，团队进一步研发了靶向病原微生物二代测序技术（tNGS），通过超多重PCR（2000+）体系对目标序列进行扩增富集，结合二代测序与智能分析系统，助力疑难肺部感染的精准抗感染治。

 图8

李为民教授团队通过构建智能诊断系统、多模态融合模型、病原微生物分析技术及关键生物组图谱等一系列前沿创新，系统性地推动了肺部感染诊疗从经验依赖向数据驱动、从传统检测向智能精准的转型。未来，随着技术持续优化与临床应用的深入，这些成果有望进一步赋能早期诊断、精准干预与预后管理，为全球肺部感染防控提供坚实的科技支撑与解决方案。

中国医学论坛报今日呼吸整理