人工智能在慢性阻塞性肺疾病管理中的应用：基于系统检索的叙述性综述

Respiratory medicine · 2026-10-28 · 综述

• 一句话结论：结论：综述提示人工智能可能辅助慢阻肺的诊断、预后预测与远程监测，平均判别能力较高，但方法学异质性与外部验证不足使临床转化仍受限，属提示性证据。
• 研究设计与做法：设计：叙述性综述，按PRISMA 2020原则报告并在PROSPERO注册（CRD42024502765）；检索MEDLINE、Embase与Cochrane CENTRAL，自建库至2025年5月；纳入22项针对成人慢阻肺、应用人工智能/机器学习/深度学习的研究，由两名评价者独立提取数据。
• 主要结果：结果：人工智能在慢阻肺诊断、急性加重预测与死亡风险判别上表现较高，平均AUROC为0.83；整合多模态数据的模型通常优于单一数据域方法；各研究具体效应量、置信区间与p值材料未报告。
• 机制或解释：机制：作者未讨论算法起效的生物学机制，主要解释为多模态数据整合可提升模型判别能力，并指出模型开发与验证报告不完整影响结果解读。
• 局限与边界：局限：纳入研究方法学异质、样本量偏小、外部验证有限、模型开发与验证过程报告不完整，偏倚风险存在担忧；纳入研究人群与随访时长材料未报告；利益冲突材料未报告。
• 可否落地：落地：对临床仅提示人工智能可作为慢阻肺风险分层与远程监测的辅助工具，尚不足以下结论支持常规部署；对科研提示需开展高质量、经外部验证并规范报告的研究。

🔗 打开原文

Roldán A, Sheraz S, Vallejos EP 等

本文摘自《每日前沿研究简报 · 2026-10-30》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。