上海
撰文丨王聪
编辑丨王多鱼
排版丨水成文
呼吸系统疾病，主要包括慢性阻塞性肺疾病（COPD）、肺癌、肺炎和肺结核（PTB），其发病率和死亡率较高，在全球范围内造成了巨大的疾病负担。这些疾病需要快速诊断和对症治疗，一旦发展为重症，尤其是重症肺炎，死亡率可接近 50%。然而，许多呼吸系统疾病临床表现相似，导致鉴别诊断尤为困难。在临床实践中，医生需通过逻辑推理，结合病史、体格检查和辅助检查结果之间的关联，推断可能的诊断。手动查阅零散的临床记录往往耗时费力，容易使医生忽略关键细节，增加误诊风险。这些挑战凸显了开发智能系统以支持对呼吸系统疾病的更准确、高效诊断的迫切需求。
人工智能（AI）的最新进展推动了生物医学应用领域的一系列突破。该领域已从深度学习方法显著发展，后者虽在模式识别方面表现出色，但通常需要针对特定任务设计的架构以及大量标注数据集。随着基础模型的出现，尤其是大语言模型（LLM），这一发展趋势进一步推进。这些模型在知识编码、文本理解及临床推理方面展现出广泛能力，为提升人类工作效率提供了智能化工具。目前，多个通用型大语言模型在初步医疗应用中已显示出良好前景。一项近期的随机对照试验表明，GPT-4在处理复杂病例时的辅助作用可提高医生的诊疗决策评分。此外，DeepSeek等开源大语言模型也展现出更强的能力，有助于对常见病和罕见病进行临床决策支持。然而，大多数评估仍依赖于公开基准测试，其在真实临床环境中的实际效果仍有待充分验证。
2026 年 9 月 2 日，四川大学华西医院王成弟研究员、李为民教授，上海科技大学沈定刚教授及联影智能石峰博士等在 Cell 子刊Cell Reports Medicine上发表了题为：LungGPT: A unified multimodal system for interpretable diagnosis and clinical decision support of respiratory diseases 的研究论文。
该研究构建了一个用于呼吸系统疾病的可解释性诊断和临床决策支持的统一多模态系统——LungGPT。
呼吸系统疾病导致了显著的发病率，但诊断过程仍然耗时且依赖医生的专业经验。
在这项最新研究中，研究团队构建了一种基于生成式预训练 Transformer 的肺部疾病智能系统——LungGPT，该系统在 18 亿个通用医学文本标记上进行预训练，并在来自 125917 名住院患者的领域特定电子健康记录的 1.47 亿 token 上进行微调，LungGPT 旨在解决四项关键临床任务：1）诊断多种呼吸系统疾病；2）通过整合文本记录与计算机断层扫描（CT）影像特征，对危重病情进行早期预警；3）生成可解释的诊断推理过程；4）通过结构化决策路径推荐循证治疗方案。
LungGPT 包含两个模块：用于呼吸系统疾病诊断及危重症早期预警的LungGPT-Dx，以及用于可解释性诊断推理和治疗建议生成的LungGPT-Ex。
LungGPT系统概述
在大规模评估中，LungGPT-Dx在 22 种呼吸系统疾病上的宏平均曲线下面积（AUC）达到0.852，其中肺癌和肺结核的疾病特异性 AUC 均超过0.900。关键的是，该模型通过将思维链（CoT）推理融入文本数据，并整合计算机断层扫描（CT）影像特征，进一步提升了对危重症的早期预警能力。
LungGPT-Ex能够生成高质量且可解释的推理结果，在正确性、完整性和真实性方面优于专业临床模型，并与GPT-4o和DeepSeek-R1等先进通用模型表现相当。通过连接精准诊断与快速决策，LungGPT 提供了一个标准化框架，以优化呼吸系统医疗的临床流程并改善患者预后。
该研究的亮点：
LungGPT 在 1.47 亿个 token 上进行了微调，以提升呼吸系统疾病管理能；
LungGPT-Dx 可准确诊断 20 多种不同的呼吸系统疾病；
多模态融合可提升危重疾病早期预警性能；
LungGPT-Ex 生成可解释的诊断推理和临床决策支持。
论文链接：
https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(26)00343-5
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
