摘要：在本次ATS大会中，北京大学第一医院王广发、廖纪萍教授团队有两项研究成果成功入选，分别聚焦于基于人群前瞻队列的炎症生物标志物与COPD发生发展的关联，以及通过智能穿戴设备采集生理与音频参数开发COPD筛查模型，为实现肺功能早筛与人群分层管理提供创新解决方案。
“扬中华韵味，传专家洞见”
2025年5 月16 日~5月21 日，美国胸科学会（ATS
）年会于旧金山盛大召开，作为全球肺部疾病、重症监护与睡眠医学领域的最高级别学术盛会之一，本届大会吸引来自70 余个国家的专家学者共同参与，汇聚7000
余项研究成果，充分展现全球在肺血管疾病、肺纤维化、肺部感染及创新治疗方面的最新进展。在本次ATS大会中，北京大学第一医院王广发、廖纪萍教授团队有两项研究成果成功入选，分别聚焦于基于人群前瞻队列的炎症生物标志物与COPD发生发展的关联，以及通过智能穿戴设备采集生理与音频参数开发COPD筛查模型，为实现肺功能早筛与人群分层管理提供创新解决方案。
PART.01
基于中国人群队列的炎症标志物与COPD新发及肺功能快速下降的关联分析
The Relationship Between Inflammatory Biomarkers and New-onset COPD and Rapid Lung Function Decline
报告人：北京大学第一医院魏珊珊医生
研究背景
炎症被认为是慢性阻塞性肺疾病（COPD）发病机制的重要因素，但其在疾病早期演进过程中的预测价值仍不明确。特别是哪些炎性生物标志物可用于预测新发COPD及肺功能快速下降，尚缺乏人群级别证据支持。
研究方法
研究基于中国十个地区的PIFCOPD前瞻性人群队列，2018年至2021年共纳入10,385名中老年人群，排除已有COPD后9,951人接受了基线血液、肺功能与问卷评估，并在第一年和第三年分别对3,746人和2,152人进行随访。新发COPD定义为基线FEV1/FEV6≥0.7，随访时60ml。采用多变量logistic回归模型评估炎性标志物（如嗜酸细胞计数、hs-CRP）与上述结局的关系。
研究结果
➤第一年新发COPD60例，第三年新增177例，年平均发病率为3.05%。
➤肺功能快速下降（OR: 5.00, 95% CI [7.73, 11.94]）与嗜酸细胞计数>0.15×10⁹/L（OR: 1.13, 95% CI [0.81, 1.56]）是新发COPD的风险因素。在调整性别、年龄、教育程度和吸烟状况后，饮茶为保护因素（OR: 0.61, 95% CI [0.39, 0.93]）。
➤嗜酸细胞计数>0.15×10⁹/L（OR: 1.49, 95% CI [1.22, 1.81]）及hs-CRP >3mg/L（OR: 1.31, 95% CI [1.03, 1.72]）是肺功能快速下降的独立风险因素。调整性别、年龄、受教育程度、体重指数（BMI）、累计吸烟暴露、生物质暴露、家庭烹饪、血糖、饮茶和饮酒等因素后仍是如此。
图1 ：不同炎症标志物水平下COPD新发率与肺功能快速下降的多因素回归分析图。
研究结论
该项大样本人群研究表明，肺功能快速下降是新发COPD的危险因素。hs-CRP>3mg/L、嗜酸细胞计数>0.15×10⁹/L是肺功能快速下降的危险因素，提示其可作为疾病早期筛查与干预的潜在生物标志物，支持COPD从“症状识别”向“风险预测”转变。
专家点评
廖纪萍 教授
北京大学第一医院呼吸和危重症学科
炎症反应是慢阻肺的重要驱动因素，CRP已成为冠心病的危险因素，本前瞻性的队列研究提示炎症因子也有可能成为慢阻肺的危险因素。PART.02
基于智能穿戴设备的COPD筛查算法开发与评估
Establishment and Evaluation of an Algorithm That Can Detect COPD by Intelligent Terminal Device
报告人：北京大学第一医院廖纪萍教授
研究背景
COPD早期筛查是防止病情进展的关键，但传统肺功能测定依赖专业设备与人员，不适于大规模推广。本研究旨在基于华为智能穿戴设备采集的生理参数与咳嗽音，开发可在社区层面进行COPD初筛的智能算法。
研究方法
研究共分两阶段：
阶段Ⅰ：筛查400人，纳入263例进行肺功能测试与3 –7日使用华为智能手表连续监测（血氧、心率、呼吸频率、咳嗽音），并记录入组与出院时自愿咳嗽音。构建初步机器学习模型以识别COPD。
阶段Ⅱ：扩大样本量至646人，使用咳嗽声建立FEV₁/FVC预测模型并以7:3比例分为训练与测试集。
研究结果
在第Ⅰ阶段，共筛查了400人，最终有263人被纳入分析，其中107人（40.7%）患有COPD，156人（59.3%）肺功能正常。受试者的中位年龄为65 岁，56.3%为男性。通过生理参数和音频数据进行的诊断建模显示，大多数机器学习模型（8 个模型中有7 个）的曲线下面积（AUC）大于0.70，表明其诊断性能中等。支持向量机（SVM）模型的敏感性最高，达到76%（95% CI：55%-81%）。使用最佳咳嗽音特征的模型实现了超过0.83的AUC和高达85%（95% CI：64%-89%）的敏感性（见图1 ），优于慢性阻塞性肺疾病筛查问卷（COPD-SQ）（AUC=0.67，敏感性=31.8%）。
图1 第Ⅰ阶段模型在使用咳嗽音进行COPD诊断的性能，具体模型包括1. 逻辑回归2. 支持向量机3. 朴素贝叶斯4.K-最近邻5. 线性判别分析6. 随机森林7. 神经网络8. 梯度提升机
在阶段Ⅱ中，共分析了646名受试者，其中位年龄为64 岁，59.4%为男性，46.7%患有COPD，53.3%肺功能正常。训练集包含来自446名受试者的2390段咳嗽音，测试集包含来自200名受试者的1098段咳嗽音。基于咳嗽音的FEV1/FVC预测模型表现良好，其中梯度提升机模型在测试集上的表现最佳，均方根误差（RMSE）为17.8%，平均绝对误差（MAE）为9.3%。基于咳嗽音的COPD诊断模型在训练集上的AUC超过0.80，在测试集上达到0.81，其中梯度提升机模型的敏感性为86%，优于COPD筛查问卷（COPD-SQ）（AUC=0.71，敏感性=26.5%）（见图2 ）。
图2A 第Ⅱ阶段训练集中基于咳嗽音的模型性能，具体模型包括1. 逻辑回归、2. 随机森林、3. 支持向量机、4.K-最近邻、5. 梯度提升机
图2B 第Ⅱ阶段测试集中基于咳嗽音的模型性能，具体模型包括1. 逻辑回归、2. 随机森林、3. 支持向量机、4.K-最近邻、5. 梯度提升机
研究结论
基于智能穿戴设备采集的生理与咳嗽音数据，构建的COPD筛查模型与专业肺功能仪诊断结果高度一致，准确率高、操作便捷，可望作为社区初筛与随访管理的有效工具，推动COPD早筛智能化、个体化发展。
专家点评
廖纪萍 教授
北京大学第一医院呼吸和危重症学科
这项和华为公司联合开展的慢阻肺筛查研究是我国的医工结合的创新性研究成果，随着可穿戴设备的普及，有助于更早的从社区大众中筛查出慢阻肺，推动疾病防控。专家简介
王广发 教授
教授、主任医师、博士生导师
现任北京大学呼吸病学系主任、北京大学第一医院呼吸和危重症医学科主任医师、北京大学第一医院密云医院院长国家卫生健康委新冠肺炎联防联控机制专家组成员
国家卫健委呼吸内科内镜诊疗技术专家组副组长
中华医学会呼吸病学会前常委、第1-第3届介入呼吸病学学组组长
中国医师协会内镜医师分会副会长、呼吸内镜专家委员会主任委员
北京呼吸内镜和介入学会主任委员
北京医师学会呼吸医师分会常务理事
美国胸科医师学会（ACCP）资深会员、中国区理事
世界支气管和介入肺脏病学联盟执委会委员、董事
廖纪萍 教授
北京大学第一医院 副主任医师、副教授
2004-2010年北京大学获临床医学博士学位
2010年至今在北京大学第一医院呼吸和危重症学科工作
研究方向为慢阻肺、哮喘和肺血管疾病、呼吸系统感染性疾病，熟练掌握支气管镜、胸腔内镜的操作。参加 重大慢性非传染性疾病防控研究、首都卫生发展科研专项项目等多个重点课题。发表多篇SCI和国内核心期刊论文中华医学呼吸病学分会慢阻肺学组委员
北京医学会呼吸分会慢阻肺学组委员
中华医学会公共卫生分会第十届委员会青年委员会委员
魏珊珊 医生
2023年—至今，北京大学第一医院主治医师
主要从事慢性气道疾病的研究
参考文献
1.Shanshan Wei, Jiping Liao, Guangfa Wang.
The Relationship Between Inflammatory Biomarkers and New-onset Chronic Obstructive Pulmonary Disease and Rapid Lung Function Decline: Results From the Population-based Cohort Study in China. ATS 2025
2.
Jiping Liao, Zhang Chunbo, Guangfa Wang et al.
Development and Evaluation of an Algorithm to Detect COPD Through an Intelligent Device. ATS 2025
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。
来源：医脉通呼吸科一点号1