ATS·华韵 | 李锋教授团队开发多模态AI模型，精准预测中国IPF患者生存

摘要：在本次ATS大会中，来自上海市胸科医院的李锋教授团队有一项研究成果入选。该研究以“特发性肺纤维化（IPF）中国患者的预后”为核心议题，融合多中心临床资料与人工智能技术，构建了国内首个基于多模态数据的生存预测模型，为提高该类患者的精准管理水平提供了重要参考。

“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，来自上海市胸科医院的李锋教授团队有一项研究成果入选。该研究以“特发性肺纤维化（IPF）中国患者的预后”为核心议题，融合多中心临床资料与人工智能技术，构建了国内首个基于多模态数据的生存预测模型，为提高该类患者的精准管理水平提供了重要参考。

授

研究背景

特发性肺纤维化（IPF）是一种高度异质性、进行性发展、预后差的间质性肺疾病。当前，针对该疾病的预后评估方法仍相对粗放，鲜有研究探索如何利用多模态数据与人工智能（AI）系统构建更精准的风险预测工具。本研究旨在通过多中心真实世界数据，建立融合临床、影像及AI算法的IPF生存预测模型，助力个体化诊疗路径的优化。

研究方法

研究纳入了2018年1月至2022年11月期间在中国多省（市）20余家教学医院确诊的IPF患者，构建中国多中心多模态IPF队列研究（CMM-IPF）。所采集数据涵盖临床信息、血液指标、肺功能、高分辨率CT（HRCT）随访影像及生存状态。研究团队开发了一种新的生存分析框架：通过Cox回归模型及Lasso回归筛选关键预测变量，利用pyradiomics提取影像组学特征，并结合3D-ResNet深度学习网络提取三维卷积注意力特征。最终，融合多模态数据进行1~3年生存率预测，同时观察肺纤维化的影像发展轨迹。

研究结果

本研究共纳入285例确诊IPF患者，平均年龄为71.1岁，中位生存期为36个月（95%CI：30–46个月）。筛选出年龄、中性淋巴比（N/L）、D二聚体、白蛋白、用力肺活量、一氧化碳弥散量等重要的临床预后变量，通过融合多模态数据，明显提高对患者1-3年生存率预测的准确性，训练集的曲线下面积（AUC）表现为0.86, 0.88，0.89，在验证集与多个外部测试集中也取得稳定的结果。同时，本模型能够实现对IPF患者纤维化区域的自动分割与定量，基于纵向数据跟踪不同肺叶的纤维化区域的动态进展轨迹，肺纤维化的进展速度与预后显著相关。

研究结论

CMM-IPF研究是国内首个覆盖多中心、融合多模态数据的IPF真实世界生存研究，提出了一套结合AI分析与临床实用性的高性能预后评估模型。该模型为精准识别高风险人群、优化随访与干预策略提供了数据基础，标志着在IPF精细化管理领域迈出坚实的步伐。

医脉通：

您开展此项研究的初衷是什么？在该研究领域，目前存在哪些尚未解决的痛点或空白，促使您投入其中？

李锋教授

上海市胸科医院

特发性肺纤维化（IPF）是慢性的、原因不明的、进行性发展的、局限于肺部的间质性病变，且具有高度异质性、预后较差。针对IPF的预后评估方法有很多研究，很多评估模型和量表，如CPI模型、GAP模型、CTPF模型等。近年来，随着人工智能（AI）的兴起，我们想利用多模态数据与AI结合，构建精准的风险预测工具。同时，IPF的肺纤维化区域如何进行性发展也是研究的另外一个重点。我们还想通过追溯既往的CT影像，通过AI算法，采用可视化的方法评估肺纤维化的发展轨迹。因此，我们通过国内多中心的真实世界数据，建立融合临床、影像及AI算法的IPF生存预测模型以及IPF的肺纤维化发展模型，助力疾病的个体化诊疗路径。

医脉通：

能否详细阐述一下此项研究的设计思路？在研究过程中，有哪些创新性的设计或方法使其脱颖而出？

李锋教授

上海市胸科医院

IPF的发病率低，同时，IPF的危害性大，诊断方面有独特的胸部高分辨率CT（HRCT）表现，以及排除标准。依靠单中心的力量难以在短期内完成研究目标，目前的临床研究也通常需要多中心协作。我们的研究纳入我国多省（市）20余家教学医院确诊的IPF患者，构建中国多中心多模态IPF队列研究（CMM-IPF）。采集数据涵盖患者的临床信息、血液指标、肺功能、HRCT随访影像及生存状态。我们的研究团队开发了一种新的生存分析框架：通过Cox回归模型及Lasso回归筛选关键预测变量，利用pyradiomics提取影像组学特征，并结合3D-ResNet深度学习网络提取三维卷积注意力特征，最终，融合多模态数据进行1~3年生存率预测和肺纤维化区域的影像发展轨迹。通过多中心研究，扩大样本数量，提高研究效率，提高研究结论的普适性。感谢研究团队成员的辛苦付出，以及各分中心对本研究做出的重要贡献。

医脉通：

本次研究取得了哪些重要成果？这些成果对于该领域的临床实践或科研发展具有怎样的意义和潜在影响？

李锋教授

上海市胸科医院

本研究共纳入285例确诊IPF患者，平均年龄为71.1岁，中位生存期为36个月（95%CI：30–46个月）。筛选出年龄、中性淋巴比（N/L）、D二聚体、白蛋白、用力肺活量、一氧化碳弥散量等重要的临床预后变量，通过融合多模态数据，明显提高对患者1-3年生存率预测的准确性，训练集的曲线下面积（AUC）表现为0.86, 0.88，0.89，在验证集与多个外部测试集中也取得稳定的结果。同时，本模型能够实现对IPF患者纤维化区域的自动分割与定量，基于纵向数据跟踪不同肺叶的纤维化区域的动态进展轨迹。肺纤维化的进展速度与预后显著相关。

本研究可能是国内较早采用人工智能（AI）算法对IPF预后风险预测和影像发展趋势预测的多中心协作研究。本次研究的合作方包括上海交通大学生物医学工程学院团队，因此本研究体现医工交叉和人工智能在临床医学研究的优势，这也是未来的医学研究趋势。

专家简介

李锋教授

上海市胸科医院呼吸与危重症医学科行政副主任、亚专科主任

主任医师、博士生导师

中华医学会呼吸病学会间质性肺病学组委员

中国研究型医院学会呼吸专委会委员

上海市医学会呼吸病学会间质病学组副组长

上海市医学会变态反应学会委员

上海市呼吸医师协会委员

上海市预防医学会呼吸预防专业委员会委员

中国康复医学会器官移植康复委员会科普工作组委员