在慢病防控领域，人工智能正在实现从工具到核心的范式转变。李教授指出，以肺癌防控为例，AI已深度渗透从高危人群界定、早期病变识别到风险分层管理的全过程。通过建立40岁以上伴有危险因素的精准筛查标准，结合低剂量螺旋CT薄层三维重建技术，AI系统可自动检测微小肺结节，并融合影像、临床及随访数据进行智能风险分层，最终输出个性化管理方案。

李教授强调，这种变革使AI从辅助工具升级为决策核心。他进一步解释，在临床实践中，AI系统能够对小于1公分的亚实性结节实现90%的诊断准确率，达到三甲医院专家水平，既避免了延误诊疗，也最大程度减少了过度治疗。这标志着慢病防控从依赖经验的被动应对，转向了由AI驱动的前瞻性精准防控新生态。

针对我国庞大的慢病患者基数，李教授表示，将AI资源优先投入早期筛查环节能产生最大的公共卫生效益。肺癌早期患者五年生存率达84.2%，而四期患者仅7%，这一巨大差距凸显了早期干预的紧迫性。

李教授进一步解释，基于AI的精准筛查体系具有显著的"杠杆效应"。通过薄层CT技术和肺结节风险分级中国方案，不仅显著提升了超早期肺癌诊断率，更能实现医疗资源的优化配置。他表示，该体系可将有限资源优先用于极高危人群的干预，同时建立高效的长程管理通道，从源头上降低疾病负担，是实现"预防为主"战略的最优路径。

谈及未来慢病防控AI模型的发展，李教授指出，当前最主要的技术瓶颈在于多模态数据的标准化与有效整合。他解释道，不同来源数据存在显著异质性：CT影像层厚标准不一、基因组数据解读框架差异、临床病历非结构化、生活数据量化困难等，这些因素严重制约了数据的有效整合。

李教授特别强调，实现有临床意义的"融合解读"是更深层次的挑战。他以肺结节研究为例说明，模型不仅要整合影像特征、临床指标和基因信息，更要理解其复杂交互关系，输出可解释的决策依据。李教授表示，突破这一瓶颈需要医工紧密协作，共同攻克多模态融合算法、数据安全与模型可解释性等关键技术，才能充分发挥多模态数据在慢病精准防控中的潜力。

李教授总结，通过构建覆盖筛查、诊断、治疗、随访的全流程智能管理体系，AI正在重塑慢病防控格局。这种变革不仅提升了诊疗效率，更重要的是建立了以预防为主导、精准干预为特色的新型医疗模式，为全面提升国民健康水平提供了强有力的技术支撑。

李为民教授

四川大学华西医院呼吸和共病研究院院长

国家四大慢病科技重大专项 副总师

国家杰出医师

教育部长江特岗学者

中国医学科学院学术咨询委员会学部委员

呼吸和共病全国重点实验室副主任

中华医学会副会长

中国医师协会副会长

中华医学会呼吸病学分会候任主任委员

从事呼吸系统疾病的临床及临床研究，在Cell、Nature Medicine等期刊发表研究论文200余

篇。研究成果以第一完成人获国家科技进步二等奖、何梁何利基金科学与技术进步奖。

编辑 | ddd

审核专家 | 李为民教授

荟萃名家 聚焦临床

欢迎关注CCMTV·血液频道！

CCMTV血液频道视频号已上线！

带您了解最新血液资讯

精彩不断，敬请关注！