近日，中国科学院空天信息创新研究院（空天院）传感器技术全国重点实验室医疗电子团队，在人工智能驱动的肺功能评估领域取得关键突破。
研究团队针对传统肺功能评估高度依赖患者主动配合程度、质控流程繁琐且易受主观因素干扰的临床痛点，创新性提出基于人工智能与脉冲振荡（Impulse Oscillometry, IOS）技术的肺功能无质控评估方法。该方法突破现有技术对测试者依从性的高要求，显著降低测试门槛，为呼吸系统疾病的早期筛查与临床诊断提供更高效、客观的智能化路径。
针对以往研究中数据利用率有限、算法效能不足的核心问题，团队提出时频域融合的多尺度深度学习网络模型（MSDC-IOS）。通过引入动态、细粒度的脉冲振荡时序原始信号，模型充分挖掘呼吸流量与压力波形在时间维度的复杂非线性关联，同时融合频域阻抗的物理机械属性。
相较于传统方法仅利用频域阻抗参数的局限性，此项研究通过引入原始时域压力与流量信号，实现呼吸动力学信息的“全维度”提取。这种端到端建模方式可敏锐捕捉脉冲振荡信号中的微观动力学波动，实现对肺功能关键指标的精准预测。
为验证模型性能，研究团队联合中日友好医院国家呼吸临床中心，依托团队自研脉冲振荡设备采集2836例真实临床数据开展验证（图1）。
实验结果显示，模型可精准预测多项肺功能关键指标：一秒率（FEV1/FVC）的平均绝对误差（MAE）为3.78%；第一秒用力呼气容积（FEV1）的MAE为0.235L；用力肺活量（FVC）的MAE为0.264L（图2）。
此外，该模型在呼吸系统疾病初筛中表现优异：检测气道阻塞时，曲线下面积（AUC）达0.989，灵敏度为73.97%；识别四种通气功能障碍模式时，AUC达0.938，灵敏度为76.41%（图3）。综合对比表明，其评估性能显著优于传统参数化肺功能评估方法。
该成果不仅证实人工智能方法处理复杂呼吸力学信号的巨大潜力，更验证了脉冲振荡技术在“用力无关”条件下实现高精度肺功能评估的可行性，为老年人、儿童及危重症患者等群体的肺功能评估提供极具临床价值的智能化解决方案。下一步，空天院团队将推进该成果的推广应用。
相关研究以“Fusing time-and frequency-domain information for effort-independent lung function evaluation using oscillometry”为题，发表于中国科学院一区TOP期刊《信息融合》（Information Fusion）。论文第一作者为空天院博士研究生李孙笑何，导师为空天院研究员方震。
该研究得到了中国医学科学院创新单元平台和国家重点研发专项等项目的资助。项目团队充分发挥 “医工交叉”的协同优势，在临床验证过程中，中日友好医院国家呼吸临床中心教授杨汀、夏金根团队深度参与，提供了全方位的医学支持；核心硬件由空天院助理研究员王鹏与博士研究生赵东方承担主要研发工作；算法与软件部分由空天院博士研究生王子睿协助完成。该成果的取得，正是临床专家与工程技术团队高效协作、深度融合的集中体现。
图1 团队自研脉冲振荡设备实物图
图2 MSDC-IOS模型用于预测关键肺功能指标的性能
图3 MSDC-IOS模型用于筛查常见呼吸系统疾病的性能
动态新闻