肺癌免疫检查点抑制剂相关肺炎专家共识2026

肺癌免疫检查点抑制剂相关肺炎专家共识01020304背景与概述共识形成方法技术应用与推荐实施与展望CONTENTS目录背景与概述CIP的定义与临床重要性CIP诊断的影像学挑战与现状CIP的发病机制与风险因素CIP是免疫检查点抑制剂治疗引发的一种严重并发症，发生率约5%，可导致治疗中断甚至死亡。其临床表现和影像学特征高度异质，与感染性肺炎、放射性肺炎或肿瘤进展难以鉴别，是肺癌免疫治疗管理中的重大挑战。目前主要依靠高分辨率CT进行诊断，但早期CIP影像表现常不典型，漏诊率可达25%。传统影像学方法鉴别困难，亟需更精准的技术手段以提高早期识别和鉴别诊断的准确性。CIP发病与T细胞过度活化、IL-6等细胞因子异常及免疫微环境紊乱相关。患者吸烟史、慢性阻塞性肺疾病等基础疾病及肺功能异常，进一步增加了病情管理的复杂性，影响临床决策。CIP定义与挑战010203目前CIP诊断主要依靠高分辨率CT，但其影像表现高度异质，早期病例常不典型，漏诊率可达25%，与感染性肺炎、放射性肺炎或肿瘤进展难以鉴别。CIP发病与T细胞过度活化、细胞因子水平异常及免疫微环境紊乱相关，同时患者吸烟史、慢性肺病等基础疾病使临床管理更为复杂。单一CT影像鉴别困难，需结合多模态影像组学、AI算法及生物标志物整合分析，以提高诊断准确性并实现早期预警和个体化评估。CIP诊断依赖影像但早期漏诊率高CIP发病机制复杂且受多种因素影响传统影像诊断存在局限需新技术辅助诊断现状与难点01.02.03.共识强调建立统一的多中心CIP影像数据库，通过标准化CT采集流程（如层厚≤1mm）与ComBat算法消除设备差异，整合影像组学、临床特征和血清标志物（如KL-6），以支持AI模型开发与验证，提升诊断可靠性。针对早期CIP影像不典型的问题，共识推荐结合深度学习（如3DResNet18）与影像组学特征（如纹理、形态参数），采用迁移学习、对比学习策略优化模型，以提高不典型病例的敏感性与鉴别诊断准确率。共识主张由影像科、肿瘤科、呼吸科及医学工程师等多学科团队协作，通过MDT模式验证AI工具，并建立动态监测框架，实现CIP早期预警、治疗反应追踪及个体化治疗策略制定，促进技术落地。构建标准化多模态数据库与动态监测框架开发AI融合模型提升不典型病例识别能力推动多学科协作与临床转化应用研究与发展方向共识形成方法123指南制订原则本共识严格依据世界卫生组织指南制订手册及中华医学会临床诊疗指南指导原则，并采用国际实践指南报告标准（RIGHT）与指南科学性评级工具（STAR），确保共识的科学性与规范性。共识由放射肿瘤学、呼吸科、影像科及人工智能等多学科专家共同制订，通过顾问、执笔与讨论专家组的分工协作，并采用德尔菲法进行多轮投票，保障推荐意见的专业性与可行性。共识制订过程遵循PICO原则设计临床问题，进行系统文献检索与证据分级，并通过专家会议、文档存档及利益冲突声明等质控措施，确保流程可追溯、结果可信度高。遵循国际与国内权威指南制订标准基于多学科专家协作的共识形成机制实施全程质量控制与透明化管理010203共识发起与注册备案多学科工作组构成与职责质量控制与问题遴选流程本共识由中国研究型医院学会放射肿瘤学专业委员会等机构联合发起，并在国际实践指南注册平台完成前瞻性注册，注册号为PREPARE-2025CN661，确保流程规范透明。工作组包含顾问、执笔和讨论专家组，共73名成员。执笔组负责文献检索、证据评价及共识撰写；讨论组负责审核推荐意见的科学性与可行性并进行多轮投票。工作组依据PICO原则设计临床问题，通过系统检索、多轮专家会议及匿名投票等方式筛选并确定14条核心问题，全程实施文档电子化存档，保障共识科学严谨。工作组与流程临床问题遴选与聚焦证据检索与分级管理推荐意见形成与投票机制共识通过多学科会议征集问题，从初拟的16个临床问题中聚焦影像医工融合方向，最终纳入14条核心问题，确保内容紧扣CIP诊疗难点与AI技术应用需求。系统检索中英文数据库2009-2024年文献，依据PICO原则筛选证据，并按等级标准分级，优先采用高质量研究作为推荐依据，保障共识科学性。通过多轮德尔菲法匿名投票，依据专家同意率划分强、中、弱推荐等级，所有推荐均达成≥70%共识度，确保建议兼具临床可行性与权威性。问题与证据管理技术应用与推荐010203多模态影像组学深度整合CT图像的强度直方图、纹理特征（如GLCM）及形态学参数，并融合临床生物标志物（如CD8+T细胞计数）与临床参数。通过构建机器学习或深度学习模型，可显著提升CIP的鉴别诊断准确率，例如区分CIP与放射性肺炎的模型AUC可达0.87。共识强烈推荐标准化CT影像采集流程，包括使用特定规格CT扫描仪、层厚≤1mm、规范窗宽窗位及DICOM格式。同时，建立去标识化的多中心CIP影像数据库，利用ComBat算法校正设备差异，以保障数据质量与一致性，为模型训练与验证提供可靠基础。为提升早期或不典型CIP病例的诊断敏感性，需整合多模态影像组学、深度学习算法（如迁移学习）、血清标志物（如KL-6）及临床特征。通过对基线CT中磨玻璃影等特征进行定量分析，优化模型特征表达，从而实现对不典型病例更精准的风险评估与早期识别。多模态影像组学技术整合与模型构建标准化数据采集与多中心数据库建设针对不典型病例的优化诊断策略多模态影像组学010203AI辅助鉴别诊断文章指出，AI辅助HRCT能自动分析肺部参数，有效评估COVID-19肺炎的严重程度，并在区分其与普通肺炎时表现出色。这证明了AI在感染性肺炎诊断中的潜力，为鉴别CIP提供了参考。AI辅助HRCT在COVID-19肺炎鉴别中的应用潜力研究表明，AI在肺癌筛查中能敏锐识别恶性概率高的肺结节，其检测敏感度和特异度甚至优于放射科医生。这种能力暗示AI可能在区分CIP与肿瘤进展方面发挥类似的鉴别作用。AI在肺癌筛查中对恶性结节的识别优势AI辅助HRCT分析在诊断普通型间质性肺炎等疾病时，性能可与专业医生媲美，并能有效区分不同类型。这展示了AI在间质性肺疾病鉴别中的潜力，而CIP同样属于此类，故AI有助于其鉴别诊断。AI在间质性肺疾病鉴别诊断中的价值010203共识明确规定了CT影像采集的标准化参数，包括使用16排及以上探测器、重建层厚≤1mm、采用肺窗与纵隔窗双窗重建、符合DICOM3.0格式等，以确保影像数据的高质量与一致性，为后续AI分析奠定基础。CT影像采集标准化指南共识建议联合≥5家具有CIP诊疗经验的三级医院，建立去标识化的多中心影像数据库，采用UUID关联数据，并每年动态更新≥100例新病例，以提升数据的多样性与模型的泛化能力。多中心CIP影像数据库构建标准针对多中心设备差异，共识推荐使用ComBat算法等经验贝叶斯方法校正扫描仪与站点引起的技术变异，实现跨中心数据可比性，从而支持大规模、标准化数据库的建设与应用。数据异质性的校正与整合方法标准化数据建设实施与展望共识强调建立由呼吸科、影像科、肿瘤科、医学工程及AI专家组成的多学科团队。该框架明确各学科职责，整合临床、影像与工程力量，旨在通过标准化协作流程，提升CIP诊疗决策的科学性与效率，减少误诊。临床医师负责提出诊疗需求与解读数据；影像科确保CT采集标准化；医学工程师主导算法开发与数据整合；科研人员优化模型。各司其职，共同实现从早期预警、诊断到疗效追踪的全流程动态管理。共识制定了从影像采集、多中心数据库建设、多模态模型开发到MDT验证的标准化路径。此路径旨在解决数据异质性，推动AI与影像组学技术临床转化，最终落地服务于CIP的早期筛查与个体化治疗监测。构建多学科诊疗协作框架明确各学科在动态管理中的核心职责建立标准化技术实施与转化路径多学科协作路径010203构建多模态风险预测模型进行个体化评估建立标准化动态监测框架实现早期预警推动多学科协作以统一诊疗路径与标准通过整合影像组学特征、临床生物标志物（如CD8+T细胞计数）及患者临床参数，构建CIP风险预测模型，实现对患者个体化风险的量化评估，为临床预防性干预提供精准指导。采用连续CT影像分析与血清标志物（如KL-6）检测相结合的方式，建立动态监测体系，旨在早期发现CIP迹象并实时追踪治疗反应，优化糖皮质激素等阶梯治疗方案的选择。通过共识推广，统一CIP严重程度分级标准，明确呼吸科、影像科及肿瘤科等多学科协作诊疗路径，从而降低误诊率与重症死亡率，提升诊疗效率与患者生存质量。动态监测与管理本共识旨在构建一个包含技术路径、质控标准及临床转化应用的系统性指导框架，通过统一影像采集流程与特征提取方法，推动多中心协作验证，提升AI算法的鲁棒性与临床适用性。共识的实施有助于统