数智赋能慢性阻塞性肺疾病基层管理：从理念到实践的新跨越

数智赋能慢性阻塞性肺疾病基层管理：从理念到实践的新跨越【摘要】慢性阻塞性肺疾病（慢阻肺病）是全球重大公共卫生问题。基层医疗卫生机构在慢阻肺病防治中承担着“守门人”的关键角色，但长期面临肺功能检测可及性不足、早期识别能力薄弱、随访管理碎片化等现实困境。随着人工智能、物联网、大数据等数智化技术的快速发展，其在慢阻肺病全流程管理中的巨大潜力日益显现。《慢性阻塞性肺疾病基层数智化诊疗与管理专家共识（2026）》由多学科专家共同制订，首次系统阐述了数智化技术在慢阻肺病基层“促、防、诊、控、治、康”各环节的应用路径，提出了7条推荐意见，为基层医务人员和技术开发者提供了科学、规范的实践指导。【关键词】肺疾病，慢性阻塞性；数字技术；人工智能；诊断；治疗；疾病管理；基层医疗保健；共识一、共识制订的背景与意义慢性阻塞性肺疾病（简称慢阻肺病）是一种以持续性气流受限为核心特征的慢性呼吸系统疾病，临床表现包括呼吸困难、慢性咳嗽、咳痰等症状，具有显著的临床异质性［12］。根据全球疾病负担研究数据，2023年全球慢阻肺病现患病例约2.14亿例，死亡人数近342万例，已位列全球第三大死因［3］。我国慢阻肺病患者总数约1亿例，40岁及以上人群患病率达13.7%，2021年相关死亡人数近129万例，约占全球死亡总数的35%［4］。更为严峻的是，据最新研究估计2020—2050年慢阻肺病将给全球造成约4.3万亿美元的累计经济损失，其中我国约占1.4万亿美元，居首位［5］。这些数据充分说明，慢阻肺病在全球及我国均造成巨大的疾病与经济负担，防控形势依然严峻，亟需探索更为高效、精准的防治策略。慢阻肺病的防控关键在于早期发现和全程管理。然而，传统防治模式存在诸多局限：一方面，基层医疗卫生机构肺功能检测设备配备率低、专业技术人员匮乏，导致大量患者未能及时获得明确诊断；另一方面，稳定期患者随访依从性差、急性加重事件预警滞后、分级诊疗衔接不畅等问题，使得疾病管理效果大打折扣。由于上述种种原因，大量患者在确诊时已处于中重度阶段，错失了最佳干预时机。近年来，以人工智能、物联网、大数据、云计算为代表的数智化技术迅猛发展，为慢阻肺病的诊疗与管理带来了全新的可能性。数智化健康技术融合数字化手段与智能算法，通过系统性采集、整合分析与精准应用个体健康数据，可实现对疾病的全程智能管理。在慢阻肺病领域，数智化技术已展现出贯穿早期筛查、临床诊断、规范治疗、康复干预及长期随访各环节的巨大潜力，并为推动分级诊疗制度落地、优化医疗卫生资源配置提供了重要技术支撑。正是在这一背景下，由中华医学会全科医学分会、中国健康促进与教育协会医防融合分会、中华预防医学会呼吸病预防与控制专业委员会联合组织多学科专家共同参与，基于系统文献检索、德尔菲法两轮专家咨询，制订了《慢性阻塞性肺疾病基层数智化诊疗与管理专家共识（2026）》（以下简称“本共识”）［6］。本共识旨在系统回应慢阻肺病诊疗与管理中“是否、何时以及如何”科学引入数智化健康技术这一关键问题，是专门针对慢阻肺病基层数智化管理的指导性文件，对于推动我国慢阻肺病防治事业高质量发展具有重要的指导意义。二、慢阻肺病基层诊疗面临的主要挑战尽管我国慢阻肺病防治工作取得了长足进步，但基层医疗卫生机构在实际诊疗中仍面临多重挑战，这些挑战构成了本共识制订的现实基础。早期识别与诊断能力不足慢阻肺病的早期识别主要包括筛查和病例发现两种路径。筛查是指在一般人群中开展以肺功能检查为主的系统性检测，而病例发现则是针对存在呼吸道症状或特定危险因素的人群进行有针对性的检查。目前，病例发现策略被认为是减少未确诊患者、提高早期诊断率的关键途径。然而，基层医疗卫生机构肺功能检测设备配备率和使用率普遍较低，支气管舒张试验这一关键诊断手段受设备、药物、操作人员培训不足等因素影响，难以常规开展。（二）稳定期管理碎片化稳定期管理是改善慢阻肺病患者长期预后的核心环节，以吸入治疗为核心的个体化药物治疗、戒烟干预、疫苗接种、肺康复等综合措施至关重要。但在基层实践中，管理模式仍以急性症状应对为主，缺乏以长期风险控制为目标的连续管理。随访体系不健全，用药依从性监测手段匮乏，吸入技术指导未形成常规化流程，导致大量患者治疗不规范、急性加重频繁。有研究显示，我国慢阻肺病患者吸入药物依从性普遍较低，不规范用药是急性加重的重要诱因。（三）急性加重预警滞后急性加重是慢阻肺病患者病程中的重要事件，可导致肺功能加速下降、生活质量恶化、住院率和死亡率升高。由于传统的急性加重早期识别主要依靠患者自觉症状，基层医生对急性加重的判断和处理能力不足，许多患者未能在急性加重的“黄金窗口期”获得及时干预，错过了阻止病情恶化的最佳时机。（四）分级诊疗衔接不畅分级诊疗是实现慢阻肺病连续管理的重要制度保障，但基层与上级医疗机构之间的双向转诊和协同管理机制仍需完善。转诊标准不明确、患者健康信息难以跨机构共享、下转患者随访不连续等问题，制约了分级诊疗制度的实际运行效果。三、共识制订过程与特色本共识制订组由来自多个领域的权威专家共同组成，体现了鲜明的跨学科协作特色。制订过程中，专家组以“慢性阻塞性肺疾病”“数智化”“人工智能”“数字健康”“筛查”“诊断”“治疗”“可穿戴设备”“临床决策支持系统”“远程医疗”“基层”“管理”“自我管理”等为检索词，通过PubMed、WebofScience、万方数据、中国知网等数据库进行系统检索，检索时限设定为2020—2025年，纳入文献类型包括临床研究、指南及专家共识，确保了推荐意见的科学性和时效性。在方法学方面，本共识采用德尔菲法开展了两轮专家咨询。最终凝练为7条推荐意见，涵盖筛查诊断、稳定期管理、急性加重预警、戒烟干预、健康教育及自我管理等核心领域，适用于呼吸与全科医生、社区卫生人员、技术开发者及医疗管理者，为临床实践、基层管理及技术推广提供了重要参考。四、共识核心内容解读本共识内容系统全面，从筛查诊断、治疗管理到健康教育，构建了慢阻肺病基层数智化管理的完整框架。（一）数智化筛查与诊断：拓展早期识别路径针对基层肺功能检测可及性不足的痛点，本共识提出了“直接监测+间接监测”双轨并行的数智化筛查策略。在直接监测方面，共识推荐基层配置便携式筛查性肺功能仪，如同步接入具备人工智能实时质控与操作提示的数字化系统，可显著降低操作学习成本、提高筛查规范性和数据质量。非诊断性肺功能仪（如COPD6、PiKo6）以第1秒用力呼气容积/第6秒用力呼气容积（FEV₁/FEV₆）为核心参数，在基层人群中识别气流受限的受试者工作特征曲线下面积（AUC）可达0.85~0.88，准确性已接近标准诊断性肺功能检查。脉冲振荡计无需患者用力呼气即可完成检测，对小气道功能障碍的敏感性优于传统肺功能指标，在早期病变识别方面具有独特优势。尤为创新的是，共识还关注了光学飞行时间传感器、毫米波雷达等非接触式监测技术，以及电子鼻、生物电阻抗断层成像等前沿手段的应用潜力。这些技术通过胸廓运动监测、呼出气挥发性有机化合物分析等方式，为慢阻肺病的早期识别提供了多元化路径。在间接监测方面，共识特别推荐部署经外部验证、基于电子健康档案的慢阻肺病风险预测模型。该模型通过整合年龄、吸烟史、体重指数、合并症、急性加重与住院记录、用药情况等多维度信息，运用机器学习算法构建风险评分，可从常规就诊过程中自动识别高危个体，指导优先开展肺功能检查。有研究表明，此类模型在识别早发慢阻肺病和预测未来急性加重方面的效能普遍优于传统评分工具。本共识推荐意见1和意见2分别从直接监测和间接监测两个维度，为基层慢阻肺病早期筛查提供了明确的技术路径。（二）数智化稳定期管理：精准用药与动态监测稳定期管理的核心在于确保规范用药和动态风险评估。本共识重点关注了电子药物监测器（EMM）和可穿戴设备在这一环节的应用价值［7］。EMM通过与吸入药物装置结合，自动记录用药时间、频率，并通过蓝牙同步至智能手机应用程序，不仅可提供吸入技术指导、症状记录、用药趋势反馈等功能，还能为患者提供重要的自我管理信息，显著改善吸入技术规范性和用药依从性。共识推荐意见3明确指出，对依从性不佳或反复急性加重的稳定期患者，推荐使用经临床验证的EMM进行实时监测与反馈。在症状及生命体征监测方面，可穿戴设备（如智能手表、胸带式传感器）可持续采集心率变异性、呼吸频率、血氧饱和度、身体活动模式及咳嗽频率等数据。基于多源数据的预测模型通过整合可穿戴设备、家用空气质量监测仪和智能手机应用程序收集的生理、环境及生活方式数据，可实现对未来7d内急性加重风险的精准预测［8］。此外，基于慢性阻塞性肺疾病全球倡议（GOLD）策略的临床决策支持系统（CDSS）通过嵌入电子病历系统，整合症状、急性加重史、肺功能及血嗜酸性粒细胞计数等指标，生成个体化治疗推荐，有效辅助基层医生规范临床决策。（三）急性加重预警与远程干预：前移防控关口急性加重的早期识别和及时干预是降低慢阻肺病患者住院率和死亡率的关键［9］。本共识强调，数智化技术在急性加重预警方面具有传统手段难以比拟的优势。通过智能手机和可穿戴设备内置传感器，结合人工智能算法对血氧饱和度、呼吸频率、心率变异性、咳嗽频率等多参数进行实时分析，可提前1~7d预测急性加重事件，AUC可达0.90以上，显著优于单独基于既往急性加重病史的预测模型。COPDPredictTM等数字应用程序通过结合患者报告健康状况、FEV₁和C反应蛋白等生物生理指标，可提前7d识别急性加重事件，与使用该系统前的6个月相比住院人次降幅达98%［10］。在远程干预方面，共识关注了增强现实（AR）远程交互与服务系统的应用价值，该系统可支撑跨机构远程医疗协作，辅助开展远程会诊、辅助诊疗及临床操作指导，有效提升偏远地区基层卫生服务中心应对急性加重的能力。共识推荐意见4建议，对B、E组慢阻肺病患者统一部署经外部验证的数智化风险预测模型，实现“评估提醒干预随访”闭环管理，从而提前识别高风险个体、优化转诊路径、降低急诊住院率。（四）数智化分级诊疗：构建连续协同网络分级诊疗是优化慢阻肺病医疗资源配置、提高治疗效果的重要制度安排。本共识提出，数智化分级诊疗系统应具备分级匹配与分类、实时反馈与动态调整、优化资源配置、提升服务质量四大核心功能。系统可实时识别患者病情严重程度，将患者从社区转诊至综合医院或稳定后下转回社区，实现“急性期及时上转、稳定期规范下沉”的连续管理模式。值得关注的是，共识还探讨了基于自主可控的区块链技术构建分级诊疗体系的前景。区块链技术可实现跨机构电子健康档案共享、智能化转诊凭证的自动生成与验签、关键字段上链存证等功能，促进分级诊疗流程更加便利、可追溯。这一创新思路为破解医疗数据孤岛、保障患者信息安全提供了可行的技术方案。（五）健康教育与自我管理：提升患者参与度健康教育和患者自我管理是慢阻肺病综合管理的重要组成部分。本共识强调，数智化技术可突破时空与资源壁垒，通过个性化健康教育、用药提醒及肺康复指导，增强患者参与感与依从性，推动从被动治疗向主动健康管理的行为转变。在数智化健康教育方面，共识提出应建立有别于通用大语言模型的、有循证依据并经过专家审核的专业知识库，基于患者多维度数据制定个性化健康教育计划，采用大语言模型、增强现实、虚拟现实、数字人等技术手段实施，并具备实施评估与反馈功能。共识推荐意见6明确要求，数智化健康教育工具应使用基于GOLD指南、中国相关指南及高证据等级研究文献的专业知识库，知识库需经专家审核认证，并对外提供可溯源的文献依据与证据等级标注。在自我管理方面，共识推荐意见7指出，数智化自我管理工具应内置行为改变技术（BCTs），包括目标设定、行动提醒、绩效反馈、社会支持4项核心要素。在戒烟干预方面，共识推荐意见5建议采用大语言模型驱动的数字认知行为疗法，配合便携式一氧化碳检测仪进行客观数据的双向反馈，形成闭环干预。在肺康复方面，共识认为可在智能健康处方制定、运动训练监督及运动能力评估等方面引入数智化手段。在疫苗接种促进方面，基于虚拟客服的聊天机器人干预可作为提高慢阻肺病患者疫苗接种率的新方法。五、挑战与展望尽管数智化技术为慢阻肺病基层管理带来了前所未有的机遇，但其在实际推广应用中仍面临诸多挑战，需要引起高度重视。（一）技术成熟度与临床验证当前，部分数智化技术仍处于研究和探索阶段，缺乏大规模、多中心、前瞻性临床试验验证。不同算法模型的性能差异较大，泛化能力和外部适用性有待进一步确认。特别是电子鼻、生物电阻抗断层成像等新兴技术，受采样方法、环境因素、标准化程度不足等影响，其诊断准确性和可重复性仍需更多高质量研究支持。未来需要开展更多真实世界研究，验证各类数智化技术在不同地区和人群中的适用性和有效性。（二）数据安全与隐私保护数智化健康管理涉及大量患者敏感信息的采集、传输和存储，数据安全与隐私保护是不可回避的核心议题。本共识强调，慢阻肺病数智化诊疗与管理需严格遵循《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等法律法规，医疗机构对患者数据负有全程保护责任，数智化系统需采用加密技术和权限管理，严防隐私泄露。人工智能产品用于慢阻肺病管理时需经过严格审批，其算法要接受审查，确保性能可靠、结果准确。（三）成本效益与可持续性数智化健康管理的成本效益评估至关重要，是技术可持续推进的基础。成本层面需全面核算设备购置、软件开发、系统部署、人员培训、运营维护等各项支出；效益方面需关注减少急性加重次数、缩短住院天数、提升生活质量等健康产出。评估需结合地区支付能力、基层信息化水平等构建动态模型，通过成本与效益的量化对比明确投资价值，最终实现规模化采购降低成本、技术扩散与效益最大化的良性循环。（四）责任认定与伦理规范数智化健康管理背景下的责任认定是一个复杂的系统工程。共识提出，医疗机构作为责任主体，负责数据合规、隐私保护、诊疗流程规范；技术方保障算法准确、系统稳定及迭代更新；医务人员监管数智工具结果，承担最终诊疗决策责任；患者配合数据采集与管理。各方权责需通过协议细化，建立明确的责任追溯路径。此外，算法偏见、数字鸿沟等伦理问题也需要在政策层面予以关注和规范。（五）基层能力建设数智化技术的落地最终依赖于基层医务人员的能力提升。当前基层医疗机构数智化人才匮乏、技术接受度参差不齐，制约了先进技术的推广应用。未来需要通过规范化培训、远程技术支持、典型示范引领等多种方式，提升基层医生对数智化技术的认知和应用能力，确保技术真正转化为临床效能。综上，《慢性阻塞性肺疾病基层数智化诊疗与管理专家共识（2026）》的发布，标志着我国慢阻肺病基层管理正式迈入数智化赋能的新阶段。本共识立足我国基层医疗实际，融合多学科智慧，系统构建了覆盖慢阻肺病“促、防、诊、控、治、康”全流程的数智化管理框架，提出的7条推荐意见为基层实践提供了明确的技术路径和操作指引。数智化技术应用的目的，并非替代基层医务人员，而是通过赋能其临床决策支持与管理流程，使其能够更高效、更精准地服务患者。便携式筛查设备让早期发现成为可能，智能用药监测系统让规范治疗落到实处，急性加重预警模型让风险防控关口前移，远程医疗协作让分级诊疗畅通运转，数智化健康教育让患者成为自己健康的主人。展望未来，随着人工智能算法的不断优化、传感技术的持续进步、5G和物联网基础设施的日益完善，以及医疗数据互联互通的逐步实现，慢阻肺病数智化管理必将迎来更加广阔的发展空间。期待以本共识为引领，通过政策引导、技术创新、能力建设多方协同，数智化技术能够在基层慢阻肺病防治中发挥更大作用，为我国亿万慢阻肺病患者带来更高质量、更可及、更连续的医疗服务，助力“健康中国2030”目标的实现。参考文献[1]GlobalInitiativeforChronicObstructiveLungDisease.Globalstrategyforthediagnosis,management,andpreventionofchronicobstructivepulmonarydisease(2026report)[EB/OL].(2025-11-11)[2026-05-16]./2026-gold-reportand-pocket-guide/.[2]中华医学会,中华医学会杂志社,中华医学会全科医学分会,等.中国慢性阻塞性肺疾病基层诊疗与管理指南(2024年)[J].中华全科医师杂志,2024,23(6):578-602.DOI:10.3760/114798-20240326-00174.ChineseMedicalAssociation,ChineseMedicalAssociationPublishingHouse,ChineseSocietyofGeneralPractice,etal.Chineseguidelineformanagementofchronicobstructivepulmonarydiseaseinprimarycare(2024)[J].ChinJGenPract,2024,23(6):578-602.DOI:10.3760/114798-20240326-00174.[3]GBD2023CausesofDeathCollaborators.Globalburdenof292causesofdeathin204countriesandterritoriesand660subnationallocations,1990-2023:asystematicanalysisfortheGlobalBurdenofDiseaseStudy2023[J].Lancet,2025,406(10513):1811-1872.DOI:10.1016/S0140-6736(25)01917-8.[4]WangC,XuJ,YangL,etal.PrevalenceandriskfactorsofchronicobstructivepulmonarydiseaseinChina(theChinaPulmonaryHealth[CPH]study):anationalcross-sectionalstudy[J].Lancet,2018,391(10131):1706-1717.DOI:10.1016/S0140-6736(18)30841-9.[5]ChenS,KuhnM,PrettnerK,etal.Theglobaleconomicburdenofchronicobstructivepulmonarydiseasefor204countriesandterritoriesin2020-50:ahealth-augmentedmacroeconomicmodellingstudy[J].LancetGlobHealth,2023,11(8):e1183-e1193.DOI:10.1016/S2214-109X(23)00217-6.[6]中华医学会全科医学分会中国健康促进与教育协会医防融合分会中华预防医学会呼吸病预防与控制专业委员会,等.慢性阻塞性肺疾病基层数智化诊疗与管理专家共识(2026)[J].中华全科医师杂志,2026,25(7):782-794.DOI:10.3760/114798-20260202-00100.ChineseSocietyofGeneralPractice,MedicalandPreventionIntegrationBranchofChinaHealthPromotionandEducationAssociation,RespiratoryDiseasePreventionandControlCommitteeofChinesePreventiveMedicineAssociation,etal.Expertconsensusondigitalandintelligentdiagnosis,treatment,andmanagementofchronicobstructivepulmonarydiseaseinprimarycare(2026)[J].ChinJGenPract,2026,25(7):782-794.DOI:10.3760/114798-20260202-00100.[7]WatsonA,WilkinsonT.DigitalhealthcareinCOPDmanagement:anarrativereviewontheadvantages,pitfalls,andneedforfurtherresearch[J].TherAdvRespirDis,2022,16:17534666221075493.DOI:10.1177/17534666221075493.[8]WuCT,LiGH,HuangCT,etal.Acuteexacerbationofachronicobstructivepulmonarydiseasepredictionsystemusingwearabledevicedata,machinelearning,