慢性阻塞性肺疾病基层数智化诊疗与管理专家共识总结2026

慢性阻塞性肺疾病基层数智化诊疗与管理专家共识总结2026慢性阻塞性肺疾病（chronicobstructivepulmonarydisease，COPD）简称慢阻肺病，作为全球范围内的重大健康问题，是导致死亡与残疾的主要病因之一。流行病学研究显示，2023年全球因慢阻肺病死亡人数已逾342万，预计到2050年患者总数将接近6亿，其中我国的疾病负担尤为严峻［1］。面对这一日益加剧的公共卫生挑战，传统防治模式在应对慢阻肺病全程管理方面的局限性逐渐凸显。随着信息技术与人工智能（artificialintelligence，AI）的迅速发展，数智化健康管理逐渐兴起并应用于临床实践。该模式融合物联网、大数据、人工智能及云计算等技术，实现对个体健康数据的系统性采集、整合分析与精准应用，从而为疾病的全周期管理创造了新的路径。在慢阻肺病的诊疗与管理体系中，数智化技术可贯穿早期筛查、临床诊断、规范治疗、康复干预及长期随访等关键环节，并为推动分级诊疗制度落地、优化医疗卫生资源配置提供重要技术支撑。本共识中“数智化健康技术”指融合数字化手段与智能算法，进行数字化数据采集、分析、挖掘和应用，实现以健康为中心，涵盖预防、诊断、治疗、康复和管理等过程智能化的技术。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，聚焦于当前技术应用的框架性指导，具体目标包括：明确该技术在慢阻肺病防治中的定位与作用；为临床及基层医务人员提供可操作的实践指导。本共识制订组由全科医学、呼吸与危重症学科、计算机、材料及护理学等领域的专家共同组成。以中文检索词包括“慢性阻塞性肺疾病”“慢阻肺”“慢阻肺病”“数智化”“人工智能”“数字健康”“筛查”“病例发现”“诊断”“稳定期”“急性加重”“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”，英文检索词包括“chronicobstructivepulmonarydisease”“COPD”“digitalhealth”“artificialintelligence”“machinelearning”“screening”“casefinding”“diagnosis”“stableCOPD”“acuteexacerbation”“wearabledevices”“clinicaldecisionsupportsystem”“telemedicine”“remotepatientmonitoring”“primarycare”“diseasemanagement”“selfmanagement”，通过PubMed、WebofScience、万方数据知识服务平台、中国知网等数据库进行系统检索，设定检索时限为2020—2025年，语言为英文和中文，文献类型为临床研究、指南及专家共识。在前期研究基础上拟定专家共识草案，采用德尔菲法开展两轮专家函询。首轮函询共收集专家反馈意见40项、修订建议12条，经梳理归纳后确定重点讨论条目7项；第二轮进行条目重要性评分，所有条目评分均≥4.6分（满分5分），提示专家对共识内容认可度较高；各条目变异系数≤0.14，表明专家意见离散度小、协调一致性良好。本次函询专家权威系数为0.88，说明参与专家在慢阻肺病领域具备较高的临床实践与学术研究水平，函询结果科学可靠。本共识适用于全科医生、内科医生、呼吸科医生、急诊科医生、卫生行政管理人员及数智化技术研发人员等，为其开展慢阻肺病临床实践、基层管理及数智化技术转化与推广提供参考。一、慢阻肺病概述（一）流行病学及危险因素慢阻肺病是一种异质性肺部疾病状态，主要表现为呼吸困难、咳嗽、咳痰和/或急性加重等慢性呼吸道症状，其病理基础为气道和/或肺泡异常，并由此导致持续存在、常呈进展性的气流阻塞［23］。根据全球疾病负担（GBD）研究数据，2023年全球慢阻肺病新发病例约1661万例，现患病例约2.14亿例，慢阻肺病已位列全球第三大死因［1］。我国20岁及以上人群慢阻肺病患病率为8.6%，40岁及以上人群达13.7%，患者总数约1亿例，2021年与慢阻肺病相关死亡人数近129万例，约占全球死亡总数的35%［1，4］。最新研究进一步估计，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，其中中国约占1.4万亿美元，居各国之首［5］，该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，亟需进一步加强研究与综合防治。慢阻肺病是基因环境时间相互作用共同导致的结果，其危险因素可分为个体因素和环境因素两大类（表1）。此外，性别差异（如激素影响）和合并症（如心血管疾病、糖尿病）也可能影响慢阻肺病的发展与预后。因此，慢阻肺病的防控需结合遗传筛查、环境干预及全生命周期健康管理，以降低危险因素的综合影响［12］。（二）慢阻肺病健康管理目标与诊疗策略慢阻肺病健康管理的核心策略为人群分层管理，可依据疾病阶段和患者病情是否稳定划分三大目标人群：1.针对慢阻肺病患病高风险人群，应尽早进行筛查及明确诊断，通过早期筛查、诊断和干预，实现早期获益，延缓疾病进展。2.针对慢阻肺病稳定期患者，疾病管理以吸入治疗为核心，根据症状严重程度与急性加重风险实施个体化药物治疗；同时强化非药物干预，包括戒烟干预、针对性疫苗接种（流感/肺炎球菌疫苗）、个体化肺康复计划等，并通过“回顾评估调整”的闭环随访模式持续优化治疗方案。3.针对疑似慢阻肺病急性加重期的患者，首先需要明确是否为急性加重，应与心力衰竭、肺栓塞等进行鉴别诊断；确诊急性加重患者需要评估急性加重严重程度并根据结果进行分级诊疗；同时可通过优化稳定期治疗来预防急性加重。数智化诊疗在慢阻肺病全程管理中可以发挥至关重要的作用。在疾病筛查方面可通过AI风险预测模型，采用便携监测设备，建立诊断辅助系统，提高筛查效率，减少误诊率。在稳定期管理方面使用数智化管理，通过多源数据融合与AI动态决策重构诊疗路径，提升患者个体化治疗的精准性和效能。在急性加重的早期识别方面，数智化系统可通过分析患者的咳嗽频率、呼吸音、血氧变化等实时数据预警慢阻肺病急性加重风险，可通过移动端应用推送干预建议，如指导患者使用急救药物，建议急诊或门诊就诊等。二、数智化健康技术在慢阻肺病筛查和诊断中的应用（一）数智化健康技术在慢阻肺病筛查中的应用慢阻肺病的早期识别主要包括2种路径：筛查（screening）和病例发现（casefinding）。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，主要针对多数尚无明显呼吸道症状的个体。由于该策略成本较高、检出率相对较低，目前指南不推荐在低危、无明确危险暴露且无症状的成年群体中常规开展筛查。病例发现是指对存在不明原因呼吸道症状（如慢性咳嗽、咳痰、活动后气促等）或具有特定危险因素（如长期吸烟、职业和环境暴露、既往反复下呼吸道感染或早期肺发育不良等）的人群，进行有针对性的肺功能检查，用于识别未确诊且慢阻肺病高风险的个体，实现疾病的更早诊断，并将有限医疗资源优先配置于此类人群。因此积极的病例发现策略被认为是减少未确诊慢阻肺病患者、提高早期诊断率的关键途径［2］。根据是否直接接触人体采集数据分为直接监测技术和间接监测技术，两类技术均可集成AI操作指导功能（如动画教学、实时反馈），以提升筛查可及性与数据质量，该功能不改变技术本身的分类归属。1.直接监测技术：在慢阻肺病的病例发现中，通过直接接触人体采集呼吸气流、胸廓运动、心率、血氧、呼气成分等信号，可利用AI进行信号去噪、自动质量控制（质控）及气流受限风险初步识别的数智化技术，以实现早期识别气流受限，推动积极病例发现策略的实施。利用AI聚焦数据质量筛选与异常模式识别，输出“筛查阳性”或“需诊断性肺功能检查”的二元或多分类建议，可作为确诊性肺功能检查的触发依据，从而大幅降低医疗工作者操作学习成本，提高基层病例发现的可及性。（1）非诊断性肺功能仪：多项研究证实，非诊断性肺功能仪（如便携式COPD6肺量计、PiKo6型肺功能测定仪）通过测量第1秒用力呼气容积（forcedexpiratoryvolumeinfirstsecond，FEV₁）和6秒用力呼气容积（forcedexpiratoryvolumeinsixseconds，FEV₆），并以FEV₁/FEV₆比值作为筛查指标，对气流受限具有较好的诊断效能。以常规肺功能FEV₁/用力肺活量（forcedvitalcapacity，FVC）<0.70为金标准的中国基层研究显示，COPD6测得的FEV₁/FEV₆在截断值<0.78为阳性时，用于筛查慢阻肺病的灵敏度为64.9%，特异度为89.7%［6］。在一项针对澳大利亚基层卫生保健人群的研究中，PiKo6以FEV₁/FEV₆<0.75为阳性界值时，病例发现队列和鉴别诊断队列的AUC分别为0.85和0.88，灵敏度分别为81%和86%，特异度分别为71%和67%［7］。总体来看，以FEV₁/FEV₆为核心参数的非诊断性肺功能仪在慢阻肺病病例发现中的准确性已接近标准诊断性肺功能检查；若在操作流程、质量控制及结果判读中进一步引入数字化与AI技术，有望在基层筛查中兼顾效率与成本效益。（2）脉冲振荡计（impulseoscillometry，IOS）：IOS在患者潮式呼吸状态下即可完成检测，无需用力呼气，通过测量不同频率下的气道阻力与呼吸反应客观评估小气道功能，如5Hz气道阻力（R5）、20Hz气道阻力（R20）、5Hz与20Hz气道阻力差值（R5-R20）、5Hz电抗（X5）、电抗曲线下面积（AX）、共振频率（Fres）。研究显示，在慢阻肺病、支气管哮喘以及存在慢性呼吸道症状但肺功能检查指标FEV₁/FVC≥0.70的人群中，IOS检测到的小气道功能障碍比例可达40%~70%，在部分肺功能正常或仅轻度异常的受试者中，对小气道功能障碍的敏感性优于传统肺功能所基于的最大呼气中期流量（FEF25%~75%）等指标，从而显著降低了早期小气道受累的检测难度［89］。（3）呼吸峰流速仪（peakexpiratoryflow，PEF）：PEF测量简便、成本低，近年来多在基层和肺癌筛查人群中，与症状问卷如慢阻肺病人群筛查问卷（COPDPS）、慢阻肺病筛查问卷（COPDSQ）、基层慢阻肺病诊断急性加重风险评估问卷（CAPTURE），以及胸部CT肺气肿等指标联合，作为多因素风险预测模型的一部分，用于筛选需进一步肺功能检查的高危个体；PEF与问卷或CT组合时的筛查效能［受试者工作特征曲线下面积（areaunderthereceiveroperatingcharacteristiccurve，AUC）、灵敏度和特异度］均优于单一工具［6，1012］。通过检测胸廓运动、心率、血氧、呼气成分、呼吸音等信号，可以根据慢阻肺病患者呼吸模式、体征、代谢产物的特点进行病例发现。（4）光学飞行时间（timeofflight，ToF）传感器和毫米波雷达：二者均可非接触式测量胸廓位移，推算肺容量、呼吸频率和呼吸模式，与常规肺功能测量具有较好相关性［13］。ToF深度相机在实验研究中可通过胸廓表面位移估算潮气量和肺容量，但易受衣物覆盖、体表反射特性及环境光线变化等因素影响［14］。毫米波雷达方案通过测量胸壁微振动对回波相位的调制规律精准重建呼吸模态参数。近期的临床研究表明，毫米波雷达和肺功能仪测量FEV₁/FVC的相关系数达0.81、测量FEV1的相关系数达0.76、测量FVC的相关系数达0.78，具备成为筛查及诊断工具的潜力［15］。（5）电子鼻（enose）：可通过传感器阵列结合机器学习算法分析呼出气中的挥发性有机化合物（VOCs），模仿人类嗅觉，可检测与疾病状态相关的独特“呼吸指纹”，提供一种无创、快速的诊断方法［1617］。电子鼻采样时间约3min，诊断慢阻肺病的AUC在0.62~0.92［16，18］，但吸烟史、采样方法、环境因素等均可能影响其效能，目前多为横断面研究，缺乏大规模前瞻性队列验证［19］。（6）生物电阻抗断层成像（electricalimpedancetomography，EIT）：EIT是一种无创、无辐射的实时床旁功能成像技术，通过在体表施加微弱交变电流并测量电压变化，重构获得胸腔内通气分布和肺组织膨胀/排空速率的动态图像［20］。主要测量指标有空间异质性参数、区域肺功能参数和时间异质性参数，其检测依靠患者主动用力呼吸配合。在早期病变识别和FEV1/FVC正常的肺功能受损（preservedratioimpairedspirometry，PRISm）人群和预后预测上可能有应用前景，目前尚在技术验证阶段。（7）可穿戴设备：通过可穿戴传感器（如智能手表、胸带）可持续监测心率变异性、呼吸频率、血氧饱和度（SpO2）的微小波动；通过加速度计和陀螺仪可记录身体活动模式、步态变化和睡眠质量；以及通过麦克风可采集咳嗽频率、强度和声音特征。2.间接监测技术：通过采集电子健康档案、电子问卷、环境暴露、影像检查结果等非直接接触人体的数据，运用AI进行多模态数据融合、关联挖掘及气流受限风险概率预测的数智化技术。AI通过构建风险预测模型，识别需进一步行直接气流检测的高风险个体。该技术无需患者主动用力呼气配合，有望成为低成本、大规模的风险人群积极病例发现的方法。电子问卷包括COPDPS、COPDSQ、CAPTURE，其中CAPTURE作为新开发筛查问卷，其特异度为88.6%，灵敏度为48.2%［21］。利用电子健康档案和AI构建气流受限及慢阻肺病结局的风险预测模型，是近年来的重要探索方向。研究表明，可从连续更新的病历中提取年龄、吸烟史、体重指数、合并症、急性加重与住院记录、用药情况、实验室指标及既往肺功能或影像结果等信息，通过机器学习建模，其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［22］。一项基于儿童与青少年队列资料的研究显示，将早产、低出生体重、支气管肺发育不良、反复下呼吸道感染等早期生命事件与后续多次肺功能测量一并纳入电子健康档案，有助于描绘肺功能轨迹，及早识别自儿童期起即维持低肺功能并可能在成年后发展为慢阻肺病的人群［23］。此类模型可嵌入基层或专科信息系统，在常规就诊过程中自动给出个体化风险提示，筛选需进一步接受直接气流检测和强化管理的高风险对象，但其性能仍受数据完整性和外部验证不足等限制，目前宜作为临床决策支持工具，与医师判断和标准肺功能检查相结合使用。推荐意见1：推荐基层医疗卫生机构配置便携式筛查性肺功能仪开展慢阻肺病主动筛查，并同步接入具备AI实时质控与操作提示的数字化系统，确保流程规范、结果可追溯、数据质量符合相关标准。推荐意见2：推荐基层医疗卫生机构部署经外部验证、基于电子健康档案的慢阻肺病风险预测模型，用于初筛；对模型判定的高风险人群优先开具肺功能检查，实现早诊早治。（二）数智化健康技术在慢阻肺病诊断中的应用慢阻肺病诊断长期面临未诊断、错误诊断、延迟诊断三大核心困境。未诊断、延迟诊断源于高风险人群病例发现不足及基层肺功能检测可及性不足；错误诊断多因诊断性肺功能检查（pulmonaryfunctiontest，PFT）质控难、呼吸环识别困难及对早期病变不敏感所致［2］。数智化技术在慢阻肺病诊断方面应用有双重技术路线。路径一：优化现有肺功能检测流程。通过AI增强质控系统实现呼吸动作实时纠偏、呼吸环智能识别与自动判读，显著降低操作者依赖性，提升数据可靠性，尤其适用于基层医疗场景，可减少因技术不规范导致的错误诊断与重复检测［24］。路径二：开拓PFT替代诊断手段。针对传统PFT的局限性，以下AI辅助无创技术尚处于研究阶段，不推荐常规临床应用，但其潜力值得关注。1.呼吸音与语音特征分析：用于识别早期气流受限声学标志［25］。2.运动传感器/光电容积描记术：监测日常活动肺功能耦合的可行性，目前仅限于科研探索［1314］。3.电子鼻：具有检测气道炎症代谢特征的潜力，但标准化与可重复性不足，受吸烟史干扰，有待进一步验证［16］。4.胸部CT：通过定量低衰减肺密度、吸气与呼气平均肺密度比值以及气道壁厚度等指标，对肺气肿和气体潴留程度进行量化评估［19］。近期有研究表明，基于单期深吸气胸部CT，经多结构自动分割和放射组学特征提取，并采用机器学习算法构建的综合影像模型，诊断慢阻肺病的AUC可达0.96~0.98，外部验证集准确率约为0.95，同时对疾病严重程度的分级具有较好的区分能力［26］。鉴于胸部CT存在辐射暴露、设备和维护成本较高等限制，目前不宜作为基层常规诊断工具，更适合作为既往影像资料的再利用手段，用于慢阻肺病高风险个体的补充风险评估及新型诊断性肺功能检查研究。5.EIT：在小型研究中展现床旁实时可视化区域通气异质性能力，或为识别PRISm等慢阻肺病前期状态提供无辐射新方向，但其诊断阈值、长期预测价值及成本效益比仍有待高质量研究明确［2728］。除疾病诊断外，由于慢阻肺病具有明显异质性，AI辅助寻找影像学特征、生物标志物及构建多模态模型，对于提供个体化、精准化治疗可能是潜在方法。三、数智化健康技术在慢阻肺病综合评估和分级诊疗中的应用（一）数智化健康技术在慢阻肺病稳定期管理中的作用随着数字化与智能化技术的不断发展，数智化健康技术在慢阻肺病稳定期的管理中发挥着日益重要的作用。近年来，可穿戴设备、电子药物监测器以及基于多源数据的预测模型等新兴技术，为慢阻肺病患者的个体化管理和疾病监控提供了有力支持。1.监测用药的数智化技术：电子药物监测器通过与吸入药物装置结合，能够自动记录用药时间、频率，并通过蓝牙将数据同步至智能手机应用程序。不同应用程序可提供吸入器技术指导、疾病教育视频、症状记录、药物使用趋势反馈以及基于日程安排的药物提醒［2931］。具有剂量提醒和使用反馈功能的吸入器监测软件，可以提升患者吸气技巧，改善临床症状评分，同时可为患者提供重要反馈，帮助他们了解和自我管理疾病，增强自我管理能力和疾病认知，降低医疗资源消耗［32］。呼吸健康管理系统（propellerhealth）通过传感器同步用药数据至医患平台，为评估二联疗法疗效及升级需求提供客观依据［3］；国内建立的“呼吸慢病数字疗法中心”同样通过远程监测与平台预警，指导治疗方案的动态调整，实现了从经验性用药向循证化管理的模式转变［5］。2.症状及生命体征监测手段：可穿戴技术包括计步器、加速度计和监测血氧的手表等设备，能够持续监测患者的生理参数［33］。可穿戴手指脉搏血氧仪在慢阻肺病患者日常居家活动中持续测量SpO2，评估其自然状态下的血氧水平波动情况。研究显示，该技术在为期7d的监测期间能够获得相当高的有效SpO2数据比例［34］。基于多源数据的预测模型为慢阻肺病急性加重早期预警提供新思路。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活方式、环境及生理数据，并结合标准化问卷和监督预测算法，能够实现对慢阻肺病患者未来7d内急性加重风险的预测［35］。3.临床决策支持系统（clinicaldecisionsupportsystem，CDSS）：2026慢性阻塞性肺疾病全球倡议（globalinitiativeforlungdisease，GOLD）中明确提出了呼吸专科CDSS［2］。该系统通过嵌入电子病历，整合分析症状、急性加重史、肺功能及血嗜酸性粒细胞计数等指标，并依据GOLD策略进行评估，从而生成个体化治疗推荐，辅助医生规范决策。推荐意见3：推荐对慢阻肺病稳定期患者，尤其依从性不佳或反复急性加重者，使用经临床验证的电子药物监测器进行吸入药物使用行为的实时监测与反馈。（二）数智化健康技术在慢阻肺病急性加重期的作用慢阻肺病急性加重是以呼吸困难和/或咳嗽、咳痰加重小于14d为特征的事件，可伴有呼吸急促和/或心动过速，通常与呼吸道感染、空气污染或其他肺部损伤引起的局部和全身炎症加重有关。急性加重是慢阻肺病患者病程中的重要事件，将导致患者肺功能下降、生活质量下降、生存期缩短［2］，因此，急性加重事件的识别和管理是慢阻肺病管理中的重要问题。传统方式主要是依靠简易问卷进行急性加重早期识别，灵敏度和特异度均偏低。慢阻肺病患者的急性加重具有异质性，目前主要通过治疗措施来评估急性加重的严重程度，受经济水平、治疗可及性影响大，在识别之后的分层处理决策需要有更客观的证据支持。由于AI和机器学习在处理复杂、多模态医疗数据方面展现出的巨大潜力，数智化技术为慢阻肺病急性加重期全流程管理提供了新途径。急性加重预警：以智能手机和可穿戴设备为载体，内置多种传感器和软件应用收集生理数据，借助通信技术将数据传输至云端或医疗机构，运用数据分析和AI算法进行处理，实现对健康状况的评估与预测。采集患者的SpO2、呼吸频率、心率变异性等体征数据，结合电子病历、历史急性加重频次、年龄、吸烟习惯、环境暴露因子［如细颗粒物（PM2.5）浓度］和咳嗽、呼吸困难等症状信息，构建多参数融合的急性加重风险预测模型。目前相关方面探索较多，例如基于电子病历数据，机器学习算法可以预测未来1年内的急性加重风险［36］；基于智能腕表综合个人健康情况、生理数据与环境信息提前1~7d预测急性加重事件，采用决策树算法的预测模型ROCAUC可达0.9以上，显著优于单独使用前一年急性加重病史进行预测［36］。COPDPredict™等数字应用程序能够通过结合患者报告健康状况、FEV1和C反应蛋白水平等生物生理指标，提前7d识别急性加重事件，与使用此系统前的6个月相比住院人次降幅达98%［37］。除此之外，已有研究开发交互式AI风险预测系统，可与医院信息系统（HIS）集成，为医生提供决策支持，并允许随着患者情况变化进行特征值调整［33］。2.远程医疗数智化应用：增强现实（augmentedreality，AR）远程交互与服务系统：支撑跨机构间，尤其是偏远地区的基层医疗卫生机构，实现远程医疗协作，辅助开展远程会诊、辅助诊疗、辅助体格检查、影像检查、临床操作指导等，提升远程协作效率、提高基层应对急性加重能力。3.CDSS：在慢阻肺病急性加重的风险评估与辅助临床决策中，引入和验证基于机器学习的数智化预测模型，以辅助医生进行更精准的预后判断和个体化治疗策略制定。极端梯度提升算法（XGBoost）在预测急性加重事件后30d再入院与死亡风险时，表现优于传统预测再入院或住院后死亡的LACE评分（AUC：0.721和0.809）［34］。因果森林（causalforest）可估计慢阻肺病急性加重患者的个体化治疗效应，揭示不同药物反应亚群，为精准干预提供证据［38］。未来可继续开展多中心、真实世界研究，以优化算法性能并提升其可推广性。推荐意见4：推荐基层医疗卫生机构对GOLD指南分组为B、E组的慢阻肺病患者应用经外部验证的数智化风险预测模型，对急性加重短期概率和年度再住院风险的动态预测，实现“评估提醒干预随访”闭环管理，从而提前识别急性加重高风险个体、优化转诊和家庭访视路径、降低急诊加重住院率。（三）数智化健康技术在慢阻肺病非药物治疗中的应用慢阻肺病管理是一个长期、综合的过程。在慢阻肺病的综合管理策略中，非药物治疗与药物治疗同等重要，甚至在某些方面扮演着更为基础和关键的角色。核心非药物治疗措施包括：戒烟、肺康复、疫苗接种、营养支持以及心理支持等。1.戒烟：戒烟是慢阻肺病防治中最为关键和有效的非药物干预措施，能够从根本上减缓肺功能下降速度，改变疾病的自然病程。结合循证的行为干预与数字疗法、大语言模型等技术手段，将戒烟从医院延伸至日常生活。戒烟行动涉及目标设置、监督、强化、反馈、在需要时提供支持等步骤，实时收集数据（用户行为表现），提供个性化服务。有研究结合便携式呼出一氧化碳（CO）检测仪，通过戒烟后CO水平迅速下降评估戒烟效果和肺部健康改善的直接生物标志物。一项针对戒烟的随机对照试验显示，结合了数字化认知行为疗法和尼古丁替代疗法的干预组，其戒烟成功率显著优于仅接受简短戒烟干预的对照组［39］。2.肺康复：通过综合性的干预措施，包括运动处方、运动训练、健康教育、行为改变和心理支持，能够显著改善患者的运动耐力、减轻呼吸困难、提高生活质量。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，可考虑数智化干预手段。3.疫苗接种：疫苗接种可以显著减少慢阻肺病急性加重次数、减少住院次数，而目前慢阻肺病患者疫苗接种率远低于理想水平［40］。基于虚拟客服的干预可提高疫苗接种率，但基于行为干预理论的干预效果更好。通过系统筛选高风险人群，由聊天机器人开展疫苗接种干预可作为促进疫苗接种的新方法［4142］。推荐意见5：对吸烟的慢阻肺病患者，可采用大语言模型驱动的数字认知行为疗法（digital

cognitive

behavioral

therapy，

dCBT）作为戒烟干预手段，可配合便携式CO检测仪的客观数据进行双向反馈。（四）慢阻肺病共病的数智化筛查与管理慢阻肺病患者常合并其他疾病，如心脑血管疾病、糖尿病、骨质疏松、精神心理疾病、肺癌、睡眠呼吸障碍、结核、支气管哮喘、营养不良等。一项涵盖我国17个省3913例慢阻肺病患者的队列研究显示，25.4%的患者有1种合并症，12.9%有2种，6.4%有3种及以上［43］。因此，早期识别和管理慢阻肺病合并症也是当前探讨的热点之一，而且评估慢阻肺病合并症风险的数智化手段已逐渐从传统的临床工具向多模态AI系统演进，涵盖影像、生理信号、基因组和日常监测数据。到目前为止，慢阻肺病患者常见合并症的数智化评估手段结合了大数据、AI、物联网等技术，通过智能化工具提高早期筛查、动态监测和精准管理的效率，主要应用于以下几方面。1.数据整合与智能分析：通过电子健康记录与大数据平台整合患者的临床数据（如肺功能、影像学）、用药史、住院记录等，采用自然语言处理提取关键信息，明确合并症情况。2.远程监测与物联网：应用可穿戴设备与传感器可以辅助筛查慢阻肺病合并症。例如，结合AppleWatch的心律监测和慢阻肺病数据［44］，筛查心律失常等常见共病。通过智能床垫监测呼吸频率、心率，采用AI算法（如LSTM时序模型）预警潜在的呼吸衰竭或肺栓塞。3.AI辅助诊断：通过影像智能分析明确合并症情况。例如胸部影像学AI算法（如卷积神经网络）自动筛查肺纤维化、肺癌、骨质疏松、抑郁等并发症［4549］。过去20年对慢阻肺病的认知发生了重大转变，已由过去主要关注气道和肺实质病变，逐步转向将其视为伴有重要全身影响的复杂慢性疾病。心血管疾病、肺癌、骨质疏松、焦虑和抑郁等共病在慢阻肺病患者中较为常见，其发生风险高于非慢阻肺病人群。部分共病还可能发生更早，并与患者预后不良及死亡风险增加有关。参与慢阻肺病诊疗与管理的医务人员应重视共病筛查与评估，并结合现有工具进行规范管理。通过上述数智化手段，可实现对慢阻肺病共病患者的早期识别、动态监控和精准干预，实现多病共管，进而改善患者预后，降低医疗负担。（五）数智化健康技术在慢阻肺病分组及分级诊疗中的应用CDSS等数智化工具可基于慢阻肺病稳定期患者的临床症状、肺功能受损程度、急性加重风险以及合并症/并发症等情况进行综合分析。按照症状水平和过去1年的中/重度急性加重史将患者分为A、B、E三个组，初始治疗患者根据分组制定个性化药物治疗方案。数智化分级诊疗在优化医疗资源配置、提高治疗效果、降低医疗成本方面具有一定优势。1.分级匹配与分类：数智化分级诊疗系统能够实时识别患者的病情严重程度，将慢阻肺病患者从社区转诊至综合医院或从综合医院转诊至社区。2.实时反馈与动态调整：数智化系统会实时监控患者的病情变化，当慢阻肺病患者在社区进行诊断和治疗时，数智化系统能够及时了解其病情，动态调整诊疗路径，及时转诊至综合医院。当慢阻肺病患者在综合医院进行诊断和治疗时，病情稳定后及时转诊至社区。3.优化资源配置，降低医疗成本：数智化分级诊疗系统通过实时反馈和动态调整，能够更好地优化医疗资源配置。4.提升医疗服务质量：数智化分级诊疗系统能够帮助医生更精准地识别患者的病情，并优先安排由专业医疗团队进行分类讨论和评估的专科医生进行治疗。这种高效的分级匹配机制不仅提高了医疗服务的质量，还确保了患者能够在最短的时间内获得有效的治疗支持。基于自主可控的区块链技术构建的分级诊疗体系，可促进慢性病患者的跨机构数据流转及转诊服务，包括但不限于：基于患者授权的电子健康档案跨机构共享，动态权限审批、智能化转诊凭证的自动生成与验签，关键字段（转诊指征、时效窗口）上链存证；质控数据链式存证，包含急性加重记录等核心指标。上述体系可促进分级诊疗流程更便利、更可追溯。四、慢阻肺病数智化技术在健康教育和患者自我管理中的应用健康教育和患者自我管理对慢阻肺病患者至关重要，能提升疾病认知，改善用药依从性，促进肺康复，减少急性加重，提高生活质量。但面临患者认知局限、行为改变困难、长期依从性下降以及医疗资源分布不均、社会经济因素制约等困境，数智化技术以智能监测、远程医疗和AI实现动态数据追踪与精准干预，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，降低管理成本，推动从被动治疗向主动健康的行为转变。（一）慢阻肺病数智化教育计划的制订和实施慢阻肺病数智化健康教育是指采用数智化手段对慢阻肺病患者及照护者开展的涵盖疾病知识、治疗方案、生活方式调整、自我管理技能等内容的有组织、有计划、有系统的教育活动。实现数智化健康教育的技术基础是建立慢阻肺病疾病知识库。区别于通用大语言模型所使用的互联网数据，因存在模型幻觉、概念漂移、信息滞后等风险，故需建立有循证依据、专家审核的专业知识库［50］。基于患者基本信息、病史、治疗情况、健康素养等多维度数据，由专业知识库结合AI制定个性化健康教育计划，采用大语言模型、AR、虚拟现实（virtualreality，VR）、数字人等技术手段进行实施，并具备实施评估、反馈功能。数智化健康教育可根据实施进程、实施效果、患者反馈及时自动调整计划。在健康教育计划制定和实施时，健康教育的发起者是家庭医生或呼吸专科医生，同时需要在健康教育实施中给居民提供必要的帮助。（二）慢阻肺病数智化患者自我管理稳定期慢阻肺病患者在医护人员的指导下进行自我管理的获益是显著的，其内涵包括戒烟、规范治疗、监测症状、健康生活方式及肺康复，数智化技术在自我管理和稳定期管理中的应用大多有重叠部分，自我管理中实施管理的主体是患者，实施时间是长期的，所以在应用时需结合行为科学，还涉及医患共同决策，需具有个体化、精准化的特征［51］。推荐意见6：推荐数智化健康教育工具研发时使用基于GOLD、中国相关指南及高证据等级研究文献为内容来源的慢阻肺病专业知识库，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。推荐意见7：推荐数智化自我管理工具内置行为改变技术（behaviorchangetechniques，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。五、现存问题及未来研究方向（一）数智化技术应用与发展潜力数智化技术在近年来赋能呼吸领域疾病诊疗及管理初步显示出其优越性，包括物联网和远程患者管理，数字医学联合穿戴设备对患者的全程管理对传统的临床医学模式提供了有效的补充和完善。可穿戴设备和便携式肺功能仪器用于患者的肺功能测定评估和慢性气道疾病的筛查与诊断，夜间呼吸音和生命参数的检测数据可用于心肺疾病的预警和监测；AI影像分析用于肺结节的精准预测和重症的预警；穿戴设备用于远程呼吸康复评估和作业执行；物联网技术用于居家慢阻肺病患者的家庭氧疗和无创机械通气；数字孪生技术用于咨询和问诊；生成式AI技术可用于疾病相关知识问答、健康教育和辅助沟通；中医推出的四诊仪用于远程的望、闻、问、切；AI在病史记录、肺功能判读及危重症临床决策支持等方面已有一定应用探索，有助于推动慢性气道疾病“促、防、诊、控、治、康”连续管理，提高诊疗效率和管理质量。未来的医疗模式是AI和数智技术协助医务人员做出高效准确的决策，延伸医务工作者的临床诊疗和管理能力，但其临床有效性、安全性、成本效益及适用边界仍需通过高质量研究和真实世界应用进一步验证。（二）跨学科合作的健康管理方案慢阻肺病数智化健康管理方案的构建需要依赖临床医学、护理学、智能医学、数据挖掘、政策和患者代表的多方协同合作。医疗护理人员借助AI辅助诊断系统，结合患者病史、影像学检查和肺功能检测等数据