2026年9月，四川大学华西医院呼吸与危重症医学科李为民教授、王成弟教授团队在Cell子刊Cell Reports Medicine（IF：14.0）发表了最新研究成果“LungGPT: A unified multimodal system for interpretable diagnosis and clinical decision support of respiratory diseases”。基于12万例患者临床诊疗数据，创新性研发呼吸系统疾病诊疗推理大模型LungGPT，涵盖疾病诊断（LungGPT-Dx）与决策生成（LungGPT-Ex）两大模块，实现肺癌、肺炎、肺结核、慢阻肺病等22种呼吸系统疾病的精准诊断、急危重症早期预警及个性化决策干预。

图1 文章发表图

研究背景

呼吸系统疾病包括慢阻肺病、肺癌、肺炎、肺结核等，发病率、死亡率高，为全球公共卫生带来沉重的疾病负担。呼吸系统疾病早期临床症状不典型，鉴别诊断困难，且一旦进展为危重症（如重症肺炎），死亡率高达50%。在临床实践中，医生需要耗费大量时间人工查阅碎片化的病史、体格检查和辅助检查数据从而综合诊断患者病情，任何细节遗漏都可能增加误诊的风险。近年来，随着人工智能技术在医学领域的快速发展，大语言模型在多项医学测试中展现出接近临床专家的水平，但现有的基础模型大多局限于单模态数据，用于单个临床任务，可解释的临床推理不足，难以真正临床大范围应用。基于此，本研究构建了呼吸系统疾病诊疗推理大模型LungGPT，可实现肺癌、肺炎、肺结核、慢阻肺病等22种呼吸系统疾病的鉴别诊断、急危重症预警及个性化治疗。

图2 文章总体概览

研究设计及思路

该研究基于58亿token交互语料库与18亿token权威医学资料（包括期刊文献、医学教材及临床指南等）进行预训练，并纳入四川大学华西医院超12万例患者的电子病历数据共计1.47亿token进行模型微调。经过ICD-10标准化编码，进一步筛选出29,215例以呼吸系统疾病为主要诊断的临床患者队列，作为模型训练及验证集。LungGPT系统主要包含两个核心模块：LungGPT-Dx用于22种呼吸系统疾病的精准诊断及急危重症早期预警；LungGPT-Ex用于生成可解释的诊断推理和治疗决策。

图3 LungGPT系统框架与工作流程

研究结果

在测试集中，LungGPT-Dx在22种呼吸系统疾病中诊断平均AUC达0.852（95% CI：0.839–0.865），其中肺动脉高压AUC为0.948（95% CI：0.921–0.970），肺癌AUC为0.921（95% CI：0.912–0.929），肺结核AUC为0.903（95% CI：0.872–0.930），哮喘AUC为0.902（95% CI：0.863–0.939），间质性肺病AUC为0.883（95% CI：0.856–0.910），慢性阻塞性肺疾病AUC为0.863（95% CI：0.847–0.881），肺炎AUC为0.821（95% CI：0.810–0.831），实现22种呼吸系统疾病的精准鉴别诊断。

图4 LungGPT-Dx在22种呼吸系统疾病的诊断效能

针对急危重症早期预警，该系统创新性地引入思维链（Chain-of-Thought, CoT）推理，将非结构化文本转化为结构化临床文本，并与CT影像特征进行多模态融合，提升模型对急危重症早期预警性能。LungGPT-Dx多模态系统能够早期识别重症肺炎（AUC：0.802），对快速进展型肺癌、急性肺栓塞、慢阻肺病急性加重的识别AUC分别为0.899、0.802、0.869，为临床早期分诊、及时干预和急危重症救治赢得了“黄金时间”。

图5 LungGPT-Dx急危重症预警性能

同时，LungGPT-Ex基于真实世界电子健康记录开展领域微调，依托医学文献、教材和临床指南构建的知识库进行检索增强生成（Retrieval-Augmented Generation, RAG），从而输出可解释、可溯源的诊断推理与临床决策，并由三位临床医生采用3分制量表，从准确性、完整性和真实性三个维度进行评分。LungGPT-Ex在诊断推理和治疗决策任务中的真实性的分值分别为2.90和2.92，优于PULSE、HuaTuoGPT，与GPT-4o相当。系统能够依据现行指南与临床规范，生成个性化管理策略，对急危重症患者建议早期心电监测、氧疗及呼吸支持，对复杂疑难病例建议启动多学科专家会诊。

图6 LungGPT-Ex诊断推理与决策支持性能

研究主要创新点

本研究创新点在于：（1）大数据：构建了包含12万例患者、共计1.47亿token电子健康档案的大规模数据库，涵盖22种呼吸疾病临床诊疗记录，为模型训练与泛化奠定了坚实的数据基础；（2）多任务：区别于既往模型聚焦单一疾病或单一任务，构建覆盖精准诊断、重症预警、可解释推理与临床治疗决策支持的一体化智能诊疗框架，优化临床工作流程；（3）可解释：系统可生成结构化诊断依据，提高模型输出的可解释性，并引入检索增强生成技术，能够同步最新指南与专家共识，确保建议符合临床诊疗规范。

LungGPT推理大模型围绕呼吸系统疾病的智能化诊疗，覆盖肺癌、肺炎、肺结核、慢阻肺病等22种呼吸系统疾病的鉴别诊断，并通过文本与影像特征的多模态融合，实现重症肺炎、急性肺栓塞、慢阻肺病急性加重、快速进展型肺癌等急危重症早期预警，为临床诊疗提供支持。同时，LungGPT可输出可解释、可溯源的诊断推理与临床决策建议，协助医生进一步了解“诊断是什么、为什么这样诊断、如何有效治疗”，有望减轻临床医生工作负担，为人工智能赋能呼吸系统疾病的精准诊疗和临床工作流程优化提供了新路径。

四川大学华西医院为第一作者和通讯作者单位，四川大学华西医院呼吸与危重症医学科李为民教授、王成弟教授和上海科技大学沈定刚教授、联影智能石峰研究员为共同通讯作者；四川大学华西医院邵俊、刘星廷、张芷菡及联影智能廖术为本文共同第一作者。

原文链接

https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(26)00343-5

通讯作者

李为民

四川大学华西医院呼吸与危重症医学科教授、博士生导师，呼吸和共病研究院院长。教育部长江特岗学者，国家“四大慢病”科技重大专项副总师。呼吸和共病全国重点实验室副主任；国家精准医学产业创新中心主任、教育部疾病分子网络前沿科学中心主任；中华医学会副会长及呼吸病学分会候任主任委员。主持国家自然科学基金重点项目/面上项目、国家科技部重大专项等课题，在Cell、Nature Medicine、Nature Biomedical Engineering等期刊发表研究论文。研究成果以第一完成人获国家科技进步奖二等奖、四川省科技进步奖一等奖，个人获全国创新争先奖、何梁何利基金科学与技术进步奖。

王成弟

四川大学华西医院呼吸与危重症医学科教授、博士生导师。国家高层次人才计划入选者。致力于呼吸疾病的诊治，聚焦肺结节/肺癌、肺部感染的基础与临床研究。主持国家重大专项课题、国自然面上项目等国家、省部级课题10项，以第一/通讯作者（含共同）在Cell、Nature Medicine、Nature Biomedical Engineering等期刊发表研究论文。作为主要完成人荣获国家科技进步二等奖，个人获钟南山青年科技创新奖、中国抗癌协会青年科学家奖。

* 文章仅供医疗卫生相关从业者阅读参考

本文完

责编：Jerry