DOI:10.3969/j.issn.1673-6036.2026.04.013
中图分类号:R563.9
全文
文内图表
参考文献
出版信息
基于多模态数据的慢性阻塞性肺疾病筛查集成模型构建
1 引言
全球慢性阻塞性肺疾病（chronic obstructive pulmonary disease，COPD）患病人数逐年增加［1］。在我国，COPD已成为第3大致死性疾病，与全因死亡、循环系统疾病、肿瘤及呼吸系统疾病死亡率升高密切相关［2-3］。COPD是一种不可逆但可防可治的慢性进展性疾病，早发现、早诊断、早干预是延缓进展、改善预后的关键，在早期筛查中应尽可能识别潜在患者［4-6］。
目前，肺功能检查（pulmonary function test，PFT）是COPD诊断的金标准，但其对早期病变的识别能力有限，且高度依赖患者配合，在老年和重症患者群体中，常因实施困难出现数据缺失，给筛查和诊断带来挑战［7-10］。胸部X线检查操作简便、可及性高，是COPD重要的辅助检查手段［11］。但是传统影像判读高度依赖医师经验，主观性较强，易导致漏诊和误诊，难以满足大规模标准化筛查需求［12］。
近年来，以机器学习、深度学习为代表的人工智能技术快速发展，能够从高维、多源、复杂的临床数据中自动提取特征并挖掘潜在规律，为疾病智能筛查提供了新途径［13］。如何有效融合影像与临床数据，构建兼具高灵敏度与高特异度的COPD筛查模型，成为研究的前沿方向［14-15］。相较于单一模型，集成学习策略可有效平衡灵敏度与特异度，已应用于多项医学研究，但其在COPD早期筛查中的系统性应用仍较为匮乏［16-17］。本研究结合集成策略的框架优势，基于临床常规可及数据与胸部X线影像构建COPD筛查模型，为无法配合PFT的患者提供高效、准确的自动化辅助筛查工具。
2 材料与方法
2.1 研究对象
选取2020年9月—2024年12月在广东省人民医院进行胸部X线检查的15 414例患者作为研究对象。依据《慢性阻塞性肺疾病全球倡议指南》［18］，COPD的诊断定义为使用支气管舒张剂后第一秒用力呼气的容积与用力肺活量的比值小于0.7。基于电子病历收集研究对象基本信息和检查检验数据，删除缺失比例达30%的变量，对于缺失比例小于30%的变量采用多重插补法进行填补，变量及缺失情况，见表1。纳入标准：有符合质量控制标准的前后位胸部X线片；有完整诊断记录。排除标准：严重图像伪影或图像质量差；诊断记录不完整。本研究已通过广东省人民医院伦理审查委员会审批（伦理号：KY2024-1206-01）。
表1 变量及缺失情况统计
婚姻状态4.20Glu0.99肺炎3.31RDW-SD0.99变量缺失比例（%）变量缺失比例（%）吸烟状况71.59PT0.99高血压3.31AST0.99糖尿病3.31APTT0.99脑卒中3.31TT0.99哮喘3.31MCH0.99肺结核3.31WBC0.99肺癌3.31LY%0.99 LDH0.99EOS%0.99 FIB0.99FT40.99
注：LDH=乳酸脱氢酶，FIB=血浆纤维蛋白原，LY%=淋巴细胞百分比，Glu=葡萄糖，PT=凝血酶原时间，AST=天冬氨酸氨基转移酶，APTT=活化部分凝血活酶时间，TT=凝血酶时间，RDW-SD=红细胞分布宽度标准差，MCH=平均红细胞血红蛋白含量，WBC=白细胞计数，EOS%=嗜酸性粒细胞百分比，FT4=游离甲状腺素。
2.2 数据预处理
对胸部X线片依次执行去骨影、对比度增强、尺寸缩放与像素归一化操作；对连续变量进行最小-最大值归一化和Z分数标准化处理；对分类变量进行独热编码。为将患者复杂的共病模式转化为模型可识别的引导信息，从诊断文本中提取26种疾病实体，将每名患者的诊断结果编码为二元向量；将每种共病组合映射为离散标识符，作为后续多模态特征对齐的共病引导信号。采用两步策略筛选特征：第1步基于互信息法筛选与标签相关性最高的80个特征，第2步通过Pearson相关系数（|r|＞0.95）剔除高度冗余特征，最终保留56个判别能力强且相互独立的特征用于模型训练。
2.3 数据划分
将研究样本随机划分为训练集（8 892例，57.7%）、验证集（1 134例，7.3%）和测试集（5 388例，35.0%），分别用于模型训练、超参数调优和最终性能评估。针对样本数据类别不平衡问题，在模型训练阶段通过合成少数类过采样技术，实现训练集类别分布均衡化。
2.4 模型构建与验证
构建用于COPD筛查的3阶段集成模型。阶段1：多模态模型。整合胸部X线片、人口学特征、实验室检查及诊断信息，使用多层感知机和Efficient-NetB0分别提取表格与图像特征。采用共病组合引导的跨模态一致性学习，通过对比学习将不同模态特征映射到共享语义空间，以增强表征一致性。引入特征正则化对齐机制，缓解模态惰性问题。设计基于上下文感知的动态加权融合策略，利用上下文提取网络从多模态特征中学习动态权重，并结合基于不确定性的基础权重实现自适应的贡献度分配。将置信度处于阈值区间的样本标记为“不确定样本”。阶段2：加入梯度提升机（gradient boosting machines，GBM）模型。基于人口学特征、实验室指标及诊断信息，使用GBM模型对阶段1的“不确定样本”进行二次判别，并将仍处于阈值区间的不确定样本输入下一阶段。阶段3：加入K近邻（K-nearest neighbors，KNN）模型。针对剩余最难判别的样本，使用KNN模型通过最近邻投票进行精细判别，捕捉局部模式，提升模型对边缘病例的识别能力。
采用受试者工作特征曲线（receiver operating characteristic,ROC）下面积（area under the curve，AUC）、准确率、平衡准确率、灵敏度、特异度及约登指数全面评估一阶段多模态模型、两阶段多模态+GBM模型和3阶段多模态+GBM+KNN模型性能。采用校准曲线评估模型预测概率与实际事件发生率的一致性，采用决策曲线分析评估模型的临床获益。此外，通过SHAP重要性分析，明确各特征对3阶段集成模型预测结果的贡献。所有开发过程均基于PyTorch框架（版本2.9.1）实现。
2.5 统计学分析
对于连续变量，服从正态分布的以均数±标准差描述，组间比较采用t检验；非正态分布的以中位数（四分位数间距）描述，组间比较使用Mann-Whitney U检验。分类变量使用频数（%）描述，组间差异比较采用卡方检验或Fisher确切概率法。所有分析均使用Python（版本3.13）在SciPy中完成。
3 结果
3.1 研究对象基线特征
共纳入15 414例研究对象，其中COPD患者107例（0.7%）。年龄、性别、婚姻状态，曾患高血压、脑卒中、肺炎、哮喘、肺结核，以及实验室检查中的FIB、APTT、TT、RDW-SD、EOS%和FT4，在非COPD与COPD患者间的差异均具有统计学意义（P＜0.05），见表2。
表2 研究对象基线特征
特征非COPD（n=15 307）COPD（n=107）P年龄［岁，M（P25，P75）］60（51，67）71（66，75）＜0.001性别［例（%）］＜0.001女7 696（50.3）18（16.8）男7 611（49.7）89（83.2）BMI［kg/m2，M（P25，P75）］23.2（21.0，25.8）22.9（20.9，25.8）0.409婚姻状态［例（%）］0.001未婚732（4.8）1（0.9）已婚12 886（84.2）89（83.2）其他（丧偶、离异）1 689（11.0）17（15.9）高血压［例（%）］3 361（21.9）48（44.9）＜0.001糖尿病［例（%）］1 560（10.2）9（8.4）0.577脑卒中［例（%）］489（3.2）13（12.2）＜0.001肺炎［例（%）］128（0.8）5（4.7）0.003哮喘［例（%）］68（0.4）4（3.7）0.002肺结核［例（%）］71（0.5）5（4.7）＜0.001肺癌［例（%）］179（1.2）3（2.8）0.143 LDH［U/L，M（P25，P75）］185.0（157.0，237.4）181.8（153.1，26.5）0.978 FIB［g/L，M（P25，P75）］3.4（2.9，4.0）3.78（3.3，4.5）＜0.001 LY%［M（P25，P75）］20.0（10.0，20.0）20.0（10.0，20.0）0.260
续表
特征非COPD（n=15 307）COPD（n=107）P Glu［mmol/L，M（P25，P75）］5.6（4.9，6.5）5.6（5.0，6.5）0.533 PT［s，M（P25，P75）］13.7（13.1，14.5）13.6（13.0，14.6）0.867 AST［U/L，M（P25，P75）］23.5（18.3，34.9）24.0（19.0，29.7）0.792 APTT［s，M（P25，P75）］37.3（34.8，40.4）38.6（35.4，43.2）0.002 TT［s，M（P25，P75）］17.0（16.3，17.8）17.5（16.9，18.4）＜0.001 RDW-SD［fl，M（P25，P75）］43.1（40.9，45.8）44.9（42.6，48.7）＜0.001 MCH［pg，M（P25，P75）］330.0（325.0，335.0）329.2（322.0，334.5）0.173 WBC［×109/L，M（P25，P75）］8.7（7.1，10.6）8.4（7.0，10.4）0.266 EOS%［M（P25，P75）］2.0（1.0，2.0）2.0（1.0，3.0）＜0.001 FT4［pmol/L，M（P25，P75）］11.5（10.7，12.4）12.0（11.2，13.5）＜0.001
3.2 阈值确定
以AUC为标准，采用网格搜索法确定集成模型各阶段的最优阈值组合。阈值搜索范围：低阈值0.1～0.4，高阈值0.6～0.9，步长0.05。结合多阶段模型结构特点，采用分阶段逐步优化，阶段1遍历全部阈值组合，阶段2在阶段1最优阈值基础上继续优化。最终确定集成模型阶段1最优阈值组合为0.15和0.85，阶段2最优阈值组合为0.4和0.75。
3.3 模型比较
对比一阶段模型、两阶段集成模型和3阶段集成模型在测试集上的性能指标，见表3。3阶段集成模型AUC、平衡准确率、特异度和约登指数较前两个模型均有所提升；虽然灵敏度有所降低，但维持在0.979的较高水平，实现了灵敏度与特异度的更优平衡。3阶段集成模型ROC曲线和混淆矩阵，见图1。
图1 3阶段集成模型ROC曲线（左）和混淆矩阵（右）
表3 模型性能对比
两阶段（多模态0.9120.7730.8851.0000.7710.7713阶段（多模态0.9220.8250.9010.9790.8230.803模型AUC准确率平衡准确率灵敏度特异度约登指数一阶段（多模态）0.8910.7590.8781.0000.7570.757+GBM）+GBM+KNN）
3.4 决策曲线分析与校准曲线评估
采用决策曲线分析与校准曲线评估3阶段集成模型的临床应用价值，见图2。决策曲线分析显示，在0～5%阈值概率区间内，集成模型的净获益曲线始终高于“全部干预”和“全部不干预”策略，且各阈值点均呈现正向净获益，表明该模型可在避免过度医疗的同时获得较高临床收益。校准曲线显示，模型预测概率与实际事件发生率存在一定偏离，整体曲线偏低，且与理想校准线差距显著。这可能是由于研究中阳性样本数量较少、数据高度不平衡，模型对高风险个体的概率估计偏高。
图2 3阶段集成模型决策曲线（左）与校准曲线（右）
3.5 特征变量重要性分析
采用SHAP方法对3阶段集成模型进行特征重要性分析。依据平均SHAP绝对值排序，共病组合、年龄、高血压等10个特征变量最为重要，见图3。进一步分析不同共病组合与COPD的关联强度，重要性排名前10位的共病组合，见图4。除“肺不张+肺炎”“肺不张+肺癌”和“肺结核+糖尿病”外，其余共病组合与COPD的关联均具有统计学意义（P ＜0.05）。
图3 3阶段集成模型特征重要性
图4 共病组合重要性分析森林图
4 讨论
4.1 模型性能比较
本研究融合不同算法优势，构建3阶段集成模型，整体性能优于一阶段多模态模型和两阶段集成模型。一阶段模型虽融合了多模态特征，但在处理置信度较低的边缘样本时，决策边界不够清晰。两阶段模型引入GBM，对不确定样本进行二次判别，通过调整归纳偏置，提升整体稳健性。3阶段模型进一步引入KNN，通过关注样本间的近邻关系，捕捉复杂模型遗漏的局部相似性，实现在保持较高灵敏度的同时，提升特异度。既往研究［15］显示，仅依赖胸部X线片或结构化数据的单一模态模型，在不同吸烟史人群中的AUC仅为0.66～0.70，即使联合使用两种模态数据，AUC最高仅达到0.77。而基于动态X线成像技术或脉冲振荡技术所获数据构建的模型，在测试集或外部验证集中的AUC最高仅达到0.849，且存在依赖特殊检测设备等局限［19-20］。相比之下，本研究3阶段集成模型的整体诊断效能优于上述方法。
4.2 模型临床应用价值
决策曲线分析结果表明，在较低阈值概率范围内，依据模型预测进行决策的净获益优于“不干预”或“全部干预”策略。校准曲线显示，模型预测概率与实际观测概率之间存在系统性偏差。这可能缘于样本不平衡的影响，在阳性样本占比较低的情况下，假阳性率的微小增加将导致净获益迅速下降，其正收益阈值区间也随人群患病率变化而偏移。同时，因阳性样本不足，校准曲线的可靠性降低，模型难以准确估计高风险区域的真实概率分布。因此模型输出的概率估计及其临床决策阈值有待在类别分布更均衡的外部数据中加以验证。
4.3 关键变量对COPD的影响
SHAP重要性分析显示，共病组合是首要特征，提示共病模式所反映的多系统病理生理交互能有效解释COPD的发生风险。其中，“肺部感染+高血压”的关联强度最高，其次为“哮喘+高血压”和“肺结核+高血压”。3个组合均以高血压为共同特征，叠加不同呼吸道疾病。既往研究［21］表明，COPD不仅是肺部疾病，更是一种可导致血管功能障碍的系统性炎症状态，高血压与COPD在病理机制上相互关联，通过系统性炎症及血管功能障碍形成重要联系。当叠加肺部感染、哮喘或肺结核时，气道炎症与全身性血管病变可能产生协同效应，进一步加速肺功能下降［22-24］。流行病学数据［25］显示，高血压是COPD的常见合并症之一，COPD患者中高血压与肺部感染的患病率分别为49.4%与41.3%。哮喘作为COPD的重要危险因素，其合并继发COPD的风险可增加8～12倍，且哮喘+COPD患者中高血压的患病率更高［26-27］。其次是年龄，其机制可能与环境暴露的累积效应以及肺功能的生理性衰退有关［28-29］。EOS%和TT被识别为重要特征，反映气道炎症状态及凝血功能异常在COPD病理过程中的潜在作用。Vanetti M等［30］的综述指出，约20%～40%的COPD患者血液和痰液中EOS%升高，嗜酸性粒细胞炎症在部分COPD患者中起关键作用，可能影响疾病进展、治疗反应，增加急性发作频率。此外，有研究［31］表明，COPD患者存在凝血功能异常，急性加重期患者的TT显著缩短。未来研究应进一步评估上述指标对COPD进展的影响，并探索更多识别高风险人群的潜在生物标志物。
5 结语
本研究融合影像与临床常规数据，采用多模型集成策略构建3阶段模型，在COPD筛查中表现出良好的判别性能，可为无法配合PFT的患者提供依从性及操作性较强的补充工具。然而，数据源于单中心且存在样本类别不平衡问题，未来应纳入多中心、更均衡的样本进行外部验证，以进一步评估模型的校准性能及泛化能力。
作者贡献：陈翠妍负责数据收集与处理、模型构建、论文撰写；梁叶负责数据处理、模型构建；张文娴、蔡依琳、欧阳媚、廖天正、梁铭标负责数据收集与整理；梁会营负责研究设计、论文修订。
利益声明：所有作者均声明不存在利益冲突。
1BOERS E， BARRETT M， SU J G， et al.Global burden of chronic obstructive pulmonary disease through 2050 ［J］.JAMA network open， 2023， 6（12）： e2346598.
2中国老年学和老年医学学会.老年慢性阻塞性肺疾病管理指南［J］.中西医结合研究，2023，15（3）：154-164.
3KE Y， ZHAO Y， SUN D， et al.All-cause and causespecific mortality in individuals with COPD in China： a 16-year follow-up cohort study ［J］.European journal of epidemiology， 2025， 40（6）： 681-691.
4王妍，闫巍.关注肺健康，实现COPD防治关口前移［J］.中华全科医学，2025，23（2）：194-197，214.
5李静，蒋永亮.慢性阻塞性肺疾病早期筛查方式研究进展［J］.中国临床新医学，2025，18（1）：24-28.
6宛琪，吴繁，邓志珊，等.大力推进慢性阻塞性肺疾病早期社区综合防治［J］.中国临床新医学，2025，18（1）：1-5.
7LIOU T G， KANNER R E.Spirometry ［J］.Clinical reviews in allergy & immunology， 2009， 37（3）： 137-152.
8MILLER M R， HANKINSON J， BRUSASCO V， et al.Standardisation of spirometry［J］.European respiratory journal， 2005， 26（2）： 319-338.
9GRAHAM B L， STEENBRUGGEN I， MILLER M R， et al.Standardization of spirometry 2019 update.An official American thoracic society and European respiratory society technical statement［J］.American journal of respiratory and critical care medicine， 2019， 200（8）： 70-88.
10MAHESHWARI R， SINGH A， CHAUDHARI P S， et al.Impulse oscillometry： an adjunct or alternative to spirometry in the diagnosis of obstructive airway disease.Results from an observational study［J］.Indian journal of tuberculosis， 2026， 73（1）： 21-24.
11RÉMY-JARDIN M， BONNEL F， MASSON P， et al.Optimal screening tool for thoracic diseases： chest X ray or CT［J］.Journal de radiologie， 2001， 82（9）： 1108-1118.
12张利华，王云华.COPD肺功能影像学诊断研究进展［J］.长治医学院学报，2010，24（3）：237-240.
13WANG F， CASALINO L P， KHULLAR D.Deep learning in medicine-promise， progress， and challenges［J］.JAMA internal medicine， 2019， 179（3）： 293-294.
14BHATT S P， ABADI E， ANZUETO A， et al.A multidimensional diagnostic approach for chronic obstructive pulmonary disease［J］.JAMA， 2025， 333（24）： 2164-2175.
15JORSHERY S D， CHANDRA J， WALIA A S， et al.Leveraging deep learning applied to chest radiograph images to identify individuals at high risk of chronic obstructive pulmonary disease： a retrospective model validation study［J］.Lancet digital health， 2025， 7（9）： 100903.
16WEI Y， YANG M， ZHANG M， et al.Focal liver lesion diagnosis with deep learning and multistage CT imaging［J］.Nature communications， 2024， 15（1）： 7040.
17XIONG Y， YAO L， LIN J， et al.Artificial intelligence links CT images to pathologic features and survival outcomes of renal masses［J］.Nature communications， 2025， 16（1）： 1425.
18Global Initiative for Chronic Obstructive Lung Disease,Inc..Global strategy for the diagnosis, management, and prevention of chronic obstructive pulmonary disease: 2026 report [EB/OL].[2026-03-26].https://goldcopd.org/2026-goldreport-and-pocket-guide/.
19YU D， XIE W， GUO Y， et al.Dynamic chest radiography as an alternative to pulmonary function tests for chronic obstructive pulmonary disease［J］.Radiology， 2025， 317（3）：e251296.
20LIU M， YAO X， SHI Y， et al.Impulse oscillometryderived equation for prediction of abnormal FEV（1）/FVC ratio for COPD screening in Chinese population： a multicenter cross-sectional study［J］.Lancet regional health western pacific， 2025， 56（3）： 101501.
21CHEN W， THOMAS J， SADATSAFAVI M， et al.Risk of cardiovascular comorbidity in patients with chronic obstructive pulmonary disease： a systematic review and metaanalysis［J］.Lancet regional health Western Pacific， 2015，3（8）： 631-639.
22LARATTA C R， VAN EEDEN S.Acute exacerbation of chronic obstructive pulmonary disease：cardiovascular links ［J］.Biomed research international， 2014（1）： 528789.
23CIOBOATA R， OLTEANU M， MITROI D M， et al.Beyond the lungs： cardiovascular risk in COPD patients with a history of tuberculosis—a narrative review ［J］.Journal of clinical medicine， 2026， 15（2）：661.
24HIZAWA N.Common pathogeneses underlying asthma and chronic obstructive pulmonary disease—insights from genetic studies［J］.International journal of chronic obstructive pulmonary disease， 2024， 19（3）： 633-642.
25沙悦，方卫纲，曾学军，等.慢性阻塞性肺疾病合并症的研究［J］.国际呼吸杂志，2013，33（13）：986-989.
26辛晓峰.支气管哮喘合并慢性阻塞性肺疾病的研究进展［J］.中华结核和呼吸杂志，2011，34（2）：137-139.
27GASPAR MARQUES J， LOBATO M， LEIRIA PINTO P，et al.Asthma and COPD “overlap”： a treatable trait or common several treatable-traits［J］.European annals of allergy and clinical immunology， 2020， 52（4）： 148-159.
28ADELOYE D， SONG P， ZHU Y， et al.Global， regional，and national prevalence of， and risk factors for， chronic obstructive pulmonary disease （COPD） in 2019： a systematic review and modelling analysis ［J］.Lancet respiratory medicine， 2022， 10（5）： 447-458.
29CHEN S， KUHN M， PRETTNER K， et al.The global economic burden of chronic obstructive pulmonary disease for 204 countries and territories in 2020-50： a healthaugmented macroeconomic modelling study［J］.Lancet global health， 2023， 11（8）： 1183-1193.
30VANETTI M， VISCA D， ARDESI F， et al.Eosinophils in chronic obstructive pulmonary disease［J］.Therapeutic advances in respiratory disease， 2025， 19： e17534666251335800.
31ZHENG L L， WANG S， LI Z G， et al.Correlation of coagulation dysfunction with infection and hypercapnia in acute exacerbation of COPD patients［J］.Infection and drug resistance， 2023， 16： 5387-5394.
Construction of an Integrated Model for Chronic Obstructive Pulmonary Disease Screening Based on Multimodal Data
