2025年，嘉和美康携手武汉市肺科医院、武汉市卫生健康信息中心打造区域结核病多模态AI辅助筛查模型。该模型基于武汉市全民健康信息平台区域数据，创新采用多源数据融合与精准建模技术，在结核病诊断中实现了高灵敏度与高精度的卓越平衡，为区域结核病“医防融合”体系落地提供了高效可行的技术范式，有力推动了公共卫生防治效能的提升。

1.1　研究数据来源

整合武汉市全民健康信息平台区域数据，包括全市医疗机构EMR、HIS、LIS、PACS等系统不同模态的多源异构数据，涵盖人口学信息、就诊记录、主诉现病史、体格检查、影像学检查、实验室检测、随访数据等全周期诊疗信息。

1.2　区域结核病专病多模态数据库建设

搭建区域结核病专病多模态数据库，平台架构见图1。

1.3.3　模型架构与训练

·模型架构

·权重分配策略

·模型训练与优化

1.4　模型评估方法

运用F1值二分类模型，计精确率（Precision）与召回率（Recall）的调和平均数，达成指标模型的性能评估。

本研究从多模态识别、诊断建议以及实际应用3个维度，对所构建的模型开展了系统验证。验证结果显示，该模型具备卓越的性能以及广泛的临床应用前景。

2.1　模型验证

在入组的385例待鉴别诊断患者构成的独立验证集中，经与专家鉴别诊断结果进行最终比对，生成基于测试集的模型混淆矩阵，见表2。

区域结核病AI辅助筛查模型的召回率与精确率均高于0.9，综合评分为0.87，见表3。

基于385例外部验证数据，对预测模型进行外部验证。ROC曲线下面积（AUC）=0.749，见图2，提示模型在不使用明确的结核病金标准诊断作为判定指标下，具有较好的区分能力。

图 2　外部验证下的ROC曲线

2.2　模型应用效果

结合DICOM影像、结构化检查数据和非结构化病历数据等，模型判定患者疑似继发性肺结核的可能性为97%，同时给出了进一步的影像诊断建议和诊疗建议，见图3。经专家鉴别诊断，该患者确诊为结核性支气管扩张，模型的判定与实际情况相符。

图 3　区域结核病多模态AI辅助筛查模型推理过程

2.3　区域化部署

当前，区域结核病多模态AI辅助筛查模型已在“武汉云”开展试部署工作，为公共卫生人员针对基层部分试点区域开展初筛和督导工作提供支持，同时，提供了基于多模型串联架构的结核病AI初步筛查工具，自动对影像病灶进行标记，并给出初步报告与结论，见图4。

图 4　区域结核病影像平台中的AI标记与报告

与此同时，区域结核病诊断中心对病例予以及时核实，公共卫生部门针对结核患者开展追踪工作，社区卫生服务机构及时督导患者前往定点医院进行确诊，从而构建起医防融合的闭环管理体系，降低结核病的传播风险，提高区域结核病防控效能，为结核病区域化防控提供可复制、可推广的示范范式，见图5。

本研究构建的三维度加权评分体系（检查检验结果权重为0.6、症状权重为0.3、流行病学信息权重为0.1），契合结核病临床诊断的逻辑优先级。其中，检查检验结果作为确诊的核心依据，症状作为重要线索，流行病学信息则是风险预警的关键要素。此外，评分标准的标准化设计有效解决了因区域医疗资源不均衡所导致的诊断标准不统一问题，尤其适用于基层医疗机构，为达成“区域统一筛查、分级诊疗”目标提供了技术支撑。但尚存在一定局限性，有待在后续研究中深入探究并加以改进。

【内容来源】

李明,左秀然,许昌,等.区域结核病防控中的多模态人工智能辅助筛查模型构建[J].中国数字医学,2026,21(2):10-16.

【作者单位】

武汉市肺科医院（武汉市结核病防治所）（李明、王亚茹、侯李萍、魏双）；国家感染性疾病临床医学研究中心湖北省分中心（李明、王亚茹、侯李萍、魏双）；武汉市卫生健康信息中心（左秀然）；北京大学深圳医院（许昌）；北京嘉和美康信息技术有限公司（陈晓）

近期要闻