呼吸医学与前沿方法｜2026-05-29

该研究直接针对机械通气危重患者，通过机器学习外部验证识别出sTREM1是比传统评分更优的预后生物标志物，对呼吸重症结局预测有直接启发。

采用随机森林和LASSO回归对15种血浆生物标志物进行多参数筛选，结合变量重要性分析，并在独立队列中外部验证，实现了单标志物与多参数模型相当的预测性能。

可将此ML+多标志物筛选+外部验证流程迁移至ARDS、肺炎等呼吸危重症的生物标志物发现与预后模型构建。

该分析为回顾性队列的post-hoc分析，未说明是否校正了所有潜在混杂因素，外部验证队列仅纳入脓毒症休克患者，普适性待验证。

特发性肺纤维化（IPF）相关顽固性咳嗽缺乏有效疗法，JAMA发表的随机对照试验直接验证纳布啡的疗效，临床意义重大。

随机、双盲、安慰剂对照试验设计，评估纳布啡对IPF咳嗽症状的改善效果。

为呼吸与重症领域IPF症状管理提供新的药物选择依据，可借鉴其试验设计评估其他难治性咳嗽干预。

摘要未说明，需关注具体疗效、安全性及咳嗽评估终点。

IPF难治性咳嗽缺乏有效药物，该JAMA研究为症状管理提供新证据。

临床试验设计评估纳布啡对IPF相关咳嗽的疗效与安全性。

可借鉴药物重定位策略，探索已批准药物用于呼吸系统难治性症状。

摘要未说明

直接研究消毒剂成分MIT的人肺毒性，并展示先进的ALI-肺芯片整合模型，对吸入毒理学研究有重要参考价值。

利用空气-液体界面（ALI）分化的人支气管上皮细胞和肺泡肺芯片（AxiAECs与hLMVECs共培养），通过雾化暴露模拟急性吸入损伤。

该整合平台可用于测试其他吸入性污染物、药物或纳米材料的肺毒性机制。

摘要未说明模型能否完全复制体内免疫细胞招募等复杂反应。

揭示了感染中全身炎症的上游信号——细胞外线粒体释放，为ARDS等重症肺损伤的机制研究提供新靶点。

发现病毒蛋白B66L阻断线粒体自噬溶酶体融合，导致受损线粒体胞外积累，通过cGAS-STING通路促炎；方法可用于筛检其他病毒感染或损伤中的线粒体外排。

将细胞外线粒体作为生物标志物或干预靶点，应用于呼吸重症（如流感、ARDS）的机制与治疗研究。

研究基于小鼠和猪模型，人类呼吸道病毒是否通过相同机制尚需验证。

IPF相关咳嗽常缺乏有效治疗手段，该研究为顶级期刊发表的临床证据，提供潜在新选项。

临床试验，评估纳布啡对IPF咳嗽的疗效与安全性。具体设计、样本量及结局指标需查阅全文。

临床实践中可关注纳布啡是否可作为IPF难治性咳嗽的干预选择，但须谨慎评估获益风险比。

摘要未提供；需关注研究设计类型（如是否随机对照）、样本量、主要终点及安全性数据。

提供2025-2026季更新疫苗对轻中度COVID-19的真实世界有效性证据，支持临床决策。

采用test-negative病例对照设计，基于美国VA医疗系统34,455次急性呼吸道感染事件，用多变量logistic回归调整混杂因素。

类似设计可用于评估其他呼吸道疫苗（如流感、RSV）或新干预在真实世界中的保护效果。

早期数据（中位接种后29天），样本来自退伍军人群体，普适性有限。

顶级期刊观点文，提出co-intelligence框架超越替代或辅助的二元论，为医学研究中AI整合提供理论指导与实践洞见。

Co-intelligence框架：通过人机优势互补与协同，加速科学进步并缓解LLM局限，强调人类与LLM的共生关系而非替代。

可迁移至呼吸医学，用于设计人机协同分析肺部影像、临床文本或机械通气决策的科研辅助系统。

作为观点文缺乏实证验证，实际效果依赖具体任务和协作设计。

提出基于单细胞基础模型归因的基因重要性评分框架，可跨数据集比较，为呼吸疾病单细胞图谱分析提供新工具。

利用单细胞RNA-seq基础模型计算基因归因分数，降低技术噪声、强调调控基因，并通过大规模图谱快速查询基因集关联。

可用于呼吸疾病（如ARDS、脓毒症）单细胞数据中的关键基因识别与跨疾病炎症机制比较。

摘要未说明主要局限

虽非直接呼吸领域，但首次发现人类造血干细胞具有炎症记忆亚群，为理解肺部免疫记忆（如ARDS、COVID-19恢复期）提供新视角。

利用异种移植炎症恢复模型结合单细胞多组学，鉴定出HSC炎症记忆（HSC-iM）亚群，其转录和表观遗传特征可预测免疫结局。

可借鉴该方法研究肺泡巨噬细胞、气道上皮等肺部细胞的炎症记忆，解释慢性呼吸病（如COPD、哮喘）的反复发作和预后差异。

摘要未说明；模型为异种移植，需在呼吸疾病人群队列中验证炎症记忆亚群的功能与临床关联。

为空间蛋白质组学低分辨率问题提供全新解卷积框架，可直接迁移至肺部微环境研究。

提出Spatial-DC框架，利用图增强迁移学习从空间蛋白质组数据中计算推断单细胞类型分辨的蛋白组签名和分布。

可用于解析肺纤维化、肺癌等疾病的组织微环境异质性，实现细胞类型水平的空间蛋白定位。

依赖已知细胞类型签名作为参考，且在肺部数据上的泛化性尚需验证；摘要未说明具体局限。

该研究整合11,000+转录组跨4物种，构建可解释的衰老与死亡生物标志物，为呼吸系统衰老疾病（如肺纤维化、COPD）提供方法论模板。

跨物种转录组整合与模块特异性时钟，可量化不同细胞组分（如肺泡上皮、成纤维细胞）的衰老状态及干预效果。

可借鉴此框架构建呼吸系统组织的模块化衰老时钟，评估肺老化及相关疾病（ARDS、肺纤维化）的分子状态。

摘要未说明呼吸系统特异的验证数据或直接应用案例，迁移时需确认模块在不同肺组织中的保守性。

为呼吸与重症领域提供了一种基于AI的影像衍生肌肉厚度自动测量方法，可迁移至COPD、ARDS或ICU肌无力患者的纵向肌少症监测与预后预测。

利用AI自动测量MRI颞肌厚度（iTMT）作为骨骼肌质量替代指标，生成纵向患者水平百分位曲线，实现大规模、自动化肌少症筛查与风险分层。

在呼吸疾病患者中，可借鉴iTMT方法通过常规胸部CT/MRI自动评估胸肌或腹壁肌肉厚度，动态监测肌少症及其与预后的关系。

该研究针对儿童脑肿瘤人群，呼吸疾病患者的肌少症定义和影像测量部位需要独立验证。

该研究将化学结构图神经网络与脂质组学结合，通过因果推断识别出脂毒性机制，方法新颖且可迁移至呼吸疾病中脂质介导的炎症研究。

开发了DeepLipiDecipher知识引导图神经网络框架，整合脂质化学结构与代谢拓扑，结合因果推断识别疾病特异性脂毒性特征和潜在治疗靶点。

可借鉴其图神经网络框架，结合呼吸疾病（如ARDS、COPD）的脂质组/代谢组数据与因果推断，识别与疾病严重度相关的脂质结构特征及免疫代谢轴治疗靶点。

该方法在胰腺炎队列验证，迁移至呼吸疾病时需重新训练与验证，且依赖高质量的脂质组学数据。