呼吸医学与前沿方法｜2026-06-01

整合单细胞测序与空间转录组，发现驱动矽肺纤维化的Cxcr4+巨噬细胞新亚群及正反馈环路，并验证AMD3100的靶向治疗潜力，对呼吸职业病和纤维化机制研究有重要参考价值。

单细胞RNA-seq联合空间转录组，结合Robust Cell Type Decomposition算法解析细胞空间共定位；体外实验验证Cxcl12/Cxcr4正反馈环路驱动纤维化。

此多组学联合分析及环路验证策略可迁移至其他纤维化肺病（如IPF）或慢性气道炎症的微环境研究。

摘要未说明

直接与重症脓毒症相关，通过受体磷酸化状态定义内型，解释TLR4抑制剂临床试验失败原因，支持精准医学。

使用邻近连接法定量检测TLR4磷酸化，在脓毒症患者中识别出高激活亚群，证实其与死亡率强相关。

可借鉴基于受体磷酸化状态定义疾病内型的方法，用于ARDS或肺炎等呼吸重症的内型区分与靶向治疗。

样本量仅100例，需更大队列验证；检测技术临床普及性待评估。

直接综述LDCT肺癌筛查中吸烟相关合并症的检出、临床意义及AI应用，对整合筛查报告有直接启发。

AI自动化检测LDCT额外异常（如肺气肿、冠脉钙化）用于标准化结构化报告，可迁移至其他呼吸疾病影像筛查。

借鉴AI自动化量化与结构化报告方法，改进呼吸疾病筛查中合并症的系统性评估。

指南变异大、临床获益不确定，存在过度诊断和资源消耗问题。

直接比较拔管后三种呼吸支持方式的不适感，为临床选择提供依据，对实践有指导意义。

采用视觉模拟量表（VAS）由患者自评和护士评估，对比无创通气、高流量鼻导管氧疗和常规氧疗后48小时内的不适感。

可借鉴患者自评与医护评估相结合的方法，用于其他呼吸支持或重症干预的舒适度研究。

摘要未说明，但需注意研究仅纳入非COPD患者，且未评估再插管率等临床结局。

提出RAICL框架，在胸部X光数据集上验证，准确率提升7.3个百分点，可为呼吸疾病多模态影像分类提供动态示例增强方案。

RAICL框架利用检索增强，从多模态嵌入（ResNet、BERT等）中动态选择相似示例，构造上下文提示给MLLM分类。

可将RAICL应用于呼吸疾病（如肺炎、肺癌）的胸部影像+临床文本多模态分类，提升大模型诊断性能。

摘要未说明

直接针对混合小大细胞神经内分泌肺癌这一呼吸肿瘤难点，提出可解释深度学习方法实现精准预后分层，方法可靠且新颖。

GTBIS模型利用病理图像进行组织形态表型分析和预后分层，结合多模态解释性分析将表型与增殖、EMT等通路关联。

可迁移至其他肺部肿瘤（如非小细胞肺癌）或间质性肺病的病理表型与预后分层，流程具有通用性。

摘要未说明外部验证的种族/设备多样性及临床实施可行性。

系统比较了多种LLM架构和微调策略，为在呼吸医学文本中高效提取患者信息提供了可复用的方案与指南。

对比编码器/解码器LLM，采用提示式参数高效微调(PEFT)和多任务指令微调，可在仅用20%数据时达到与全量微调相当的F1分数。

可直接迁移至呼吸病历、影像报告等文本的信息提取任务，利用PEFT和指令调优降低计算成本并提升少样本泛化能力。

摘要未说明

提出针对医学视觉-语言模型的个性化联邦学习框架，有效应对多中心数据隐私与非独立同分布问题。

采用‘分离-校准’策略：通过PEFT双子空间解耦将共享知识与站点特异参数分离，并利用Dempster-Shafer理论进行不确定性校准，选择性聚合兼容知识。

可迁移至呼吸影像多中心研究，如胸片报告生成或影像问答，在保护隐私的同时提升模型对站点差异的适应性。

摘要未说明

首次揭示代谢物β-羟基丁酸通过Zyxin Kbhb修饰经PI3K/AKT通路抑制肺纤维化，为IPF治疗提供新机制和潜在靶点。

整合蛋白质组学（Kbhb修饰位点鉴定）、转录组学（通路分析）及体内基因敲除/代谢物补充实验，构建代谢修饰-蛋白功能-疾病表型因果链。

可借鉴代谢物介导的翻译后修饰（如Kbhb）研究范式，探索其他肺间质病或呼吸系统疾病中代谢-信号调控轴。

摘要未说明

构建了涵盖小鼠14种模型和人类10种癌症的树突状细胞单细胞图谱，包含肺癌数据，为呼吸肿瘤免疫微环境研究提供跨物种参考。

通过整合多癌种scRNA-seq数据，系统鉴定DC亚群和功能状态，并进行跨物种保守性分析。

可借鉴其图谱构建与比较方法，用于呼吸道肿瘤DC亚群的精确定义及免疫治疗靶点发现。

摘要未明确肺癌样本的具体比例及跨物种差异对呼吸领域的直接适用性。

建立了医疗推理中思考预算与准确率的缩放定律和效率区间，为呼吸医学AI的实时性与准确性平衡提供了可量化的资源分配框架。

利用缩放定律将思考预算分为高、中、高准确度三个效率区间，并发现小模型通过增加推理token可获得更大收益，即推理深度可部分补偿模型容量。

在呼吸临床AI中，可根据任务紧迫性选择不同思考预算（如实时机械通气监测用低token、复杂ARDS诊断用高token），并优先部署小模型以降低成本。

方法在呼吸医学领域的直接验证尚缺，且摘要指出呼吸心血管专业所需推理深度较低，迁移时需考虑具体任务特性。

提出MUMS因果推断框架，证明血清代谢特征能反映肿瘤突变网络交叉对话，为发掘预后标志物和联合治疗靶点提供新范式。

开发Mutation-Upstream-of-Metabolomic-Signature (MUMS)方法，通过因果推断识别上游驱动突变与下游代谢组特征的因果链，并联合功能验证GRPEL1与mTOR通路。

可将MUMS框架迁移至肺部疾病如肺癌、COPD，整合基因组突变与血清代谢组学，发现驱动突变介导的代谢网络与预后生物标志物。

方法验证基于胰腺癌队列，迁移至呼吸疾病需考虑组织特异性代谢谱及不同突变模式。

血流感染中耐药菌亚群检测方法可直接迁移至呼吸样本（痰液、BALF），为ICU中精准抗感染提供新思路。

结合液滴微流控单细胞包裹与图像纹理量化，在12-30小时内检测频率低至10^-6的耐药亚群，通量高且具有单细胞分辨率。

可用于呼吸重症患者气道分泌物中罕见耐药菌的快速筛查，指导抗生素及时调整。

目前仅验证了血流感染分离菌株，呼吸样本中黏液或细胞碎片等复杂基质可能影响液滴生成与成像。

展示了如何使用相对小型的LLM结合弱监督学习从异构临床文本中提取复杂信息，在乳腺癌和前列腺癌中取得超越大模型的效果，为呼吸医学病历/报告的结构化抽取提供了直接可复用的方法论。

采用BioLinkBERT预训练语言模型作为骨干，通过弱监督和epoch-wise熵优化解决标签稀疏和类别不平衡问题，仅用少量标注数据即可提取多部位复发信息。

可迁移至呼吸医学，用于从自由文本（如机械通气记录、病理/影像报告、出院小结）中自动提取ARDS分期、肺结节特征、气道病变部位等关键临床信息。

直接应用于呼吸医学任务需重新构建标注集并验证模型泛化性；外部验证样本量有限且仅限于癌症领域，呼吸专科文本特性需额外适配。