Pulmonary nodule intelligent agent: from auxiliary diagnostic tools to a new paradigm of intelligent agent medicine - also discussing the formation of the discipline system of intelligent agent medicine

21 世纪以来，肺癌始终是全球癌症死亡的首位原因，也是我国疾病负担最重的恶性肿瘤之一 ^[1‑2]。低剂量 CT （LDCT）筛查显著提高了早期肺癌检出率，但同时也带来了假阳性增加、过度干预、长期随访困难以及医疗资源分布不均等新挑战 ^[1‑5]。这些问题表明，未来肺癌防治体系需要解决的关键问题已不再是单纯 “发现结节”，而是如何围绕患者未来发生肺癌的风险开展连续、精准和可持续管理。

与此同时，人工智能 （artificial intelligence，AI）、大语言模型（large language model，LLM）、医学物联网（medical internet of things，MIoT)、数字孪生及元宇宙医学快速发展，正在推动医学从信息化时代迈向智能化时代，从循证医学时代迈向人机协同医学时代。在这一历史背景下，以医学智能体为代表的新型数字医疗主体开始出现，并逐渐成为未来智慧医疗体系的重要基础设施。

本期刊载的《AI 智能体赋能肺结节诊治研发进展及展望》一文，系统提出了肺结节智能体（Pulmonary Nodule AI Agent）的理论框架、技术体系和应用路径。文章指出，肺结节智能体并非传统意义上的 AI 辅助阅片软件，而是一种融合人工智能、医学 GPT、多模态数据、知识图谱、医学物联网、数字孪生及连续数字医疗体系的新型智能医疗系统。其核心目标不是单纯识别影像中的肺结节，而是持续管理患者未来发生肺癌的动态风险。这一理念标志着肺结节管理模式正在由 “发现结节时代” 迈向 “管理风险时代”，也意味着肺癌早诊体系正在发生深刻变革。

值得关注的是，白春学教授团队关于肺结节智能体的研究，并非源于近年来生成式人工智能兴起后的短期探索，而是建立在十余年持续积累的理论创新和临床实践基础之上。从 2011 年前后开展肺结节规范化诊治研究，到 2016 年牵头发表亚洲肺结节临床实践共识；从 2017 年提出医学物联网肺结节管理模式，到 2022 年发布全球首个 Expert Consensus on the Metaverse in Medicine；从医学 GPT 理论体系构建，到 BAIMGPT、PNapp 5A 以及肺结节智能评估管理一体机等创新实践，团队逐步形成了 “肺结节医学 — 物联网医学 — 数字医疗 — 医学 GPT— 元宇宙医学 — 医学智能体” 的连续创新链条 ^{[4, 6‑10]}。

从学术演进角度分析，肺结节智能体不仅是人工智能在肺癌领域的技术升级，更可能代表一个新兴交叉学科的诞生。传统肺结节科学主要研究结节发现、诊断与治疗；数字医疗强调数据驱动的医疗模式；元宇宙医学关注虚实融合环境下的人机协同医疗；而智能体医学则进一步将感知、认知、推理、决策、执行、反馈和持续学习整合于统一框架之中，使智能系统由 “工具” 演变为 “数字医疗主体”。

从这一意义上讲，智能体医学并非简单的人工智能应用，而是医学范式的重要演进。其研究对象不仅包括疾病本身，更包括疾病风险、医疗流程、患者行为和健康生态系统；其研究方法不仅包括传统医学研究，还涵盖人工智能、认知科学、知识工程、复杂系统科学及数字治理理论；其核心目标则是实现从 “疾病治疗” 向 “风险治理”、从 “间断医疗” 向 “连续医疗”、从 “经验决策” 向 “人机协同决策” 的转变。

肺结节智能体正是这一新范式最具代表性的实践场景之一。由于肺结节管理需要长期随访、多学科协作、多模态融合和动态风险评估等，因此更适合成为智能体医学的重要试验场。本文提出的感知层、认知层、决策层、执行层和进化层五层架构，不仅适用于肺结节管理，也为未来肿瘤智能体、慢病智能体、睡眠智能体乃至数字医院智能体建设提供了参考框架。

然而，任何新学科的发展都不会一帆风顺。当前智能体医学仍面临数据异质性、模型漂移、AI 幻觉、可解释性不足、责任边界模糊及伦理治理体系滞后等挑战 ^[11‑14]。尤其在医疗领域，智能体不仅需要具备高水平认知能力，更必须具备可信性、安全性和可治理性。因此，未来学科建设的重点将逐步由 “提升模型性能” 转向 “提升系统可信度”，由 “追求更聪明的 AI” 转向 “建设更安全的 AI”。

展望未来，随着基础模型、多智能体协同系统、自主智能体、联邦学习、数字孪生和元宇宙医学生态持续发展，智能体有望成为继电子病历、互联网医疗之后医疗体系的第三代核心基础设施 ^[7‑10]。医生将更多承担复杂决策、价值判断和人文关怀职责，而智能体则承担持续监测、风险发现、路径推理和流程执行任务，最终形成 “智能体连续运行 — 医生高层决策 — 患者深度参与” 的新型医疗模式。

如果说循证医学改变了医学决策方式，精准医学改变了疾病分类方式，那么智能体医学则有望改变未来医疗运行方式。肺结节智能体的发展，或许正是这一历史进程的重要起点。我们期待更多临床医学专家、人工智能科学家、工程技术人员、管理学者和政策制定者共同参与智能体医学学科建设，推动医学由数字化迈向智能化，由疾病医学迈向风险医学，由医院医学迈向全生命周期健康医学。

未来已来。智能体医学时代正在开启。欢迎相关科学家和广大医务人员积极探索医学智能体，实现 “名医治未病，元医惠众生” 愿景！

[1] National Lung Screening Trial Research Team. Reduced lung cancer mortality with low‑dose computed tomographic screening [J]. N Engl J Med, 2011,365 (5):395‑409. 

[2] de Koning H J, van der Aalst C M, de Jong P A, et al. Reduced lung‑cancer mortality with volume CT screening in a randomized trial [J]. N Engl J Med, 2020,382 (6):503‑513. 

[3] MacMahon H, Naidich D P, Goo J M, et al. Guidelines for management of incidental pulmonary nodules detected on CT images: from the fleischner society 2017 [J]. Radiology, 2017,284 (1):228‑243. 

[4] Bai C X, Choi C M, Chu C M, et al. Evaluation of pulmonary nodules: clinical practice consensus guidelines for Asia [J]. Chest, 2016,150 (4):877‑893. 

[5] Ardila D, Kiraly A P, Bharadwaj S, et al. End‑to‑end lung cancer screening with three‑dimensional deep learning on low‑dose chest computed tomography [J]. Nat Med, 2019, 25 (6): 954‑961. 

[6] Topol E J. High‑performance medicine: the convergence of human and artificial intelligence [J]. Nat Med, 2019,25:44‑56. 

[7] Yang D W, Zhou J, Chen R C, et al. Expert consensus on the metaverse in medicine [J]. Clin eHealth, 2022, 5: 1‑9. 

[8] 白春学. 元宇宙医学之我见 [J]. 中国医药导刊, 2023,25(1):1‑5. 

[9] 白春学. 肺结节专家——BAIMGPT 白皮书 [J]. 元宇宙医学, 2025,2(2):55‑64. DOI:10.61189/530445nlxrhb. 

[10] 白春学. 医学 GPT 研发的挑战与解决方案 [J]. 元宇宙医学, 2026,3(1):11‑15. DOI:10.61189/799037wwkyrc. 

[11] Haibe‑Kains B, Adam G A, Hosny A, et al. Transparency and reproducibility in artificial intelligence [J]. Nature, 2020,586:E14‑E16. 

[12] Liu X X, Rivera S C, Moher D, et al. Reporting guidelines for clinical trial reports for interventions involving artificial intelligence: the CONSORT‑AI Extension [J]. BMJ, 2020,370:m3164. 

[13] Lekadir K, Frangi A F, Porras A R, et al. FUTURE‑AI: international consensus guideline for trustworthy and deployable artificial intelligence in healthcare [J]. BMJ, 2025,388:e081554. 

[14] Cruz Rivera S, Liu X X, Chan A W, et al. Guidelines for clinical trial protocols for interventions involving artificial intelligence: the SPIRIT‑AI extension [J]. Lancet Digit Health, 2020, 2(10):e549‑e560.