1. 概述

随着CT分辨率的提升、肺癌筛查的普及和公众健康意识的增强，全球每年肺结节检出率高达31%。肺结节作为肺癌早期表现形式之一，存在30%~40%恶性转化风险。国内外研究表明，将严格把控肺结节早诊早治端口作为肺癌早期筛查的落脚点，对改善患者预后和降低死亡率具有重要意义。

肺结节被定义为最大径≤3 cm的局灶性、类圆形、较肺实质密度增高的实性或亚实性阴影，可为孤立性或多发性，不伴肺不张、肺门淋巴结肿大和胸腔积液。目前，低剂量螺旋CT 扫描（Low-dose computed tomography，LDCT）仍然是肺结节早期筛查的核心工具。但每次影像随访间隔多久？何时终结？何时手术介入？无病理支持的手术存在假阳性高的风险；过早的手术切除，会导致过早的器官损伤和肺功能损失等等客观存在问题导致临床决策失衡，且给患者带来严重身心、经济负担。

中西医结合在肺结节防治中展现出独特优势，包括填补手术与随访观察“中间地带”；协同增效，减少结节恶变风险；多学科协作提高全程管理效率等，发挥西医的精准性的同时，也体现了中医的整体调理能力，有助于形成肺结节“早期筛查-精准干预-全程管理”的闭环体系，为降低肺癌发病率和改善患者预后提供中国方案。本报告将系统梳理国内外肺结节研究进展，就学科未来发展趋势与对策提供新方向。

4. 本学科发展趋势与对策

4.1 早期筛查与中西医协同干预的深度融合

4.1.1 精准筛查技术的普及：随着低剂量螺旋CT（LDCT）的广泛应用，肺癌前病变（如肺结节）的检出率显著提高。未来五年，中西医结合将更注重在筛查阶段的早期介入，例如通过中医体质辨识筛选高危人群，结合影像学动态监测，制定分层管理策略。

4.1.2 挖掘中医药在癌前病变逆转中的潜力：聚焦肺结节癌变早期事件（如EGFR突变、表观遗传调控），结合多组学、基因编辑、肺类器官等技术筛选中医干预靶点。开展高质量随机对照试验（RCT），推动中医药纳入国际指南。

4.2 个体化治疗方案的优化与标准化

采用“辨病-辨证-辨症”三位一体模式，将中医辨证分型（如气虚、阴虚、痰湿）将与西医分子分型（如EGFR突变、PD-L1表达）结合，形成个体化干预方案。通过分阶段干预模式，在非手术阶段（如炎性结节、低危结节），以中医配合抗感染治疗促进结节吸收；对高危结节则采用“西医微创手术+中医康复”模式，降低术后并发症风险。此外，可利用中医针灸、太极拳等非药物疗法对肺结节进行症状管理，结合西医心理疏导改善患者生活质量。

4.3 多学科协作与技术创新

构建整合医学平台，推动呼吸科、胸外科、影像科与中医肿瘤科的深度协作，制定从筛查到康复的全周期管理方案。加速国产抗肿瘤新药研发与产业化，同时开发中医远程诊疗工具（如舌诊仪、脉诊仪），推动基层筛查与干预能力提升。此外，利用AI分析患者的中西医临床数据（如舌象、脉象、基因检测结果），预测癌前病变转归并推荐最优治疗方案。

4.4 政策支持与临床研究范式的创新

4.4.1 国家政策推动中西医协同

根据《健康中国行动——癌症防治实施方案》，未来将加强中西医结合临床试点，推动肺癌前病变诊疗指南的制定，明确中药干预的适应症与疗程标准。

4.4.2 循证医学与真实世界研究并重

针对中医药疗效缺乏大规模RCT证据的现状，未来将采用真实世界数据（RWD）与生物标志物研究结合的模式，验证中药复方的有效性。

4.5 国际化与标准化建设

通过“一带一路”平台开展多中心临床研究，推动中国原创方案（如中西医结合诊疗共识）纳入全球肺癌防治体系；制定中西医结合肺结节诊疗的标准化术语库（如“痰瘀窠囊”病机描述），推动国内外数据共享与成果互认。

实施路径：

短期（1-2年）：建立首批10个中西医结合肺结节诊疗示范基地。

中期（3-4年）：推动3-5项中国方案纳入国际指南，实现AI辅助诊断工具基层普及率超60%。

长期（5年）：建成覆盖全生命周期的中西医结合防治体系，使早期肺癌5年生存率提升至90%以上。

5. 2024年中国肺癌前病变学科十大前沿进展（新成果、新技术、大事记）

（1）ctDNA液体活检：引领肺癌前病变动态监测与分子预警

广东省人民医院团队通过血液样本循环肿瘤DNA（ctDNA）检测，实现对晚期非小细胞肺癌（NSCLC）病情进展的早期预警，较传统影像学提前发现概率达60%。该技术为肺癌前病变的动态监测和个性化干预提供了无创、高效的工具，推动肺癌筛查进入“分子预警时代”。

（2）C-Lung-RADS系统：首建国人肺结节精准风险分层标准

华西医院李为民团队与联影智能深度合作，基于12万中国人群多维度数据，创新推出C-Lung-RADS肺结节分级系统，精准评估恶性风险，诊断准确率显著提升。形成适应中国人群特征的肺癌早筛分级标准，进一步提高了肺结节诊断的可靠性。

（3）共识升级：AI融合MDT重塑肺结节精准诊疗路径

2024版《中国肺结节诊治专家共识》实现重要更新：新增“难定性结节”分类，优化高危人群筛查策略；强调AI辅助诊断与人机MDT模式，为不同风险肺结节提供个体化精准随访方案，显著提升早期肺癌识别与干预效率。

（4）机器人支气管镜：深部肺外周结节精准诊断新利器

上海市胸科医院孙加源团队牵头“形状传感机器人辅助支气管镜在周围肺结节取样中的应用”中国多中心前瞻性临床研究结果显示，形状传感机器人支气管镜对肺外周结节诊断率达87.8%，恶性灵敏度87.7%。该技术可180°弯曲进入深部气道，操作更精准安全，将进一步提高呼吸系统疾病的经气道诊疗水平，让肺结节诊疗更精准、更舒适。

（5）流域地形图导航：AI三维重建赋能精准亚肺段切除

广东省肺癌研究所钟文昭、聂强团队创新研发“肺部流域地形图导航技术”，基于CT三维重建与AI算法，实现术中实时精准定位肺结节，切除范围精确至靶血管流域。临床数据显示，手术时间缩短至16.7分钟，术后肺功能损失仅3-5%，显著提升手术安全性与精确性。

（6）3D类器官助力肺结癌转化微环境异质性与双向调控机制阐释

成都中医药大学郑川团队利用单细胞测序技术，深入解析GGN/PSN-LUAD肿瘤微环境异质性，首次发现CXCL9+和TREM2+ TAMs在肿瘤进展中的双向调控作用。创新性证实IFN-γ/STAT1信号轴通过调控TAMs与CD8+ Trm互作影响转移，并利用类器官与CRISPR模型强力验证，为靶向干预肺癌前病变提供了全新策略。

（7）基因甲基化预警：血液检测精准预判肺结节恶变风险

胡立夫团队开发的“血液六重荧光PCR技术”取得关键进展：证实特定基因甲基化标志物不仅能提升肺癌早期检出率，更能精准预警肺结节癌变风险，为临床及时干预提供了强有力的分子依据，推动肺癌防治进入精准风险分层管理新阶段。

（8）光子计数CT攻关：国产高精度能谱成像破局

联影医疗联合中山医院、瑞金医院等顶尖机构，正式启动光子计数能谱CT核心技术攻关项目。该项目集结全产业链力量，致力于实现核心部件国产化，填补我国该领域技术空白。该技术将提供更高精度的能谱成像，有望为肺癌前病变的影像学检测带来革命性解决方案。

（9）多组学AI模型：揭示肺结节恶性进展分子驱动规律

钟文昭团队基于1200例0-IB期肺腺癌数据，构建多组学分类体系，首次阐明强驱动基因（KRAS/ALK）可独立促癌，弱驱动基因（BRAF/HER2）需协同作用的关键机制。基于此，创新开发出肺结节恶性进展预测AI模型，为个体化风险评估提供了强大的新工具。

（10）口腔微生物组：肺结节恶变风险的无创预警新靶标

成都中医药大学附属医院由凤鸣团队通过MCEPN多中心临床试验，取得开创性发现：唾液微生物组特征可作为预测肺结节恶性风险的新型无创生物标志物。率先证实口腔多态位微生物与肺结节恶变风险存在显著相关性，有力推动了“微生物-肿瘤”相互作用机制研究的深入发展。

【主编】

由凤鸣成都中医药大学附属医院

杨国旺首都医科大学附属北京中医医院

郑川成都中医药大学

【副主编】

任益锋成都中医药大学

唐宋琪海南医学院

由丽婷四川大学华西医院

马琼成都中医药大学附属医院

李柳南京中医药大学

王倩成都中医药大学附属医院

【编委】（按姓氏拼音排序）

陈洪椿陕西中医药大学附属医院

陈云凤成都市中西医结合医院

付西四川省肿瘤医院

何佳玮成都中医药大学

林冰成都中医药大学附属医院

毛宗译成都中医药大学

阮广欣上海中医药大学附属龙华医院

谭施言成都中医药大学附属医院

吴涛羽成都中医药大学

王梓帆成都中医药大学

肖冲成都中医药大学附属医院

肖平四川省肿瘤医院

★

参考文献（向上滑动阅览）

[1] Chinese Medical Education Association Lung Cancer Medical Education Committee, China Lung Cancer Coalition in Thoracic Surgery, Chinese Anti-Cancer Association Tumor Ablation Therapy Professional Committee, et al. Chinese Expert Consensus on Multidisciplinary Diagnosis and Treatment of Multiple Ground-Glass Nodular Lung Cancer (2024 version). Chinese Journal of Internal Medicine, 2024, 63(2): 153-169

[2] Kim YW, Kang HR, Kwon BS, et al. Low-dose chest computed tomographic screening and invasive diagnosis of pulmonary nodules for lung cancer in never-smokers. Eur Respir J, 2020, 56(5): 2000177.

[3] 中华医学会呼吸病学分会, 中国肺癌防治联盟专家组. 肺结节诊治中国专家共识（2024年版）[J]. 中华结核和呼吸杂志. 2024, 47(8): 716-729.

[4] 谭可欣, 郑佳彬, 张旭, 薛崇祥, 李嘉, 胡紫馨, 俞仪萱, 鲁星妤, 董慧静, 崔慧娟. 中医药在肺结节全程管理中的优势及展望[J]. 中医杂志, 2022, 63(14): 1388-1393.

[5] 刘玥, 王雨佳, 龚宇倩, 张陈旭宇, 沈其霖. 肺结节的中西医研究进展[J]. 湖南中医杂志, 2024, 40(12): 196-200.

[6] 钟慧, 杨厚义, 徐菁, 尹勇. 能谱CT辅助肺癌诊疗应用的研究进展[J].社区医学杂志, 2023, 21(11): 594-598.

[7] Zhou J, Wu Z, Hu J, Yang D, Chen X, Wang Q, Liu J, Dou M, Peng W, Wu Y, Wang W, Xie C, Wang M, Song Y, Zeng H, Bai C. High-throughput single-EV liquid biopsy: Rapid, simultaneous, and multiplexed detection of nucleic acids, proteins, and their combinations. Sci Adv. 2020, 6(47): eabc1204.

[8] 赵乘蔚, 张超群, 秦唯栋, 易云恒. 基于改进的ResNet-50深度学习的肺结节检测及其云端系统开发[J]. 现代计算机, 2024, 30(21): 187-193+205.

[9] Wang C, Shao J, He Y, Wu J, Liu X, Yang L, Wei Y, Zhou XS, Zhan Y, Shi F, Shen D, Li W. Data-driven risk stratification and precision management of pulmonary nodules detected on chest computed tomography. Nat Med. 2024, 30(11): 3184-3195.

[10] Ashraf SF, Yin K, Meng CX, Wang Q, Wang Q, Pu J, Dhupar R. Predicting benign, preinvasive, and invasive lung nodules on computed tomography scans using machine learning. J Thorac Cardiovasc Surg. 2022, 163(4): 1496-1505.e10.

[11] Zhang H, Peng Y, Guo Y. Pulmonary nodules detection based on multi-scale attention networks. Sci Rep. 2022, 12(1): 1466.

[12] Prosper AE, Kammer MN, Maldonado F, Aberle DR, Hsu W. Expanding Role of Advanced Image Analysis in CT-detected Indeterminate Pulmonary Nodules and Early Lung Cancer Characterization. Radiology. 2023 Oct;309(1):e222904.

[13] Warkentin MT, Al-Sawaihey H, Lam S, Liu G, Diergaarde B, Yuan JM, Wilson DO, Atkar-Khattra S, Grant B, Brhane Y, Khodayari-Moez E, Murison KR, Tammemagi MC, Campbell KR, Hung RJ. Radiomics analysis to predict pulmonary nodule malignancy using machine learning approaches. Thorax. 2024, 79(4): 307-315.

[14] Su H, Chen L, Wu J, Cheng Z, Li J, Ren Y, Xu J, Dang Y, Zheng M, Cao Y, Gao J, Dai C, Hu X, Xie H, Chen J, Luo T, Zhu J, Wu C, Sha W, Chen C, Liu H. Proteogenomic characterization reveals tumorigenesis and progression of lung cancer manifested as subsolid nodules. Nat Commun. 2025, 16(1): 2414.

[15] Rai SN, Das S, Pan J, Mishra DC, Fu XA. Multigroup prediction in lung cancer patients and comparative controls using signature of volatile organic compounds in breath samples. PLoS One. 2022, 17(11): e0277431.

[16] Liu QX, Zhou D, Han TC, Lu X, Hou B, Li MY, Yang GX, Li QY, Pei ZH, Hong YY, Zhang YX, Chen WZ, Zheng H, He J, Dai JG. A Noninvasive Multianalytical Approach for Lung Cancer Diagnosis of Patients with Pulmonary Nodules. Adv Sci (Weinh). 2021, 8(13): 2100104.

[17] Deng Y, Xia L, Zhang J, Deng S, Wang M, Wei S, Li K, Lai H, Yang Y, Bai Y, Liu Y, Luo L, Yang Z, Chen Y, Kang R, Gan F, Pu Q, Mei J, Ma L, Lin F, Guo C, Liao H, Zhu Y, Liu Z, Liu C, Hu Y, Yuan Y, Zha Z, Yuan G, Zhang G, Chen L, Cheng Q, Shen S, Liu L. Multicellular ecotypes shape progression of lung adenocarcinoma from ground-glass opacity toward advanced stages. Cell Rep Med. 2024, 5(4): 101489.

[18] Ren YF, Ma Q, Zeng X, Huang CX, Ren JL, Li F, Tong JJ, He JW, Zhong Y, Tan SY, Jiang H, Zhang LF, Lai HZ, Xiao P, Zhuang X, Wu P, You LT, Shi W, Fu X, Zheng C, You FM. Single-cell RNA sequencing reveals immune microenvironment niche transitions during the invasive and metastatic processes of ground-glass nodules and part-solid nodules in lung adenocarcinoma. Mol Cancer. 2024, 23(1): 263.

[19] Ma Q, Huang CX, He JW, Zeng X, Qu YL, Xiang HX, Zhong Y, Lei M, Zheng RY, Xiao JJ, Jiang YL, Tan SY, Xiao P, Zhuang X, You LT, Fu X, Ren YF, Zheng C, You FM. Oral microbiota as a biomarker for predicting the risk of malignancy in indeterminate pulmonary nodules: a prospective multicenter study. Int J Surg. 2025, 111(2): 2055-2071.

[20] Zeng X, Ma Q, Huang CX, Xiao JJ, Fu X, Ren YF, Qu YL, Xiang HX, Lei M, Zheng RY, Zhong Y, Xiao P, Zhuang X, You FM, He JW. Diagnostic potential of salivary microbiota in persistent pulmonary nodules: identifying biomarkers and functional pathways using 16S rRNA sequencing and machine learning. J Transl Med. 2024, 22(1): 1079.

[21] Zheng D, Zhu Y, Zhang J, Zhang W, Wang H, Chen H, Wu C, Ni J, Xu X, Nian B, Chen S, Wang B, Li X, Zhang Y, Zhang J, Zhong W, Xiong L, Li F, Zhang D, Xu J, Jiang G. Identification and evaluation of circulating small extracellular vesicle microRNAs as diagnostic biomarkers for patients with indeterminate pulmonary nodules. J Nanobiotechnology. 2022, 20(1): 172.

[22] Li HJ, Qiu ZB, Wang MM, Zhang C, Hong HZ, Fu R, Peng LS, Huang C, Cui Q, Zhang JT, Ren JY, Jiang L, Wu YL, Zhong WZ. Radiomics-Based Support Vector Machine Distinguishes Molecular Events Driving the Progression of Lung Adenocarcinoma. J Thorac Oncol. 2025 Jan;20(1):52-64.

[23] 李明, 曹传武, 陈英群, 池嘉昌. 肺部多发磨玻璃结节中西医结合创新诊疗规范专家共识(2023版)[J]. 肿瘤, 2024, 44(05): 453-464.

[24] 杨国旺, 张兴涵, 张怀锐, 念家云, 于明薇. 肺结节中西医结合全程管理专家共识[J]. 中国实验方剂学杂志, 2024, 30(01): 149-159.

[25]Feng X, Goodley P, Alcala K, Guida F, Kaaks R, Vermeulen R, Downward GS, Bonet C, Colorado-Yohar SM, Albanes D, Weinstein SJ, Goldberg M, Zins M, Relton C, Langhammer A, Skogholt AH, Johansson M, Robbins HA. Evaluation of risk prediction models to select lung cancer screening participants in Europe: a prospective cohort consortium analysis. Lancet Digit Health. 2024, 6(9):e614-e624.

[26]Voigt W, Prosch H, Silva M. Clinical Scores, Biomarkers and IT Tools in Lung Cancer Screening-Can an Integrated Approach Overcome Current Challenges? Cancers (Basel). 2023, 15(4):1218.

技术支持：乐问医学