巨大肺大疱是呼吸科临床的难题，过去主要依赖外科手术治疗，但外科手术创伤大，对肺功能基础差的患者而言，并发症风险较高。且无论开胸、胸腔镜切除还是肺大疱引流，都存在一个突出问题——长期漏气（超过7天）的发生率可达30%以上。

内镜下单向活瓣置入术通过堵塞肺大疱所在肺叶，使肺叶及肺大疱不张以达到治疗目的，安全性已得到研究的认证和支持，但关键难题在于巨大肺大疱因张力可能出现位置偏移（如上叶肺大疱移位至下叶或中叶），若定位错误、治疗位置错误便会导致肺大疱未缩小甚至增大，这也是过去临床中最重要的难题之一。

而Chartis与CBCT的联合应用解决了这一核心问题：通过Chartis检测引流液量，若量极少则可能非目标位置；再借助CBCT（锥形束CT）对比术前与堵塞气道后的影像，若肺大疱缩小，说明堵塞的是靶肺叶，反之则需调整。

这种定位方式是技术上的创新，我们开展的相关工作在全球尚属首例。未来希望通过扩大临床研究，进一步验证该方法的确切疗效，造福慢阻肺合并巨大肺大疱的患者。

人工智能辅助慢阻肺相关风险预测，核心是运用深度学习等AI技术，整合多维度数据建立模型并进行内部验证。这些数据涵盖院内的临床数据、影像学资料、住院评估、实验室检查，以及院外的患者症状监测、可穿戴设备采集的生理指标等。

从目前研究来看，机器学习模型对慢阻肺急性加重的预测能力，已优于传统评分标准，能为临床提供更精准的风险参考。不过当前模型仍有局限，比如多适用于内部验证，应用于外部验证时阳性率并未明显提高。

未来若能结合影像多模态数据与院内院外多源信息，建立更完善的预测模型及临床决策系统，有望提前7天预测慢阻肺急性加重。这能让医生尽早干预，减少患者急性加重带来的健康负担，为慢阻肺的全程管理提供高效助力。