IPF是一种异质性的肺纤维化疾病，其病情严重程度和进展情况通常通过CT来评估。尽管CT在诊断和分期中起着核心作用，但其用于长期监测的重复使用，受辐射暴露、成本和实际限制的制约。肺部爆裂音是IPF的一个特征性听诊特征，可能提供补充性无创信息，反映纤维化肺部的潜在结构和功能变化。肺音分析是监测疾病进展的补充手段，与CT不同，这种方法避免了辐射暴露，还可提供爆裂音的定量特征，包括发生时间、持续时间及能量分布。

纳入7例经CT确诊的IPF患者，采集肺音录音。音频信号经带通滤波进行预处理，以减少背景噪声和心脏干扰。采用时域法自动检测爆裂音事件（图1A），提取时域与频谱特征，包括爆裂音频率、粗爆裂比例（粗爆裂音占总爆裂音的比例）、爆裂音中位持续时间及频谱中心频率。CT检查结果仅作为声学特征解读的参考依据（图1B）。

所有7例患者均成功采集15秒肺音记录。如图1C所示，爆裂音频率整体随疾病严重程度升高而增加，但个体间存在明显差异。值得注意的是，重度 IPF 患者（患者6）的爆裂音频率低于中度患者（患者5），但其爆裂音持续时间更长、频谱中心频率更高。该结果提示，晚期肺纤维化重塑可能减少爆裂音产生，同时增加肺组织硬度。综上，多维度声学参数组合（而非单一爆裂音频率）更能反映IPF疾病分期。

图 1： (A) IPF肺音评估的声学分析流程；(B) 轻、中、重度IPF患者的滤波后肺音波形及对应 CT 图像；(C) IPF 患者声学爆裂音特征与CT分期的对应关系。

肺音分析可无创、有效评估IPF患者疾病分期，其多维度声学参数可为临床决策提供参考；纵向监测参数变化可动态评估疾病进展，有望降低对重复、高成本CT检查的依赖。未来依托大样本数据，结合机器学习技术解析肺音特征，或可实现无常规CT的IPF分期与进展评估。