随着肺癌精准诊疗理念的不断深化，如何在临床实践中实现更高效率、更高准确率的肺癌筛查、诊断和治疗路径，已成为亟需攻克的重要课题。当前临床面临的难点在于，尽管影像和分子诊断技术不断进步，但在海量数据分析和多尺度特征提取上仍存在人工效率和主观经验的局限。人工智能（artificial intelligence，AI）尤其是基于深度学习的算法体系，是一项能够深度赋能医疗大数据的创新技术。该方法利用卷积神经网络等算法，结合影像组学、病理组学以及多模态数据融合分析，在肺结节的早期精准检出与良恶性鉴别、数字病理亚型识别与驱动基因无创预测、精准手术三维规划与放疗靶区自动勾画，以及随访动态风险预警等环节展现出巨大的潜力。这一创新性技术为实现肺癌诊疗模式的智能化与个体化提供了全新的解决方案。本共识基于最新循证医学证据，结合AI 领域发展趋势与真实临床需求，汇聚了放射、病理、胸外科等多学科专家的共识意见。主要内容涵盖了AI 在肺癌筛诊疗（筛查、诊断、治疗）3 大核心场景的应用规范、数据采集与算法验证技术标准，以及现阶段面临的伦理与监管挑战，旨在明确AI 作为临床辅助决策支持工具的适用边界，为目前正在或计划开展AI 辅助肺癌临床诊疗与转化的同行提供科学指导和规范化探索方向。

随着肺癌精准诊疗理念的不断深化，如何在临床实践中实现更高效率、更高准确率的肺癌筛查、诊断和治疗路径，已成为亟需攻克的重要课题。当前临床面临的难点在于，尽管影像和分子诊断技术不断进步，但在海量数据分析和多尺度特征提取上仍存在人工效率和主观经验的局限。人工智能（artificial intelligence，AI）尤其是基于深度学习的算法体系，是一项能够深度赋能医疗大数据的创新技术。该方法利用卷积神经网络等算法，结合影像组学、病理组学以及多模态数据融合分析，在肺结节的早期精准检出与良恶性鉴别、数字病理亚型识别与驱动基因无创预测、精准手术三维规划与放疗靶区自动勾画，以及随访动态风险预警等环节展现出巨大的潜力。这一创新性技术为实现肺癌诊疗模式的智能化与个体化提供了全新的解决方案。本共识基于最新循证医学证据，结合AI 领域发展趋势与真实临床需求，汇聚了放射、病理、胸外科等多学科专家的共识意见。主要内容涵盖了AI 在肺癌筛诊疗（筛查、诊断、治疗）3 大核心场景的应用规范、数据采集与算法验证技术标准，以及现阶段面临的伦理与监管挑战，旨在明确AI 作为临床辅助决策支持工具的适用边界，为目前正在或计划开展AI 辅助肺癌临床诊疗与转化的同行提供科学指导和规范化探索方向。