基于人工智能的住院患者脓毒症早期检测预测模型:系统综述与Meta分析
该系统综述纳入2015–2025年52项开发或验证成人住院患者脓毒症早期检测AI模型的研究,多数为回顾性设计,仅约5项为前瞻性或干预性试验。常用算法包括随机森林、梯度提升、神经网络和深度学习架构,输入特征涵盖生命体征、实验室值、人口学及非结构化临床笔记。报告AUC范围为0.79–0.96(中位约0.88),敏感性及特异性通常为0.80–0.95,许多模型优于SIRS、MEWS和qSOFA。仅约40%研究进行外部验证,性能下降5–10个点,作者认为通化性、可解释性和临床实施仍是主要挑战。
要点
- 52项研究中AI模型早期脓毒症预测AUC为0.79–0.96(中位约0.88),敏感性和特异性通常为0.80–0.95。
- 同一队列中集成模型AUC约0.93,而qSOFA为0.64、MEWS为0.69;Delahanty等报告AI模型AUC 0.86 vs SIRS 0.63、qSOFA 0.71。
- 仅约40%研究包含外部验证,外部验证时性能下降5–10个点(如Steinbach等CBC模型AUC从内部0.872降至外部0.805–0.845)。
- 约5项研究描述了实时临床使用,整合障碍包括电子健康记录连接、警报疲劳和临床医生接受度。
- 多数证据为回顾性,需前瞻性多中心验证评估实时警报对患者结局的影响。
适用人群与场景
- 纳入标准:成人住院患者(18岁及以上),使用电子健康记录数据开发或验证AI/机器学习模型用于脓毒症早期检测或预测,并报告至少一项定量性能指标(AUC、敏感性、特异性或F1评分)。
- 排除标准:儿科或新生儿研究、非同行评议来源、预后或晚期识别模型、缺乏方法学或定量细节的论文。
- 研究场景:多数模型在亚洲和北美三级中心的ICU环境中开发,患者多为中老年成人,男性略占优势。
- 脓毒症定义不一(Sepsis-3、Sepsis-2或ICD编码),增加了异质性。
研究设计与关键结果
- 研究类型:系统综述,纳入52项研究,发表于2015–2025年,覆盖亚洲、北美和欧洲,非洲或南美数据稀缺;约40%来自亚洲(主要中国),40%来自北美,其余来自欧洲及其他地区。
- 研究设计:多数为使用电子健康记录数据的回顾性队列分析,约5项为前瞻性或干预性试验;样本量从数百到数百万条记录不等(如Steinbach等分析138万份全血细胞计数,含超过2000例脓毒症事件)。
- 算法类型:随机森林约14项研究,梯度提升(XGBoost、LightGBM)约10项,深度神经网络约8项(主要为LSTM或CNN架构),支持向量机见于早期试点研究;约10%研究使用自然语言处理挖掘临床笔记或影像文本。
- 主要终点结果:AUC-ROC范围为0.79–0.96(中位约0.88),敏感性和特异性通常为0.80–0.95;集成模型AUC约0.93 vs qSOFA 0.64、MEWS 0.69;Delahanty等报告AUC 0.86 vs SIRS 0.63、qSOFA 0.71;Kim等(2020)AUC 0.96,Wang等(2021)0.93,Steinbach等(2024)内部0.872、外部0.805–0.845。
- 外部验证:仅约40%研究包含外部验证,外部验证时性能下降5–10个点;校准和决策曲线分析很少提供。
- 临床实施:约5项研究描述实时临床使用,包括Duke大学的Sepsis Watch和Dascena的InSight;整合障碍包括电子健康记录连接、警报疲劳、临床医生接受度、数据异质性、基础设施需求、隐私法规和用户培训不足;过多假阳性降低信任。
证据类型、等级与局限
- 证据类型:系统综述与Meta分析(因方法学异质性,未进行定量Meta分析,采用叙述性综合)。
- 质量评估:使用改编的预测模型偏倚风险评估工具框架,评估参与者选择、预测因子测量、结局定义和分析四个领域;校准、决策曲线分析和透明度在可用时记录。
- 局限:多数研究为回顾性设计,仅约5项为前瞻性或干预性试验;仅约40%研究包含外部验证;许多模型为单中心,存在过拟合风险;脓毒症定义不一(Sepsis-2 vs 3、ICD vs 临床)阻碍迁移;复杂神经网络和集成系统为黑箱,少数研究包含可解释性分析;历史电子健康记录数据可能编码人口学偏倚;作者指出通化性、可解释性和临床实施仍是主要挑战,未来研究应强调外部验证、可解释和可扩展的AI解决方案整合到实时临床工作流程中。
对床旁实践的改变
- 作者认为AI模型在早期脓毒症检测中显示出显著前景,在许多情况下优于传统评分系统(如SIRS、MEWS、qSOFA),通过提前数小时检测恶化,可能加速抗生素和复苏,改善生存。
- 作者指出广泛临床采用需要改善通化性、透明性和工作流程整合;未来研究应强调外部验证、可解释和可扩展的AI解决方案整合到实时临床工作流程中。
- 作者认为需要前瞻性多中心验证和随机试验评估实时警报对患者结局的影响,并强调临床医生、数据科学家、工程师、伦理学家和监管者之间的跨学科合作。
指南或共识出处
- 食品与药品管理局(FDA)关于AI/ML软件作为医疗器械的草案指南强调「良好的机器学习实践」、生命周期测试和再验证。
- van der Vegt框架提供部署指导。
提炼说明
- 原文未涉及「诊断标准与关键阈值」「处置流程与药物剂量」「红旗征与不能漏的情况」,故未列出这些栏目。
全文中译14 节 · 点击展开
关键要点
问题:使用电子健康记录数据的人工智能(AI)模型能否比传统临床评分系统更可靠地早期检测脓毒症?
发现:在52项研究中,基于AI的预测模型,尤其是使用机器学习和深度学习的模型,在早期脓毒症检测中实现了较强的判别能力(AUC 0.79–0.96),通常优于全身炎症反应综合征和快速SOFA(qSOFA)等传统工具。然而,外部验证和实时实施仍然有限。
意义:AI模型在更早期、更准确地识别脓毒症方面具有巨大潜力,但广泛临床采用需要改善泛化性、透明性和工作流程整合。
脓毒症——由Sepsis-3定义为宿主对感染反应失调所致的危及生命的器官功能障碍——仍然是全球重大挑战(1)。近期分析估计每年有4800万至5000万例病例和约1100万例死亡(1),约占全球死亡率的20%(2)。低收入和中等收入国家负担最重(1);五岁以下儿童每年约占2000万例(2)。在高收入国家,脓毒症是最昂贵的住院疾病之一,仅在美国每年花费超过200亿美元(1, 2),平均每名患者费用超过30000美元(1)。因此,脓毒症在全球范围内造成了巨大的临床和经济负担。
早期识别至关重要,因为每延迟治疗一小时都会恶化结局(3)。然而早期诊断困难,因为初始体征非特异性(3)。常用评分工具——全身炎症反应综合征(SIRS)、改良早期预警评分(MEWS)、序贯器官衰竭评估(SOFA)、qSOFA——有助于提示风险,但不能可靠地早期识别脓毒症(3, 4)。SIRS偏向敏感性;qSOFA偏向特异性(4)。因此,脓毒症往往仅在器官功能障碍出现后才被检测到。尽管有认知宣传活动和早期集束化治疗方案,诊断仍经常滞后。传统生物标志物和影像学仍然不足(3–5)。因此,迫切需要更好的预测工具。
人工智能(AI)和机器学习(ML)可以利用高维电子健康记录(EHR)数据来揭示脓毒症发生前的细微生理模式(3)。分析生命体征、实验室检查和人口学资料的算法可以在临床识别前数小时预测病情恶化(3–6)。方法包括基于树的模型、循环神经网络和卷积神经网络以及集成系统。实验研究已显示出较强的预测准确性。
然而,挑战依然存在:跨环境的泛化性、临床医生信任所需的可解释性、数据完整性以及伦理或监管监督(7)。很少有模型经过前瞻性验证。因此,本系统综述综合了AI驱动模型用于早期脓毒症检测的现状(7)。我们评估ML方法、预测特征、验证策略和临床转化差距,以指导未来发展(6)。关键研究特征总结于补充表1(https://links.lww.com/CCX/B588)。
方法与材料
检索策略
我们检索了PubMed、Scopus、Web of Science、Google Scholar和CENTRAL数据库中2015年1月至2025年间关于人工智能/机器学习(AI/ML)模型用于脓毒症早期检测的研究。受控词汇和自由文本词结合了“脓毒症”“早期检测”“机器学习”和“电子健康记录”,使用布尔运算符和截词符。检索策略经过优化以平衡查全率和查准率,并限定为英文期刊论文。该过程遵循系统评价和荟萃分析优先报告条目(PRISMA)指南,流程图见图1。
纳入标准
纳入研究需满足以下条件:1)经同行评议的原创研究,2)成人住院患者(18岁及以上),3)用于脓毒症早期检测或预测的AI/ML模型,4)基于电子健康记录(EHR)的结构化或非结构化数据,5)至少一项定量性能指标。我们排除了儿科或新生儿研究、未经同行评议的来源、预后或晚期识别模型,以及缺乏方法学或定量细节的论文。这些标准将本综述限定为严谨且可直接比较的研究。
研究选择
两名评价者(G.H.A.和P.S.)独立筛选所有记录。不相关的标题或摘要被剔除,剩余文章进行全文审查。分歧通过共识或第三名评价者解决。排除原因(如错误人群或缺少指标)记录在PRISMA流程图中。对纳入论文的参考文献列表进行手工检索以查找额外研究。
数据提取
每项符合条件的研究使用标准化表格进行总结,涵盖作者信息、年份、国家、临床环境、设计、样本量、脓毒症定义、算法类型、输入特征、验证方法和性能指标(曲线下面积[AUC]、灵敏度、特异度、准确率、F1等)。实施尝试或可用性评估也被记录。两名评价者独立提取数据并交叉核对一致性,通过共识解决差异。
质量评估
由于方法学异质性较大,定量荟萃分析不适用(6)。取而代之的是叙述性综合。我们使用改编的预测模型偏倚风险评价工具框架(7)从四个领域评估严谨性和偏倚:参与者选择、预测因子测量、结局定义和分析。在可获得时记录了校准、决策曲线分析和透明度。这些评估指导我们对各研究的优势和局限性进行定性比较。
结果
研究特征
52项研究符合纳入标准,发表于2015–2025年,涵盖亚洲、北美和欧洲,来自非洲或南美的数据稀缺。约40%来自亚洲(主要为中国),40%来自北美,其余来自欧洲及其他地区。大多数为使用电子健康记录(EHR)数据的回顾性队列分析(6);约5项为前瞻性或干预性试验。样本量从数百到数百万条记录不等(例如,Steinbach等[8]分析了138万份全血细胞计数[CBC]并包含>2000例脓毒症事件)。典型队列包括中年至老年人,男性略占优势。脓毒症定义各异(Sepsis-3、Sepsis-2或国际疾病分类[ICD]编码),增加了异质性。大多数模型在亚洲和北美三级中心的ICU环境中开发。各研究的性能指标见补充表2(https://links.lww.com/CCX/B588),补充图1(https://links.lww.com/CCX/B588)展示了AI预测风险与观察结局的对比。
AI方法学
应用了广泛的算法。基于树的模型占主导——约14项研究使用随机森林,约10项使用梯度提升(XGBoost、LightGBM)——因其稳健性和特征排序能力。深度神经网络出现在约8项研究中,主要为用于时间序列数据的循环(长短期记忆[LSTM])或卷积(卷积神经网络)架构。支持向量机见于早期试点工作, later被集成和深度模型取代。集成技术(堆叠、装袋)组合多个学习器以获得边际增益。其他方法包括自编码器、半监督和迁移学习,以及有限的自然语言处理(NLP)用于非结构化文本。纳入临床笔记或放射学报告的研究报告了适度的性能改善。少数探索了新型输入——波形或连续生命体征流——但大多数依赖结构化EHR数据。较简单的算法在较小数据集中作为基线,而复杂的深度或集成模型主导了大规模工作。正如Chen等(9)所述,“逻辑回归、SVM、随机森林和梯度提升……使用生命体征、实验室结果和临床因素来预测脓毒症的可能性”(8)。
输入特征
核心预测变量类别在各研究中一致:
生命体征——心率、呼吸频率、血压、体温、血氧饱和度。
实验室值——白细胞计数、乳酸、肌酐、血尿素氮、血小板计数、电解质、C反应蛋白等。肌酐和乳酸是常见的关键标志物。
人口学/合并症——年龄、性别、体重指数、慢性疾病。
药物/干预——抗生素给药、血管升压药、通气、液体治疗。
非结构化数据(NLP)——约10%的研究挖掘临床医生笔记或影像文本中的脓毒症相关术语。
新型特征——心电图衍生指标、超声发现、时间趋势导数或多模态融合。
大多数算法需要5–20个常规输入;深度模型可摄入数百个。正如Chen等指出,此类模型依赖“生命体征……实验室结果……和临床因素”(7)。异质性EHR格式和编码实践阻碍了直接的跨站点应用(10)。
模型性能
报告的效能总体较强。在52项研究中,受试者工作特征曲线下面积(AUC)范围为0.79–0.96(中位数≈0.88),灵敏度和特异度通常为0.80–0.95(10)。许多模型优于传统评分:一个集成模型达到AUC≈0.93,而qSOFA为0.64,MEWS为0.69(6);Delahanty等报告AUC 0.86,对比0.63(SIRS)和0.71(qSOFA)(11)。表现优异的包括Kim等(12)(2020年,AUC 0.96)、Wang等(2021年,0.93)和Steinbach等(2024年,内部0.872;外部0.805–0.845)。
由于定义和时间窗不同,比较仍然困难(13)。校准和决策曲线分析很少提供(14)。尽管如此,证据显示机器学习模型优于基于规则的评分(15)。仅约40%包含外部验证,其效能下降5–10个点(8, 16)。验证和泛化性详情见补充表3(https://links.lww.com/CCX/B588)。
实施与临床整合
很少有系统达到部署阶段。大约五项研究描述了实时临床使用(17)。杜克大学的“Sepsis Watch”和Dascena的“InSight”是少数在医院中测试的系统之一(3, 18)。整合障碍包括电子健康记录(EHR)连接、警报疲劳和临床医生接受度(19)。van der Vegt等的综述(10)强调了常见障碍:数据异质性、基础设施需求、隐私法规和用户培训不足(20)。过多的假阳性降低了信任(21)。透明的推理和反馈机制提高了接受度。总体而言,试点实施证明了可行性,但强调需要工作流程适应和多学科支持(22, 23)。
讨论
用于早期脓毒症预测的人工智能驱动模型达到了远高于传统评分的准确性,许多报告AUC大于0.85(6, 8)。例如,一个机器学习模型达到AUC 0.93,而同一队列中qSOFA为0.64(6)。通过提前数小时检测病情恶化,此类工具可以加快抗生素和复苏治疗,提高生存率(3)。
一个主要优势是处理高维纵向数据(24–27)。例如,长短期记忆(LSTM)网络捕捉演变趋势——乳酸升高或血压下降——而静态规则会遗漏这些趋势(28, 29)。深度学习可以识别新的潜在特征(30, 31),这解释了其优越的灵敏度/特异度(> 85%)。
尽管如此,局限性仍然存在。
泛化性是首要关注点(32)。许多模型为单中心,存在过拟合风险(33, 34)。Steinbach等的CBC模型(8)在外部验证中从AUC 0.872降至0.805–0.845(8)。人群、编码和标注(Sepsis-2 vs. 3,ICD vs. 临床)的差异阻碍了迁移(35–38)。仅约40%使用了外部验证(39, 40);多中心合作对于稳健泛化至关重要。
可解释性是另一个障碍。复杂的神经网络和集成系统充当黑箱(41, 42)。临床医生对不透明的警报犹豫不决。可解释性方法——SHapley加法解释(SHAP)、局部可解释模型无关解释、注意力热图——可以揭示特征影响(例如,乳酸升高 + 白细胞计数 = 高风险)(43–45)。然而,很少有研究包含此类分析(46, 47)。监管机构日益要求透明度(10, 11, 47, 48)。
工作流程整合也限制了影响力。即使是准确的工具,如果嵌入不当也会失败(49, 50)。实时数据流、警报呈现和临床医生参与需要技术和人因设计。警报疲劳和责任担忧持续存在。可用性培训和与最终用户共同设计可提高采用率。
监管和伦理问题增加了复杂性。历史电子健康记录(EHR)数据可能编码了人口统计学偏差(51);如果不进行审计,算法可能会放大不平等。隐私至关重要(52)。联邦学习或隐私保护方法提供了缓解途径。对遗漏或错误警报的法律责任仍不明确(53)。美国食品药品监督管理局关于人工智能/机器学习作为医疗器械软件的指南草案强调了“良好的机器学习实践”、生命周期测试和再验证(13)。国际上正在出现类似的框架(54)。图2展示了各架构之间的灵敏度与特异度对比。
总之,人工智能脓毒症预测显示出高准确度,但在验证、可解释性、工作流程和治理方面面临转化障碍(55)。解决这些问题对于实现真实世界获益至关重要。
未来方向
关键优先事项包括:
前瞻性多中心验证:大多数证据为回顾性;随机试验必须评估实时警报和患者结局(56–58)。van der Vegt框架(10)提供了部署指导。
儿科和特殊人群:脓毒症也严重危害儿童及妊娠或免疫功能受损患者;需要量身定制的模型(59)。
低收入和中等收入国家:鉴于其不成比例的负担(2),使用简化变量的中低收入国家(LMIC)本土模型至关重要(60, 61)。
联邦学习和隐私保护学习:联邦训练能够在不共享原始数据的情况下进行多站点建模(14)。早期“FedSepsis”研究显示在保护隐私的同时具有可比准确度(62, 63)。
可解释人工智能(XAI):未来模型应整合可解释性——特征轨迹、风险理由、SHAP或基于GAM的透明度——以促进信任(64–66)。
临床试验和实施科学:随机试验必须检验对结局的影响(66–68)。持续学习系统应接受长期安全性评估。
监管路径和标准:需要与新兴的美国食品药品监督管理局和全球AI/ML指南保持一致;开放代码和文档促进可重复性(59)。
临床医生、数据科学家、工程师、伦理学家和监管者之间的跨学科合作对于将技术进步转化为公平的医疗照护至关重要。
结论
人工智能为脓毒症早期检测提供了强大的工具。我们的系统评价发现,使用常规电子健康档案(EHR)数据的机器学习(ML)模型能够提前数小时预测发病,其准确性超过传统评分。通过实现更早的干预,人工智能可能改变脓毒症管理。然而,广泛采用需要经过验证的泛化能力、可解释的推理、无缝的工作流程适配以及法规合规。进展取决于严谨的前瞻性试验以及临床医生与技术专家之间的密切合作。通过持续的多学科努力,人工智能驱动的预测可能成为降低全球脓毒症死亡率的可靠工具。
补充材料
参考来源
- Abbas GH, Sen P, Giri OA, et al. Artificial Intelligence-Based Predictive Modeling for Early Detection of Sepsis in Hospitalized Patients: A Systematic Review and Meta-Analysis. Crit Care Explor. 2025. PMID: 41348160. doi:10.1097/CCE.0000000000001360
- 全文:PMC12685403(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12685403/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。