脓毒症是儿童可能面临的最致命疾病之一。这是一种失控的感染，可导致器官衰竭甚至死亡，每一秒都至关重要。然而在急诊室中，医生常常依赖经验判断。一个孩子可能前一小时看起来状态良好，下一小时却突然恶化。常规检测和临床判断往往难以及时预测危险。
芝加哥安与罗伯特·H·卢里儿童医院的研究人员可能找到了解决方案。他们开发了人工智能算法，可帮助医生更早发现脓毒症。这些算法利用儿童急诊就诊最初几小时内收集的数据，预测哪些患者可能在两天内发展为脓毒症。伊丽莎白·阿尔珀恩博士领导了这项研究，标志着儿科急诊精准医疗迈出重要一步。
研究如何开展
研究团队分析了来自五大医疗系统的超过230万例儿科急诊电子健康记录，涉及年龄在两个月至18岁之间的儿童。研究排除了创伤病例、转院患者、死亡病例以及已知患有脓毒症的就诊记录。研究人员重点关注那些最初看似稳定但后来发展为严重感染的儿童。
人工智能模型可提前48小时预测儿童脓毒症，为医生提供感染致命前的干预时间。研究团队使用2016年至2020年初的数据训练人工智能系统，然后用2021-2022年的数据进行测试。该系统分析了生命体征、分诊紧迫性、年龄、基础疾病及其他早期临床信息——这些数据通常在到达医院四小时内即可获得。研究人员采用凤凰城脓毒症标准定义脓毒症，该标准结合了疑似感染和器官功能障碍指标，并追踪了哪些儿童在48小时内发展为脓毒症或死亡。
研究结果令人瞩目。较简单的逻辑回归模型达到了0.92的AUROC评分，而先进的"梯度树提升"模型则达到0.94。简言之，两种模型在识别高风险儿童方面都高度准确。即使在最严重的脓毒性休克病例中，准确率仍保持在0.92以上。模型的阳性似然比范围为4.67至6.18，这意味着"高风险"结果强烈提示真实威胁。这些模型在所有种族、性别和年龄群体中表现良好，仅保险类型显示微小差异：对医疗补助计划(Medicaid)患者的预测略为准确，研究人员计划对此进一步研究。
预测背后的驱动因素
这些人工智能工具并未依赖神秘的"黑箱"逻辑。最具影响力的因素包括分诊严重程度、心率、血压和慢性疾病。通过综合分析这些细节，算法能够发现人类可能忽略的预警模式。
"我们创建的预测模型是脓毒症患儿精准医疗的巨大飞跃，"领导卢里儿童医院急诊医学部并在西北大学任教的阿尔珀恩博士表示，"这些模型能够很好地识别急诊室中最终将发展为脓毒症的儿童，同时避免过度标记低风险儿童。"她补充说，更精确的预测可避免不必要的激进治疗。
对急诊护理的意义
急诊科环境混乱且时间紧迫，医生必须在几分钟内做出关乎生死的决定。一个能实时扫描电子健康记录并标记高风险儿童的系统可能改变儿科护理。医生可以提前采取行动——在器官衰竭前开具检查单、开始抗生素治疗或安排重症监护。
阿尔珀恩博士强调，人工智能不应取代人类判断。"我们测试了模型以确保不存在偏见，"她说，"未来研究需要将基于电子健康记录的人工智能模型与临床医生判断相结合，以做出更准确的预测。"该系统的目的是增强而非取代临床专业知识。
这项由国家儿童健康与人类发展研究所资助的研究存在一定局限性。数据来自大型设备完善的医院，小型或农村医疗机构可能无法获得相同结果。模型也依赖于历史病例而非实时医院试验，研究人员仍需在实际环境中确认结果。
将技术无缝整合到日常工作中构成另一挑战。过多警报可能导致"警报疲劳"，使工作人员忽略关键警告。数据质量或患者群体的差异也可能扭曲结果。尽管如此，前景十分明朗：在症状爆发前预测脓毒症可挽救生命，减轻家庭和医疗系统的痛苦。
对家庭的意义
对父母而言，计算机能够预见脓毒症可能听起来像科幻小说。但其目的极具人文关怀：预防悲剧。人工智能帮助医生发现他们可能忽略的问题，为每个孩子提供更早治疗的机会。
脓毒症可能在短短几小时内恶化。如果人工智能能及早标记危险，需要重症监护的儿童数量可能会减少。模型的准确性提供了切实希望，此类技术将很快进入常规急诊护理。研究仍在进行中，医生继续依赖经验和患者具体情况。但随着人工智能的发展，人类直觉与数据驱动洞察之间的差距可能会以积极方式缩小。
儿童脓毒症症状
脓毒症症状可能因基础感染和病情严重程度而类似于其他常见疾病。一些常见症状包括：
- 病情迅速恶化
- 101.5华氏度（约38.6摄氏度）或更高发热
- 低血压
- 心率加快
- 呼吸急促或呼吸困难
- 易怒或意识模糊
- 呕吐或腹泻
- 对玩耍或进食兴趣降低
如有任何关于医疗状况、手术或治疗的问题，包括处方药、非处方药、维生素、补充剂或草药替代品，请务必咨询您的医生或其他合格医疗保健提供者。
研究结果已在线发表在《美国医学会杂志·儿科学》期刊上。
【全文结束】
