npj Digital Medicine | AI 不只是预测败血症，它把医院质控做成了会学习的系统

同行 | npj Digital Medicine | 2026-03-10 | DOI 10.1038/s41746-025-02180-2

English Title: An artificial intelligence-powered learning health system to improve sepsis detection and quality of care: a before-and-after study

这篇 npj Digital Medicine 真正值得发的点，不是“又一个败血症 AI 模型分数不错”，而是作者把 AI 放进了一套能持续反馈的医院质控系统里。它要解决的不是单次预测，而是一个更难的临床管理问题：医院怎样才能持续发现败血症、减少漏识别、改进编码、再把这些变化真正反映到死亡率上。

作者在瑞士洛桑大学医院（CHUV）搭建了一套 Sepsis Learning Health System, SLHS。核心不是一个床旁报警器，而是一条闭环：标准化败血症路径 + HERACLES 算法 + 动态看板 + 人工复核。HERACLES 每 6 小时 回顾性读取电子病历片段，把住院过程分成“无败血症、可能败血症、确诊败血症”三类，再把结果送入仪表盘，供感染科团队和各病区持续改进诊疗流程。

核心结论： 这篇论文最重要的贡献，不是把败血症“预测准确率”再往上抬一点，而是展示了 AI 作为医院学习系统的一部分 可能怎样真正改变护理质量。作者分析了 97,559 次 SLHS 病区住院和 25,851 次 对照病区住院后发现：在部署 SLHS 的病区，败血症 ICD-10 编码显著上升，HERACLES 标记的败血症住院其院内死亡和 90 天死亡都下降，而对照病区没有出现相同趋势。它更像是一项“AI 驱动的制度实施证据”，而不是一句简单的“模型优于医生”。

作者： Jérémie Despraz, Raphaël Matusiak, Sylvain Meylan 等，CHUV Sepsis consortium

通讯作者： Sylvain Meylan

单位： Lausanne University Hospital（CHUV）Biomedical Data Science Center / Infectious Diseases Service，联合 Swiss Data Science Center

正式发表日期：2026-01-20。研究类型：单中心、前瞻性观察性、准实验性 before-and-after 研究

要点速览

1. 研究对象： CHUV 自 2020 年到 2024 年的住院数据；SLHS 注册库最终覆盖 97,559 次住院、57,180 名患者，对照病区为 25,851 次住院。

2. 系统结构： 不是单一预警算法，而是 标准化败血症路径 + HERACLES 表型识别 + 动态看板 + 专家复核 的学习闭环。

3. 模型表现： HERACLES 内部验证中，确诊败血症识别的 F1 最高到 0.71，后稳定在 0.68，precision 0.76、recall 0.62、AUROC 0.88。

4. 真实世界变化： SLHS 部署后，败血症 ICD-10 编码从 2.62% 升到 4.48%；在完全位于 SLHS 病区的住院中，从 1.55% 升到 3.58%。

5. 结局变化： HERACLES 标记的败血症住院里，院内死亡从 22.21% 降到 17.76%，90 天死亡从 29.75% 降到 25.01%；而对照病区未见同方向显著改善。

图解结果脉络

这篇文章的主线很清楚：图1 先解释为什么它不是一个孤立模型，而是一个学习型医疗系统；图2 再展示部署过程和 HERACLES 的识别性能；图3 最后回到这类系统真正该交代的终点：编码有没有变、死亡率有没有变、变化是否只发生在部署病区。

图1：真正的创新不在“模型”，而在把 AI 放进医院会学习的闭环

图意： 图1最重要的是把这篇论文和普通“败血症预警模型”区分开。它不是做完算法就结束，而是把算法放进学习型医疗系统里，形成临床实践、数据、反馈、再实践的闭环。

1. 作者先画出了 Learning Health System 的“良性循环”：临床实践产生数据，数据变成知识，知识再回流到临床。

2. 在这个框架里，HERACLES 只是中间一环。它结合 Random Forest + LSTM，对每个患者住院过程中的 6 小时片段 进行表型判断。

3. 真正推动改变的是看板和人工监督。模型输出会生成质控指标，让临床团队看见“哪些病区、哪些环节、哪些病例”在掉链子，然后再反过来改路径和执行。

对应结论： 这篇论文最值得记住的第一点，是 AI 在这里被定义成“组织学习工具”，而不是一个直接替代临床判断的床旁黑箱。

图2：HERACLES 有用，但它的价值更像“稳定抓住问题”，不是完美判案

图意： 图2把两件事放在一起看：一是系统在不同病区逐步落地，二是算法在落地过程中到底能做到什么水平。

1. 到 2024 年底，SLHS 注册库已经纳入 97,559 次住院。到 2024 年 8 月，共有 1043 次疑似败血症事件 被标准化路径记录，分布在 961 次住院 里。

2. HERACLES 对确诊败血症的内部验证表现是：F1 先升到 0.71，后稳定在 0.68，precision 0.76、recall 0.62、AUROC 0.88。这不是“几乎完美”，但足以支撑质控级监测。

3. 作者还做了更苛刻的外部测试。对 2020 年隔离病房 83 名患者、119 次住院 的全量人工标注数据，HERACLES 对确诊败血症的 recall 只有 0.27、precision 0.60、F1 0.37。这说明它并不适合被神化成“无漏检临床预警器”。

4. 但在 2022-2023 年 1345 次带败血症 ICD 编码的住院 测试里，它又表现出另一种特征：recall 0.83，识别出 1113/1345 例，真正被打成“无败血症”的只有 6 例，更多漏差落在“可能败血症”而不是完全漏掉。

对应结论： 图2最重要的读法不是“模型分数高不高”，而是“它更适合做持续监测和流程改进，而不是单枪匹马做即时床旁诊断”。

图3：最关键的证据不是识别率，而是部署后编码和死亡率是否真的改变

图意： 图3是全篇最有分量的一张图，因为它真正回到了医疗系统层面的结果。

1. 在部署 SLHS 的病区，败血症 ICD-10 编码明显上升。包含 SLHS 病区的住院里，编码比例从 2.62% 升到 4.48%，OR 1.19；完全位于 SLHS 病区的住院中，从 1.55% 升到 3.58%，OR 1.27。而对照病区从 0.64% 到 0.78%，没有显著变化。

2. 对 HERACLES 标记为高概率败血症的住院，院内死亡在 SLHS 病区下降。包含 SLHS 病区的住院从 22.21% 降到 17.76%，OR 0.93；完全位于 SLHS 病区的住院从 20.54% 降到 15.27%，OR 0.89。

3. 90 天死亡也同步下降：包含 SLHS 病区的住院从 29.75% 降到 25.01%，OR 0.94；完全位于 SLHS 病区的住院从 32.99% 降到 26.11%，OR 0.91。对照病区则没有看到同等方向的显著改善，院内死亡甚至呈上升趋势。

对应结论： 这张图支撑的是“部署型 AI 系统可能带来制度层面的收益”，但它仍然不是随机对照证据，不能直接写成“HERACLES 造成死亡率下降”。

正文脉络

败血症一直是最典型的“大家都知道要早识别，但现实里很难一直做好”的临床问题。指南早就把及时抗生素、液体复苏和 bundled care 讲得很清楚，可真正落到医院运转里，问题往往不在知识缺失，而在识别不稳定、执行不统一、回顾依赖编码、反馈太慢。作者抓住的恰恰是这里：如果医院只能靠事后 ICD 编码来理解自己的败血症表现，那它看到的永远是一个失真的、滞后的质量图景。

所以这篇论文最聪明的地方，不是再做一个孤立预测器，而是把 AI 变成了败血症学习系统中的“中间基础设施”。HERACLES 不是实时床旁报警，而是每 6 小时回顾性计算一次败血症概率，把每次住院切成连续片段去看。它的结果不直接替代临床决策，而是进入 sepsis registry、仪表盘和路径评估，用来支持团队发现漏识别、观察编码变化、追踪病区表现，再用这些反馈去优化后续流程。

这一定位决定了这篇文章不能只看 AUROC。内部验证里，HERACLES 的确诊败血症识别可以做到 AUROC 0.88，看上去不差；但真正重要的是外部测试暴露出的边界。在隔离病房全量人工标注的独立测试集中，它对确诊败血症的召回只有 0.27，说明这套系统并不能被包装成“高敏感、可直接上线的实时报警工具”。但换个角度看，它又很少把真正的病例直接打成“无败血症”，更多时候是落在“可能败血症”上。这种行为模式更像一个偏保守的流程支持工具，而不是终局裁判。

也正因为作者没有把它包装成万能预警器，图3的结果才更有价值。部署 SLHS 后，败血症 ICD-10 编码明显上升，而 HERACLES 标记的败血症事件比例总体并没有同样幅度的上涨。这种组合意味着，变化很可能不是“医院突然多出了更多败血症”，而是“原来被漏掉或记不全的病例，被更稳定地识别并记录出来了”。对于败血症这样的高波动、高依赖流程执行的病种，这个改变量本身就很重要，因为没有更可靠的识别和记录，就谈不上真正的质量改进。

更进一步，死亡率的方向也和这个解释一致。在 SLHS 病区中，HERACLES 标记为高概率败血症的住院，其院内死亡和 90 天死亡都下降，而对照病区没有出现同方向改善。这个结果足以让人认真看待这套系统的制度价值，但还不够支撑强因果结论。作者自己也写得比较克制：这是单中心、准实验、before-and-after 设计，对照病区和部署病区病种结构不同，无法像随机试验那样隔离所有混杂因素。所以更稳妥的说法应该是，这套 AI 驱动的学习系统与更好的识别、记录和结局变化相关，而不是它已经被严格证明“直接降低了死亡率”。

从编辑角度看，这篇文章真正值得转述给读者的一点，是它把“AI in medicine”从单点模型竞赛，推进到了组织层面的学习能力。很多医疗 AI 论文到最后还是在比模型谁更准，但这篇工作更接近现实世界：医院要的不是一个永远分数更高的静态模型，而是一套能被持续更新、被人理解、能驱动流程改变、还能反过来修正自身的系统。HERACLES 当前还只能回顾性运行，还不是实时干预工具；但它已经展示了一个更有前景的方向，即 AI 不是作为额外负担叠加到临床，而是作为医院自我改进机制的一部分存在。

因此，这篇论文最值得记住的，不是“败血症 AI 又多了一个模型”，而是：当 AI 被嵌进标准化路径、质控看板和人工反馈环里，它可能不只是提高识别率，而是在改变医院如何学习自己的失败与改进。 对医疗系统来说，这比单次预测更接近真正可持续的价值。

最后落点

如果把这篇论文压缩成一句最稳的判断，它真正证明的不是“AI 已经能完美预测败血症”，而是：AI 作为学习型医疗系统中的一环，可能帮助医院更稳定地识别、记录和持续改进败血症照护。

下一步真正决定这条路能不能更大规模落地的，不是再把 AUROC 往上提一点，而是要把这类系统做成更强的实时闭环，并在多中心、可比较的环境里验证它是否还能保持同样的收益。

术语解释

Learning Health System： 学习型医疗系统。核心不是单次决策，而是让日常临床数据持续回流，推动流程和结果一起改进。

HERACLES： 本文的败血症识别算法，会把住院过程中的 6 小时片段分类为无败血症、可能败血症或确诊败血症。

F1-score： 综合 precision 和 recall 的指标。越高说明模型在“抓到病例”和“不过度误报”之间平衡得越好。

AUROC： 用来衡量模型区分阳性和阴性的整体能力。

ICD-10 编码： 医院结算和病案记录中的诊断编码。败血症编码增加不一定代表病更多，也可能代表识别和记录更完整。

准实验 before-and-after 研究： 不是随机对照，而是在部署前后比较趋势，因此能提示真实世界改进，但不能像 RCT 那样直接确立因果。

风险提示：本文为论文解读与信息整理，不构成医疗建议。

原文链接：https://doi.org/10.1038/s41746-025-02180-2