摘要：2025年1月，武汉大学中南医院急救中心赵剡教授研究团队在全球医学权威期刊《柳叶刀》子刊《eClinicalMedicine》发表了题为《Development and validation of a screening tool for sepsis wit

极目新闻通讯员 王雨萌 江城

2025年1月，武汉大学中南医院急救中心赵剡教授研究团队在全球医学权威期刊《柳叶刀》子刊《eClinicalMedicine》发表了题为《Development and validation of a screening tool for sepsis without laboratory results in the emergency department:a machine learning study》的研究成果。这项研究开发了一种无需实验室检测即可快速筛查脓毒症的工具——qSepsis，为急诊科的脓毒症筛查带来了革命性改变。

脓毒症每年导致约1100万人死亡，占全球死亡人数的19.7%，是医学领域最具挑战的健康威胁之一。传统筛查方法高度依赖实验室检测结果，往往因延迟诊断而错过最佳治疗时机。qSepsis的问世，为这一难题提供了高效解决方案，为医疗资源匮乏的场景带来了新的希望。

该研究基于武汉大学中南医院急诊科2015年至2022年间414,864例患者的数据，同时结合MIMIC-IV-ED数据库的200,089例患者数据进行外部验证。研究采用逻辑回归（LR）、随机森林（RF）和极端梯度提升（XGB）等先进机器学习算法，通过患者的生命体征和症状等12项非实验室数据，快速评估脓毒症风险。研究表明，在内部测试中，qSepsis的受试者工作特征曲线下面积（AUROC）高达0.862，外部验证中AUROC值亦达到0.766，显著优于传统评分工具（如SIRS、qSOFA和MEWS）。

与传统筛查方法相比，qSepsis的独特之处在于其依赖结构化电子健康记录（EHR）数据建模，避免了处理非结构化文本的复杂过程，并且无需实验室检测即可在分诊阶段迅速评估患者风险。这一特性使qSepsis特别适用于实验室资源有限的场景，如院前急救和基层医院，同时确保评估结果的一致性和准确性。

赵剡教授团队表示，尽管qSepsis已展现出卓越的筛查效率，但模型的进一步优化仍是未来的工作重点。目前，该团队正在开展qSepsis的前瞻性验证，并且发现了一些实际临床问题，例如报警频繁干扰所带来的医护人员精力分散、临床工作量增加。下一步拟继续优化该模型效能，特别是在阳性预测值和敏感性之间寻求更佳平衡，并计划在更多临床场景中验证其性能，探索其在不同医疗环境中的广泛应用。

据悉，该研究为脓毒症筛查开辟了全新路径，有望帮助医护人员在早期识别脓毒症患者、及时采取干预措施方面取得突破性进展，不仅为全球医疗健康领域注入了新动能，也为挽救更多生命提供了科学依据和技术支持。

来源：极目新闻