JAMA Pediatrics：Epic儿科脓毒症模型仅识别36%病例，5岁以下低至20%、黑人儿童22%

漏掉三分之二之后，Epic这套儿科脓毒症预警还剩什么

影响分析 × 医院信息化/临床医生 ｜ 数据视角 × 监管与合规专家 ｜ 行业观察

2026年10月8日，TechTarget旗下SearchHealthIT报道了JAMA Pediatrics刊出的一项回顾性研究：覆盖纽约一个医疗系统旗下8家急诊、166943例18岁以下儿科就诊，时间跨度为2024年1月至2025年6月。其中189例在就诊后24小时内发生脓毒症，判定采用Phoenix标准。Epic的儿科脓毒症早期检测模型，识别出这189例中的36%。论文原始在线日因jamanetwork.com返回403未能核实，本文按报道页实测的2026年10月8日处理。

换句话说，这套已经铺进急诊工作流的预警，对三分之二的真实病例没有反应。对医院信息化与急诊临床负责人来说，这不是一个靠调阈值就能轻轻带过的参数问题，而是要不要继续把分诊信任押在这条警报上的问题。

开场：166943例儿科就诊里，189例真的发生了脓毒症

研究设计为回顾性队列，样本来自纽约一个医疗系统的8家急诊，纳入18岁以下患儿就诊记录166943例，时间跨度为2024年1月至2025年6月。脓毒症判定采用Phoenix标准，这是目前儿科脓毒症较新的共识定义，也是本次结果的口径基准。最终确认在就诊后24小时内发生脓毒症的为189例。

189比166943，发生率约每千例1.13例。这个基线率决定了后面所有指标的读法：在极低发生率人群里做筛查，既要抓到病例又不制造大量假警报，难度远高于常见的影像或分诊任务，任何单一百分比脱离这个分母都会失真。

还有一层要先说清楚：这是回顾性分析，模型当时是否真的参与了临床决策、预警弹出时医生做了什么，研究并未测量。它评价的是模型输出与后续事实的吻合程度，不是临床结局。

36%的另一面：漏掉的是三分之二

总体敏感度为36%，即189例真阳性中约三分之二未被识别。这里最容易出现的一种误写，是把它倒过来说成模型准确率64%或者漏检率36%。原文口径很清楚：36%是捕捉到的比例，漏掉的是64%。

再看更严的一种口径。若只统计患儿达到脓毒症标准之前触发的预警，敏感度进一步降至30%。这个差别对临床有意义：预警的价值在于提前，等到标准已满足才报警，只是把医生本来能看出来的事复述一遍。越要求提前量，识别率越低。

从流程角度看，一个三分之二病例无声通过的预警系统，会制造一种危险的默认假设：当警报长期沉默，临床团队容易把不报警当作阴性信号，而36%的敏感度支撑不起这种信任。这类工具最难管理的地方正在于此：风险不在报错，而在不报。

3%的阳性预测值：警报响了很多次，多数不是

与敏感度必须同框呈现的是阳性预测值，仅3%。也就是说，在模型发出脓毒症预警的就诊里，最终真正发生脓毒症的约占三十分之一。阴性预测值为99%，但在一个发生率约千分之一点几的人群里，这个值几乎是基线本身带来的，不能算作模型的功劳。

3%意味着警报负担。每捕获1例真病例，大约伴随30余次最终并非脓毒症的警报；放到8家急诊的高强度工作流里，这就是实打实的人力成本。敏感度36%与阳性预测值3%同框，构成的是一个两头都不占优的组合：既漏掉多数病例，也没有把警报做得足够干净。

这里必须补一句边界。研究没有测量临床结局，因此不能得出AI漏诊导致患儿死亡之类的结论。能说的是识别能力不足与警报效率偏低，至于是否转化为延误治疗或死亡率变化，本次数据无法回答。

20%、22%、25%：在最该准的人群上反而更差

亚组分析是这份结果里最不安的部分。5岁以下儿童敏感度仅20%，黑人儿童22%，非三级儿童医院25%。三个数字都低于总体36%，且低得不少。

值得注意的是人群构成：47.3%的就诊为5岁以下儿童。换句话说，占就诊量接近一半的年龄组，恰恰是模型表现最弱的那一组。婴幼儿脓毒症的识别本就更依赖不典型体征与生命体征轨迹，模型在这部分失守，等于在最需要辅助判断的地方失去辅助。

非三级儿童医院25%指向资源分布。三级儿童医院通常检验频次更完整、生命体征记录更连续、脓毒症路径更成熟，模型在那里相对好用；资源薄弱的机构数据更稀疏、流程更不标准，表现也更差。这是一种反向的资源梯度：工具在有余量的地方多给一点，在缺余量的地方少给一点。

黑人儿童22%是典型的公平性缺口。这类差异通常不是模型直接读取种族变量造成的，而是经由就诊时机、基础疾病负担、记录完整度与就医路径传导出来的。无论成因如何，从监管与合规视角看，一旦某个人群敏感度显著低于总体，部署方就需要拿出针对性的验证与缓解措施，而不是沿用总体指标对外说明。

冷静观察：配置权在各家医院手上，这个数字不能一概而论

Epic的回应需要保留在判断里。该模型由Nationwide儿童医院开发，各医院自行配置，且研究与Phoenix标准口径不同。这有两层含义：其一，阈值、触发字段与上线方式由各院决定，36%只是这一个医疗系统在某套配置下的实测值，不能直接外推到所有Epic客户；其二，用Phoenix标准回溯判定脓毒症，与模型开发时依据的临床标准之间可能存在系统性错位。

先把没有的部分列出来。研究未测量临床结局，包括死亡、器官支持、住院时长与转入重症监护的比例，漏检与患者伤害之间因此缺少数据连接；各亚组置信区间未获取，20%、22%、25%与36%的差距是否统计显著无法判断；8家急诊各自的敏感度分布未披露；模型版本号、阈值设定与上线时间未披露；假警报绝对例数与阳性预测值的置信区间未获取。

口径问题也需单独标注。论文原始在线日因jamanetwork.com返回403未能核实，本文依据报道页实测的2026年10月8日；若后续取到原文，应对在线日期与统计细节再核一次。

具体行动就一条：先把本院的敏感度、阳性预测值与亚组表现按自己的配置跑一遍，再决定这条警报在分诊流程里放在什么位置。

接下来该追问的是四件事。其一，各亚组差异的置信区间与检验结果，决定了这些差距能否被当作真实落差。其二，不同阈值下敏感度与阳性预测值的曲线如何，是否存在把敏感度提到可接受水平而不让假警报失控的设置。其三，各院自行配置的边界在哪里，Epic是否会对最低配置标准与上线前验证提出要求。其四，是否会用Phoenix标准之外的口径重做比对，以排除定义错位带来的系统性低估。这四件事没有答案之前，36%应被理解为一份针对特定配置的实测结果，而不是这个模型的通用性能评分。

原文链接：TechTarget/SearchHealthIT（原始论文：JAMA Pediatrics）

千方医数集编辑部 出品