​基于机器学习的早期脓毒症 4 小时预警模型构建、多中心验证与可解释性分析

摘要  

背景：脓毒症每延迟 1 小时抗菌治疗，病死率增加 7.6%。传统评分（SOFA、qSOFA）依赖 ICU 完整数据，早期识别灵敏度不足。  

目的：利用入院 1 小时内常规检验指标，构建可解释的机器学习（ML）早期脓毒症 4 小时预警模型，并在多中心独立队列中验证其性能与公平性。  

方法：回顾性收集 2019-2022 年 6 家三级医院 ICU 共 18 463 例患者数据（训练集 14 445，内部验证 2 018，外部验证 4 018）。采用 XGBoost、LightGBM、CatBoost、逻辑回归等 8 种算法；最终模型以 XGBoost 为骨干，输入 47 项变量（生命体征 8、实验室 31、基础信息 8）。主要指标：4 小时内发生脓毒症的 AUROC；次要指标：灵敏度、特异度、F1、校准度（Brier 分数）、公平性（年龄、性别、合并症亚组差异 ΔAUROC<0.03）。解释性：SHAP 全局与局部解释。  

结果：最终 XGBoost 模型在训练集 AUROC 0.93（95%CI 0.92-0.94），内部验证 0.91，外部验证 0.88。灵敏度 88%，特异度 83%，Brier 分数 0.082。亚组分析显示老年（≥65 岁）、免疫抑制、肝硬化患者 ΔAUROC 均 <0.02。SHAP 揭示乳酸、呼吸频率、白细胞、PCT 为最重要特征。  结论：该模型可嵌入医院信息系统（HIS），实现床旁实时预警，提前 4 小时识别脓毒症，具良好校准度与公平性。  

关键词：脓毒症；机器学习；早期预警；XGBoost；可解释性；多中心验证

1 引言  

1.1 脓毒症流行病学  

全球每年 4 900 万脓毒症病例，死亡 1 100 万[1]。中国重症监护病房（ICU）脓毒症发生率 20.6%，住院病死率 28.5%[2]。  

1.2 早期识别困境  

传统 SOFA、qSOFA 需完整实验室及生命体征，急诊或普通病房难以快速完成；且灵敏度仅 60%-70%[3]。  

1.3 机器学习机遇  

电子病历（EMR）累积海量数据，为 ML 提供原料。然而，“黑箱”特性阻碍临床采纳，亟需可解释模型。  

1.4 研究目的  

构建基于入院 1 小时内常规数据的 ML 预警模型，完成多中心验证，并提供透明化解释，为临床决策支持系统（CDSS）落地提供依据。

2 资料与方法  

2.1 研究设计  

回顾性队列 + 多中心外部验证。遵循 TRIPOD-ML、PROBAST 指南[4]。  

2.2 数据来源  

训练集：华中科技大学同济医院、湘雅医院、四川省人民医院 ICU（2019-01-01 至 2022-06-30）。  

外部验证：北京协和、上海瑞金、广州中山 ICU（2022-07-01 至 2023-03-31）。  

伦理：各院伦理豁免（回顾性），编号 TJ-2023-ML-01。  

2.3 纳排标准  

纳入：≥18 岁；ICU 住院时间 ≥24 h；入院 1 小时内完成生命体征及首次实验室检查。  

排除：入院时已明确脓毒症、妊娠、资料缺失 >20%。  

2.4 脓毒症定义  

采用 Sepsis-3：感染证据 + SOFA≥2。感染证据：细菌培养阳性或临床诊断且抗菌药使用 ≥3 天。  

2.5 数据提取  

47 项变量：  

生命体征 8：收缩压、舒张压、平均动脉压（MAP）、心率、呼吸频率、体温、SpO₂、意识评分（GCS）。  

实验室 31：乳酸、白细胞、中性粒细胞百分比、血红蛋白、血小板、PT、APTT、INR、D-二聚体、PCT、CRP、血糖、肌酐、尿素氮、eGFR、总胆红素、白蛋白、ALT、AST、Na⁺、K⁺、Cl⁻、Ca²⁺、Mg²⁺、HCO₃⁻、pH、PaO₂、PaCO₂、氧合指数、尿素/肌酐比值。  

基础信息 8：年龄、性别、BMI、合并症（高血压、糖尿病、冠心病、慢阻肺、肝硬化、免疫抑制）。  

2.6 数据预处理  

缺失值：连续变量多重插补（MICE），分类变量单独“未知”类别。异常值：3SD 之外 winsorize。标准化：Z-score。  

2.7 模型开发  

8 种算法：逻辑回归、随机森林、SVM、K-近邻、神经网络、XGBoost、LightGBM、CatBoost。  

超参数优化：贝叶斯优化 100 次迭代。  

特征选择：Boruta + SHAP top 30。最终保留 22 项（表 2）。  

2.8 验证策略  

内部：5 折交叉验证 + 内部验证集。外部：完全独立 4 018 例。  

2.9 性能指标  

AUROC、AUPRC、准确率、灵敏度、特异度、F1、Brier 分数、校准曲线（Platt scaling）。  

2.10 可解释性  

全局：SHAP 总体条形图、蜂群图。  

局部：SHAP waterfall 解释单例预测。  

2.11 公平性分析  

亚组：性别、年龄（<65/≥65）、免疫抑制、肝硬化、糖尿病。ΔAUROC<0.03 视为公平。  

2.12 统计与软件  

Python 3.9（scikit-learn 1.2, XGBoost 1.7, SHAP 0.41）。双侧 P<0.05。

3 结果  

3.1 基线特征  

18 463 例中脓毒症 4 小时发生率 12.8%。训练、内部、外部人群基线均衡（表 1）。  

3.2 模型性能  

XGBoost 最优：训练 AUROC 0.93，内部 0.91，外部 0.88。外部验证灵敏度 88%，特异度 83%，F1 0.57，Brier 0.082，校准良好（图 2）。  

3.3 特征重要性  

SHAP 全局：乳酸、呼吸频率、PCT、白细胞、GCS、INR、血糖、体温、D-二聚体、血钠（图 3A）。  

局部示例：83 岁男性，乳酸 4.2 mmol/L、呼吸 28 次/分，模型提前 3.5 h 预警，实际 2 h 后确诊。  

3.4 亚组公平性  

所有亚组 ΔAUROC 0.01–0.02，无统计学差异（图 4）。  

3.5 与传统评分比较  

qSOFA AUROC 0.64，SOFA 0.72，NEWS2 0.75，均显著低于 ML 模型（P<0.001）。  

3.6 决策曲线分析  

阈值概率 5%–50% 范围内，ML 模型净获益高于传统评分（图 5）。

4 讨论  

4.1 主要发现  

基于 47 项入院 1 小时内常规指标构建的 XGBoost 模型，在多中心外部验证中保持 0.88 AUROC，提前 4 小时预警脓毒症，显著优于传统评分。  

4.2 关键变量  

乳酸、呼吸频率、PCT 为前三重要特征，与生理机制一致：乳酸反映组织低灌注；呼吸频率升高提示代偿；PCT 为细菌感染特异指标。  

4.3 可解释性  

SHAP 提供全局与局部解释，帮助临床医生理解“为何预警”，提高接受度。  

4.4 公平性  

模型在老年、免疫抑制、肝硬化患者表现一致，避免因数据偏差导致歧视。  

4.5 与既往研究比较  

既往研究多基于 ICU 丰富变量，AUROC 0.80–0.85[5,6]。本研究仅用入院 1 小时内常规数据，外部验证 0.88，更具普适性。  

4.6 临床转化  

模型已封装为 RESTful API，嵌入 HIS，实时输出风险评分及解释图（图 6）。  

4.7 局限性  

回顾性设计存在残余混杂；外部验证仅三家医院；未评估干预效果（预警后临床响应）。  

4.8 未来方向  

前瞻性实施研究（Stepped-wedge cluster RCT）验证预警后干预能否降低病死率；扩大基层医院验证。

5 结论  

基于入院 1 小时内常规数据的 XGBoost 模型，可在多中心独立人群中提前 4 小时准确、公平地预警脓毒症，具备良好的校准度与可解释性，适合嵌入 CDSS 推广。

致谢  

感谢 6 家医院 ICU、信息科及数据治理团队。

参考文献（节选）  

[1] Rudd KE, et al. Lancet. 2020;395(10219):200-211.  

[2] Xie J, et al. Crit Care. 2022;26(1):1-12.  

[3] Seymour CW, et al. JAMA. 2016;315(8):801-810.  

[4] Collins GS, et al. BMJ. 2023;378:e070441.  

[5] Johnson AE, et al. Crit Care Med. 2018;46(7):e669-e677.  

[6] Nemati S, et al. NPJ Digit Med. 2018;1:89.