近日，我院臨床流行病學與循證醫(yī)學中心孫鑫研究員、王雯副研究員團隊在數(shù)字醫(yī)學領域頂刊npj Digital Medicine（IF:12.4）上發(fā)表題為 “A methodological systematic review of validation and performance of sepsis real-time prediction models” 的方法學調查。該研究系統(tǒng)調查了現(xiàn)有膿毒癥實時預測模型（SRPM）的方法學現(xiàn)狀和問題，提出了實時預測模型的新定義、形成了該領域內首個針對實時預測模型開發(fā)與驗證的方法學推薦。

圖1. 膿毒癥實時預測模型的方法學調查（npj Digital Medicine, 2025）

精準識別急重癥患者疾病狀態(tài)變化、早期予以針對性干預措施，是提升急重癥救治能力的重要措施。融合真實世界醫(yī)療數(shù)據(jù)和人工智能技術，開發(fā)針對急重癥患者的實時預測模型，早期、實時識別患者疾病變化，是醫(yī)工交叉研究領域的重要內容和前沿發(fā)展。急重癥實時預測模型由于患者高度異質性、數(shù)據(jù)動態(tài)變化性，其模型開發(fā)、驗證、評價的方法均與傳統(tǒng)預測模型存在差異。尚無針對實時預測模型的方法學推薦，導致模型臨床應用表現(xiàn)不佳、利用率低，阻礙了其向臨床轉化應用。

針對以上方法學難題，研究團隊以SRPM為示范，開展了實時預測模型方法學調查。通過檢索截至2023年3月的文獻，共納入91項研究。研究結果發(fā)現(xiàn)：目前SRPM研究存在定義不統(tǒng)一（圖2）、驗證方法不一致、評價指標不全面等方法學問題。如：僅54.9%的研究基于全時間窗口驗證，并同時計算了模型層面和結果層面的性能指標；僅18.7%的研究在多維指標評價中性能較好(圖3)。研究團隊進一步揭示了提升SRPM性能關鍵方法學因素（圖4），并針對“數(shù)據(jù)準備-模型開發(fā)-模型驗證-臨床轉化”四個階段關鍵技術，形成了方法學推薦。

圖2. 膿毒癥實時預測模型的新定義（npj Digital Medicine, 2025）

圖3. 不同驗證方式下膿毒癥實時預測模型的性能表現(xiàn)（npj Digital Medicine, 2025）

圖4. 影響膿毒癥實時預測模型性能的關鍵方法學因素（npj Digital Medicine, 2025）

上述研究是該領域內首個針對實時預測模型的方法學調查，通過系統(tǒng)方法學調查，課題組揭示了SRPM存在的方法學局限及影響模型表現(xiàn)的關鍵因素，并因此提出了實時預測模型的新定義、形成了首個針對實時預測模型的方法學推薦。

該研究是課題組在AI賦能真實世界研究領域的又一重要成果。課題組依托循證醫(yī)學學科優(yōu)勢，融合人工智能與真實世界數(shù)據(jù)，在全國率先建立了針對復雜數(shù)據(jù)的真實世界隊列構建技術、開發(fā)了針對動態(tài)用藥的方法學框架及關鍵技術、發(fā)布了首個針對復雜變量的識別技術規(guī)范，相關成果發(fā)表在BMJ, Military Medical Research, Critical Care, Critical Care Medicine等雜志。

我院循證醫(yī)學中心博士研究生王子晨與王雯副研究員為共同第一作者。孫鑫研究員與王雯副研究員為本文共同通訊作者。該研究得到了國家自然科學基金、我院學科卓越發(fā)展“1·3·5”工程等項目的支持。

原文鏈接：https://doi.org/10.1038/s41746-025-01587-1