周翔：数智驱动的中国脓毒症质控体系的建立与实践

当前，脓毒症已成为亟待解决的全球重大公共卫生问题。该疾病的负担重、死亡率高，干预治疗时机难以把握。“脓毒症的整个治疗过程亟需数智驱动的技术突破，以及面向全生命周期的整合型质控体系创新。”国家重症医学质控中心主任、中国医学科学院北京协和医院信息中心主任周翔强调，在数智时代，脓毒症诊疗正迎来前所未有的新机遇。

破解脓毒症诊疗困境

脓毒症具有强异质性和高时序波动性的特征，传统的临床研究一般采取随机对照试验（Randomized Controlled Trial，RCT），存在以下局限：RCT干预性研究有较强的伦理限制，危重场景下患者入组更加困难；面对复杂的异质性，目前认为需要更加精细的分层设计可能才能获得突破，但是复杂的前瞻性亚组设置样本量需求更大；即使RCT在治疗组中获得“群体”的治疗获益，其中也可能存在“受害”的个体。同样，在“群体”不获益的情况下，其中也可能存在获益的“个体”。

数智化为突破这一局限带来了新机遇。周翔谈到：“ICU拥有高密度的海量数据，在信息技术的支撑下，数据来源更加准确，可对脓毒症患者人群进行精准划分，由此实现了对患者的个性化诊疗。”

2013年，北京协和医院脓毒症研究团队发表学术论文，首次报告了ICU中重症患者脓毒症的重要特征，包括脓毒症位列ICU第二常见并发症、脓毒症位列ICU住院死亡第四大独立危险因素等。此后，研究团队从北京市一家社区开始，将脓毒症基线调查拓展至全国，揭示了中国脓毒症发病率和死亡率显著高于国际水平的现状。在此基础上，研究团队首次系统描绘了我国脓毒症的疾病负担演变，包括远期预后、全时程负担及年龄标化指标，形成了核心流行病学数据，并成为全球疾病负担（GBD）研究的重要参考范本。

周翔谈到，通过从社区到全国脓毒症数据数十年的深挖，我国建立了覆盖全国的整合型脓毒症质控体系。

创新构建整合型脓毒症质控体系

自2012年起，我国已建立覆盖全国的重症质控组织体系，铺设覆盖全国的质控网络，在全国范围打造 “国-省-市-院”多级质控中心及医疗机构的交联网络，搭建医疗质量监测平台，目前已反馈超过1400万ICU患者的质量安全数据。

2015年，我国发布了国家级脓毒症重症医学质控指标，规范了中国ICU质量控制数据的来源，以及业务行为和流程。2024年，基于亿级ICU质量客观数据，国家重症医学质控中心研究人员运用科学质控指标评价方法，完成了2024版ICU质控指标修订，新版质控指标由国家卫生健康委发布。通过多年努力，我国逐步形成了适合中国国情的脓毒症重症质控指标，改变了脓毒症中国ICU质量评价无统一客观标准的局面。

周翔介绍，经过多年不懈努力，我国建成了全球最大的脓毒症专病平台。该平台不仅是ICU质量管理的核心抓手，涵盖抗感染、休克复苏及器官功能支持等规范诊疗环节，也是全球最大的脓毒症队列。2017-2025年，平台纳入1167家医疗机构，拥有96万脓毒症病例数据，其中600家医疗机构采用接口上报，可采集患者基本信息、院内路径等相关指标，覆盖诊疗全流程。

数据质量是支撑后续数智化应用的关键，因此数据质量检验始终是核心任务。脓毒症专病平台采取系统核查与人工核验相结合的方式，设置了必填项缺失数据无法入库、超限数据无法入库等限制，将数据质量达标率提升到超95%，筑牢数据基石。

“在单病种平台基础上，我们联合多家医院ICU脓毒症病历，构建了分钟级精度的多中心、大规模、多维度时序数据库，整合电子病历、影像、检验、监护、病理及生物样本等多源信息。”周翔谈到，目前已建立了脓毒症标准医学本体知识库，将症状、诊断、特征等实体及关系抽取并治理，形成结构化知识图谱。

脓毒症诊疗的异质性全国差别大，存在资源分配不均、指南依从性差、均质化管理弱等特点，因此在实践中，需以“结构-过程-结局”指标为抓手，实现科学质控到精准质控，带动全国脓毒症诊疗提升。

数智驱动脓毒症诊疗

脓毒症具有异质性强、时序性强等特征，诊疗过程应以数智技术突破为驱动，同时推进面向全生命周期的整合型质控体系创新。当前，算力算法的快速发展正在重塑脓毒症全流程管理，场景涵盖早期识别、临床决策支持、动态监测轨迹分析等。在实践中，脓毒症诊疗以结构调整、流程优化、体系改善和能力提升为抓手，将推进关键技术规范应用与创新攻关作为着力点，借助信息技术，整个诊疗流程更加规范化。

“为推动信息技术在脓毒症诊疗中的应用，首先要解析脓毒症的异质性和时序性，给数据建模提供模版。”周翔强调，该工作可为面向脓毒症三大维度开发模型制定方向：规范抗感染治疗、精准血流动力学管理、优化器官功能支持。

北京协和医院研究团队建立了脓毒症临床演变动态预测模型，创新性提出血管反应性指数（BPRI=MAP/VIS），实现床旁、快速评估患者血管活性药物反应性。医院通过机器学习的方式，探究了影响BPRI的临床干预因素，为临床诊疗提供指导。

基于14.8万例脓毒症患者多维度数据库，研究团队利用多种机器学习方法构建了脓毒症患者快速风险分层模型（SRS），将脓毒症患者分为低风险组、中风险组和高风险组，指导临床抗生素选择。

针对脓毒症诊疗过程中抗感染决策困难的情况，北京协和医院组织开发了本地部署的KRAL（知识推理强化学习）智能辅助决策体系。该系统具有以下优势：采用知识与推理双重蒸馏，结合智能体强化学习，显著降低幻觉；通过工程优化使计算量降低8倍、GPU显存需求降低100倍，可在消费级电脑运行；构建了多层级评估系统，性能优于传统模型。

依托国家重症医学质控中心网络，KRAL智能辅助决策体系目前已在全国范围获得推广，具体诊疗过程中前后对照研究显示，使用后脓毒症患者的预后获得明显改善、院内病死率下降，人均治疗费用降低6000余元。据悉，该项目的相关工作获多项国家级重点研发项目支持。未来，KRAL智能辅助决策体系将更多向脓毒症患者院前及院后管理延伸。

谈及未来数智技术在脓毒症诊疗中的应用时，周翔强调：“在以脓毒症为代表的危重症诊疗全过程中，未来需面向不同等级医疗机构，实现安全、可控、可及的多智能体落地应用，使患者受益。”