SAFE-WAIT 脓毒症 AI 试验扩大，但五家新南威尔士州医院将检验其真正价值
在一项试点使部分高风险患者的抗生素使用时间提前 83 分钟后，NSW Health 正将 SAFE-WAIT 脓毒症 AI 试验扩展至五个急诊科。
此次推广使 SAFE-WAIT 超越了其在 Westmead Hospital 为期六个月的原始试验。它将检验这一本地开发的临床模型能否在不同医院、患者群体和工作环境中持续发挥作用。
这次扩展才是真正值得关注的故事。脓毒症算法在开发所在医院内往往表现亮眼，但面对新的患者群体和临床工作流程时却可能令人失望。SAFE-WAIT 现在将接受这项更严峻的考验。
该项目还瞄准了急诊护理中一个不同寻常的缺口。许多病情恶化监测系统会在患者入院后发挥作用，此时已有实验室结果和多次观察记录。SAFE-WAIT 则聚焦于仍在等待首次医生诊察的人群。
它的主要对手并非另一家 AI 供应商，而是传统的基于阈值的警报系统，这类系统通常会在预先定义的临床体征出现后才作出反应。SAFE-WAIT 旨在更早识别风险，同时避免因误报过多而令护士不堪重负。
SAFE-WAIT 脓毒症 AI 试验走出 Westmead
NSW Health 正将一项颇具潜力的单医院试点，转变为覆盖五个急诊科、为期两年半的评估项目。
参与医院包括 Westmead、Auburn、Blacktown、Mount Druitt 和 Nepean。扩展项目计划于 2027 年初启动。
SAFE-WAIT 通过该州的 Translational Research Grants Scheme 获得近 50 万澳元资助。该项目属于政府总额 490 万澳元、支持高影响力医学研究的更广泛投资的一部分。
急诊科医生、副教授 Amith Shetty 领导了开发该系统的 NSW Health 临床团队。Western Sydney University、University of Sydney 及其他医疗机构的研究人员也参与了其评估工作。
该模型使用患者初次分诊评估期间记录的信息。输入数据包括人口统计资料、生命体征，以及医生检查患者前即可获得的相关风险因素。
随后，它会给出低、中或高脓毒症风险等级。仪表板通过交通灯式显示呈现这些类别，让护士能够按优先级查看候诊区情况。
高风险结果并不意味着诊断为脓毒症。它会提示进行临床再评估，其中可能包括重复观察、进一步检查、升级处置、补液或在临床适宜时给予药物治疗。
这一区别很重要，因为脓毒症在早期很难识别。脓毒症发生于机体对感染的反应引发器官功能障碍时，但其最早期症状可能与危险性较低的疾病相似。
传统确认方式也可能依赖于分诊时尚未获得的信息。实验室结果、影像检查和医生的完整评估往往在患者已经等待一段时间后才会出现。
SAFE-WAIT 尝试利用患者到达时可获得的有限信息。当新的生命体征进入系统时，它会重新计算风险，使工作人员能够在患者尚未接受诊察时追踪病情变化。
根据 NSW Health 的公告，最初的 Westmead 试点于 2024 年运行了六个月。该机构表示，工作人员更早识别并治疗了一些高风险患者。
即将开展的评估有着更严格的目的。它必须证明，SAFE-WAIT 能够在进行实际试点的医院之外可靠运行。
这一转变改变了证据标准。问题不再是该仪表板能否在 Westmead 运行，或能否产生令人鼓舞的关联结果，而是其他急诊科能否获得一致的临床价值。
为什么候诊区是关键考验
SAFE-WAIT 聚焦于临床信息最匮乏、患者数量最直观、病情恶化却可能仍被掩盖的阶段。
据 Western Sydney Local Health District 引述的数据，Westmead Hospital 在该年度接诊了逾 8 万人次急诊患者。其候诊区可同时容纳 40 至 60 名患者。
分诊护士必须从拥挤的人群中识别出最紧急的病例。现有的分诊类别有助于分配优先级，但脓毒症并不总会呈现出一目了然的模式。
部分患者到院时状况明显不稳定，因此能迅速获得关注。另一些患者在病情变化前看起来并不紧急，由此在等待医生诊察期间形成监测难题。
Western Sydney 的报道称，SAFE-WAIT 比传统脓毒症触发条件出现相应症状提前约 90 分钟识别出高风险患者。
系统开发者将其设计为护士的决策支持工具，而非自主临床控制系统。因此，其实际价值取决于风险类别出现后发生的事情。
如果人员短缺导致无法重新评估，红色信号的价值就很有限。如果频繁误报让护士从患有其他紧急疾病的患者身边被调离，它也可能造成伤害。
首项试点报告了一个更具实用性的运营信号：经调整后，分诊类别为二级和三级的高风险患者，比可比的低风险患者提前 83.6 分钟获得抗生素治疗。
这一结果与 NSW Health 公开摘要中平均提前 83 分钟的表述一致。然而，详细研究中还存在一个重要的复杂因素。
被归入较不紧急的四级和五级分诊类别的高风险患者，获得抗生素治疗的时间反而晚了 186.37 分钟。研究人员发现，分诊级别与 SAFE-WAIT 风险之间存在显著交互作用。
这一发现并不能证明 SAFE-WAIT 导致了这些延误。该研究属于观察性研究，治疗时机受到疾病表现、分诊决策、工作流程和临床医生判断的影响。
但它表明，平均值可能掩盖重要差异。有效的预警系统必须帮助最可能被忽视的患者，而不只是帮助那些已获得紧急分诊分类的患者。
试点还显示，高风险状态与医生诊察时间提前 3.5 分钟相关。这一变化具有统计学显著性，尽管其实际重要性小于抗生素治疗结果。
对于分诊类别为四级和五级的中风险患者，医生诊察时间延长了 10.62 分钟。同样，在项目扩展期间，值得关注其与既有分诊决策之间的交互作用。
这些混合效应使多中心试验成为必要。只有当护士理解并恰当地信任该仪表板，同时能够在不干扰其他优先事项的情况下采取行动时，仪表板才能改善护理。
SAFE-WAIT 如何挑战传统脓毒症警报
该模型以严格规则的精确性换取更早、更敏感的检测，这既是其最大优势，也是其主要运营风险。
传统脓毒症警报通常采用固定阈值。当特定生命体征、实验室数值或器官功能障碍标准超过预设限值时，规则即可被触发。
这种方法透明易懂，但可能遗漏非线性关系。即使没有单项指标超过严格阈值，多个单独看来并不严重的异常也可能提示风险。
SAFE-WAIT 使用机器学习整合现有分诊数据。其系统架构会处理血压、脉搏、呼吸频率、体温、血氧饱和度、人口统计资料和电子病历数据。
试点架构采用事件驱动的云端设计，以实现近乎实时的推理。其仪表板独立于医院电子病历系统，因此在护士工作流程中增加了一个额外界面。
研究人员将 SAFE-WAIT 与 Western Sydney Local Health District 现有的脓毒症警报进行比较。该传统警报采用与全身炎症反应综合征相关的标准，通常称为 SIRS。
在报告的分析中，SAFE-WAIT 的敏感性达到 0.86。敏感性衡量系统识别出最终脓毒症病例的比例。
现有警报在同一分析中的敏感性为 0.13。因此，SAFE-WAIT 捕捉到了更多后来符合研究确认脓毒症定义的患者。
这一改进伴随着 0.42 的假阳性率。传统警报的假阳性率为 0.02，因此其选择性明显更高。
因此，两种方法识别的是不同人群。传统警报似乎会在更明确的警示征象出现后，标记数量较少但通常病情更重的患者。
SAFE-WAIT 则在更早阶段撒下更广的网。根据该项目的预印本，在被归类为高风险的患者中，24% 最终发展为确诊脓毒症。
这意味着许多高风险患者并未达到研究中最终的脓毒症结局。其中一些人可能仍需要监测或治疗，但每一次警报都会占用临床注意力。
试点分析了 108,401 次符合条件的患者就诊记录。其中，104,904 次仅获得 SAFE-WAIT 风险类别，1,208 次仅触发现有脓毒症警报，2,289 次同时触发两个系统。
老年患者被归类为高风险的频率更高。65 岁及以上患者中，38% 进入了 SAFE-WAIT 的高风险组。
绝大多数高风险患者，即 94%，被分入二级或三级分诊类别。这一集中现象表明，SAFE-WAIT 往往与护士的判断一致，即患者需要相对及时的关注。
不过，该模型仍在这些宽泛类别内部提供了有用的区分。研究人员报告称，每 4.8 个高风险标记可识别出一名额外患有脓毒症、脓毒性休克或其他定义不良结局的患者。
SAFE-WAIT 还在分诊时将大多数后来发生脓毒性休克的患者归为高风险。表明休克的低血压发生时间中位数约在其后 92 分钟。
这些结果支持了该模型所提出的机制：在传统阈值显示出明显病情恶化之前，它整合有限信号作出判断。
然而，预测和干预是两种不同的成就。更好的风险评分并不能自动证明死亡人数更少、住院时间更短或抗生素使用更安全。
试点展现了速度，但尚未证明更好的结局
SAFE-WAIT 已有更早识别和治疗的证据，但尚未确立其能够因果性地改善患者结局。
最详细的公开评估是一篇 SAFE-WAIT 预印本。预印本尚未完成同行评审，因此其估计结果需要谨慎解读。
该研究比较了不同 SAFE-WAIT 风险类别的患者，并与现有警报进行了对照。研究人员在多项治疗分析中调整了包括年龄、性别、到院时间和疾病严重程度在内的因素。
经调整后的分析显示，中风险患者比低风险患者提前 58.81 分钟获得抗生素治疗。高风险患者则提前 116.99 分钟获得治疗。
这些数字描述的是分配风险与治疗时机之间的关联，并非来自 AI 支持护理与常规护理之间的随机分配。
病情更重的患者可能因为临床医生独立识别了其状况而更快获得治疗。该模型也可能影响护理，因此很难将预测质量与工作人员的反应区分开来。
研究报告显示，高风险患者进入重症监护室和院内死亡的校正后几率更高。这一模式表明风险分层成功，而非模型造成了伤害。
高风险状态对应的重症监护室收治校正后比值比为 1.77，对应的院内死亡校正后比值比为 2.26。
能够正确识别脆弱患者的模型，应当将更多最终不良结局归入高风险组。然而，这些关联并不能证明其警报避免了任何结局。
因此，扩展试验应衡量的不只是准确性。治疗时机、升级诊疗率、重症监护使用情况、住院时长、死亡率以及非预期抗生素暴露都同样重要。
抗生素给药速度需要谨慎解读。早期抗微生物治疗是脓毒症诊疗的核心，但不必要的抗生素使用会带来个体和群体层面的风险。
误报警报不应自动触发用药。NSW Health 将 SAFE-WAIT 描述为提示护理行动和临床重新评估的工具，在治疗前保留人工审查环节。
工作流证据同样重要。最初的实施采用了独立的只读网页应用，而非与电子病历全面整合。
这一设计可支持受控测试，但也要求临床医生额外监看另一块屏幕。使用率、漏报警报、响应时间和人工覆盖情况应构成多中心评估的一部分。
技术论文还报告称，试点期间未实施数据漂移监测。数据漂移是指传入的患者信息与用于开发模型的数据发生变化。
不同医院可能立即带来这类变化。其患者、文档记录习惯、设备、人员配置模式和急诊工作负荷，都无法与 Westmead 完全一致。
因此，一个系统可能仍保持软件功能正常，却失去临床准确性。持续监测和有计划的重新校准，是发现这种性能下降的关键。
延迟也是另一项风险。SAFE-WAIT 依赖信息从分诊系统流经推理管道，再返回仪表盘。
延迟或不完整的病历记录，会使看似实时的评分在临床上已经过时。架构论文承认，处理延迟和大量数据可能导致病例风险被低估。
这些并不是否定该项目的理由。它们是将研究模型与可靠的医院基础设施区分开来的实施问题。
脓毒症 AI 在其所属医院之外的表现并不轻松
临床脓毒症算法的历史表明，外部验证比在单一地点取得亮眼结果更重要。
最广为人知的警示案例是 Epic Sepsis Model，这一专有系统已部署在数百家美国医院。
一项独立的 JAMA 验证研究考察了 Michigan Medicine 的 38,455 次住院记录，其中 2,552 次发生了脓毒症。
在所评估的阈值下，该模型漏掉了 67% 的脓毒症病例。同时，它对全部住院记录中的 18% 给出了高风险评分。
其住院层面的受试者工作特征曲线下面积为 0.63。该指标反映模型区分发生和未发生该结局患者的有效性。
Epic 模型仅识别出 7% 尚未及时接受抗生素治疗的脓毒症患者。临床医生需要评估八名被警报的患者，才能发现一名最终发生脓毒症的病例。
这一失败说明了两个反复出现的问题：模型在开发环境之外可能表现更差，而过多警报会削弱工作人员的注意力。
SAFE-WAIT 与 Epic 的模型存在重要差异。它面向急诊候诊区域，使用分诊前后可获得的信息，并呈现分级风险，而非给出孤立的诊断性结论。
它也在开展试验的卫生系统内部开发。与许多专有医院算法相比，已发表的架构描述更公开地说明了其输入和实施方式。
这些区别并不能消除验证问题。它们恰恰说明五家医院的推广是正确的下一步实验。
一项 2026 年的系统综述评估了 53 项研究，覆盖超过 700 万例患者入院记录。其发现同时体现了前景与不确定性。
表现最佳的机器学习模型汇总曲线下面积达到 0.88。汇总敏感性为 77.2%，特异性达到 84.7%。
然而，阳性预测值仅为 34.2%。在实践中，这意味着许多获得阳性预测的患者并未出现所定义的脓毒症结局。
该综述还发现，研究之间存在极端差异，且大多数纳入研究具有较高偏倚风险。作者呼吁开展标准化验证和前瞻性务实试验。
这些证据将 SAFE-WAIT 置于更广泛的转型之中。医疗领域拥有许多回顾性脓毒症模型，但在日常临床工作流中接受前瞻性测试的系统要少得多。
澳大利亚的推进尤其谨慎。一项 2024 年的临床 AI 综述称，除医学影像外，大多数澳大利亚医院尚未使用临床 AI。
作者将信任、隐私、偏倚、治理和监管列为障碍。他们也认为，结构化实施可让医院在不跳过安全控制的前提下测试临床 AI。
SAFE-WAIT 代表了这种实施路径。它先经历静默评估，再进入实时试点，如今正迈向多中心测试。
这一顺序十分重要。静默试验在不向临床医生展示评分的情况下计算分数，使研究人员能在警报影响诊疗前评估其行为表现。
随后，实时试点会揭示对工作流的影响。多中心部署则测试可迁移性，即性能能否经受人员、环境和数据变化的考验。
NSW 的扩展不会自动解决所有问题。同一州内的五家医院，仍比全国部署所面对的环境更为狭窄。
不过，它可以提供比又一个基准结果更有价值的东西：证明本地开发的模型能否在不同运营压力下带来可重复的临床改进。
五家医院将测试可靠性、工作负荷与公平性
下一阶段必须确定，当运行环境发生变化时，SAFE-WAIT 是否仍然准确、可操作且公平。
首先需要关注的是各医院的表现。应分别报告每个地点的敏感性、特异性、阳性预测值和误报警报量。
如果 Westmead、Auburn、Blacktown、Mount Druitt 和 Nepean 的结果相近，将增强其可迁移性的论据。若差异很大，则意味着需要本地重新校准或重新设计工作流。
评估还应公布亚组表现。年龄已影响高风险分类，其他患者特征同样可能改变模型行为。
在治理安排和样本量允许负责任地报告时，相关分析应包括性别、语言背景、共病情况、妊娠状态和原住民身份。
模型可能在整体准确性上表现可接受，却无法很好地服务较小群体。医院需要确信，不会有某一人群承受更多漏诊或不必要警报。
第二个信号是警报与行动之间的关系。研究人员应追踪护士查看评分、重复观察、请求医生评估或升级诊疗的频率。
这些指标能够揭示系统是否改变了行为，也能识别自动化偏误，即用户过度轻易地服从计算机化建议。
低风险分类尤其值得严格审视。当临床判断与仪表盘冲突时，护士必须保留升级诊疗的权力。
同样，高风险结果应触发重新评估，而非自动治疗。这一结构在保留更早关注益处的同时，限制了不必要的干预。
警报负担将具有决定性作用。Westmead 分析报告的假阳性率为 0.42，即使更高敏感性在临床上值得追求，这一比例也相当可观。
实际问题并不是能否消除每一次假阳性，而是由此产生的工作负荷是否仍可管理，并且是否带来足够多有价值的重新评估。
研究人员应公布每个护理班次及每位患者对应的警报数量，还应报告响应时间、重复警报、忽略情况和未使用期间。
如果警报量上升而响应率下降，试验的核心主张就会被削弱。若能持续参与并带来更早诊疗，则会增强这一主张。
第三个信号是患者结局证据。最初的标题聚焦于更快使用抗生素，但扩展评估应追踪完整的临床路径。
重要结局包括脓毒性休克、重症监护室收治、死亡率、住院时长、再入院率，以及未确诊脓毒症患者的抗生素暴露。
在没有改善结局的情况下缩短治疗时间，仍可能代表有价值的流程改进。但这不足以证明模型能够挽救生命。
反之，若在庞大的急诊患者群体中取得小幅结局改善，也可能具有重要意义。试验需要足够的统计效能和适当的比较设计来检测这种效果。
两年半的持续时间为研究长期表现创造了机会。它应涵盖季节性感染、工作负荷变化、人员流动和不断演变的文档记录方式。
这也使漂移监测无法回避。研究人员应界定何时性能表现会触发审查、重新校准或暂时停用。
治理将与统计数据同样重要。临床团队需要明确模型更新、事件报告、访问控制和与患者沟通的责任归属。
即使临床医生看到的只是风险显示，该系统仍会处理敏感健康信息。数据流动、保留、安全性和供应商访问都需要有文档记录的控制措施。
透明报告将使这项试验的意义超出 NSW。其他地区的医院领导者需要实施证据，而不只是又一项关于算法准确性的主张。
最强的结果将结合可靠的跨地点表现、可管理的警报量和可衡量的诊疗改善。任何低于这一标准的结果，都应缩小该系统的预期用途。
SAFE-WAIT 接下来会如何发展
三项进展将决定 SAFE-WAIT 是成为持久的临床基础设施，还是仍只是一项令人鼓舞的 Westmead 实验。
第一，关注 2027 年重启后的逐院验证。若五家医院均呈现一致的敏感性和治疗效果，将支持更广泛部署。
如果在 Westmead 之外出现大幅下降，模型的核心优势将被削弱。这意味着本地数据、人员配置或工作流对最初结果贡献很大。
第二，关注团队如何管理假阳性和护理工作负荷。一个有用的系统必须反复赢得关注，同时不能与其他急诊优先事项形成破坏性竞争。
公开报告应将每个风险类别与临床行动和结局联系起来。这些证据将揭示交通灯式界面是否恰当地改变了诊疗。
第三，关注试验是否证明了快于抗生素给药之外的患者获益。脓毒性休克或其他不良结局发生率降低，将实质性增强这一论据。
若未出现结局差异，则需要得出更为审慎的结论。SAFE-WAIT 仍可能改善监测或诊疗流程，但不应被表述为已被证明能够挽救生命的干预措施。
该试验最重要的贡献，或许在于其严谨的测试方法。临床 AI 需要分阶段评估、人工监督、亚组分析、漂移监测，以及透明的失败判定标准。
对于开发者而言，教训是预测准确率仅仅是起点。集成能力、延迟、可操作性以及员工信任，决定了模型能否在真实诊疗过程中发挥作用。
对于医院采购方而言，该项目提供了一份实用的评估清单。应询问模型在哪里训练、其在本地的表现如何，以及每次警报会带来多少工作量。
对于患者而言，核心保障同样直接。SAFE-WAIT 应帮助临床医生发现病情恶化，同时将诊断和治疗决策交由受过专业训练的人员作出。
SAFE-WAIT 脓毒症 AI 试验如今有机会提供来自急诊候诊室的罕见多中心证据。它的价值将取决于结果，而非附加在 AI 身上的承诺。
未来两年半需要回答的问题可以量化：SAFE-WAIT 能否在五家医院中保持更早识别能力，同时不增加不安全治疗或难以控制的警报疲劳？
