住院病人在普通病房里悄悄恶化,甚至一路走到心脏骤停,是医院安全领域最顽固的问题之一。传统办法是"追踪-触发"式快速反应系统:给生命体征打分,分数过线就呼叫快速反应团队。这套流程用了几十年,却从未一致地证明能改善结局。机器学习把一个新答案推到台前——提前预测谁要恶化,把报警发得更早。就在 2026 年这一年里,三种真实世界的部署先后交出了成绩单。三种装法截然不同:一种只显示、不要求任何响应;一种把报警绑定到自动化的响应流程;一种报警照发、响应全凭自愿。三份结局一份阴性、一份提示有效、一份看不清,却几乎一致地指向同一个结论:决定结局的不是预测有多准,而是报警响了之后发生了什么。
## 起点:一个"中等判别力"的预测器
先说清楚模型本身的成色。2026 年 3 月,Journal of General Internal Medicine 发表了一项前瞻预注册的系统综述与荟萃分析:Northwell 团队检索了 2018 年 1 月至 2025 年 8 月的外部验证文献,最终纳入 22 项对 Epic 商用临床决策支持工具的外部验证,覆盖 34 个站点、超过 230 万名患者。结果谈不上乐观:主打的恶化指数(EDI)有 7 项外部验证、共 542,983 名患者,合并 AUROC 为 0.79(95% CI 0.76–0.80);脓毒症模型只有 0.65;非计划再入院模型 0.70。两个警示随之而来。其一,各研究异质性极高(I² ≥ 93%),跨站点表现明显不稳。其二,对其中三个模型,厂商自己报告的置信区间与外部合并估计根本不重叠——厂商的口径一致偏高。作者的结论克制:真实世界性能平平,没有一个模型的 AUROC 超过 0.79,部署之前必须做本地验证。
后面三份成绩单,都是在这个"中等判别力、漂移明显"的底子上展开的。
## 装法一:只显示,不要求响应
2026 年 2 月,Scientific Reports 发表了弗吉尼亚大学团队的实用集群随机对照试验:一间 85 张床的心脏与心外科病房,10,422 次住院按集群随机分成两组。干预组在监护屏上被动显示基于连续心肺监测的 AI 风险轨迹曲线,对照组照常管理。试验配了充分的实施与教育计划,但不强制任何响应动作——医生可以看,也可以不看;可以行动,也可以不行动。
结果是阴性的。主要终点是由死亡、紧急 ICU 转入、紧急插管、心脏骤停、紧急手术构成的复合恶化事件,两组没有差异;在发生了事件的患者中,显示组的无事件小时数略多,但没有达到统计学显著。曲线并非白画——风险评分大幅飙升的患者,平均住院时长约为其余患者的两倍(6.8 天对 3.4 天),模型确实圈出了更重的病人;可是把风险画在屏幕上,本身什么也没有改变。
实用设计还付出了代价:11% 的患者被临床医生主动转入或转出显示床位,这种删失侵蚀了随机化的部分性质。作者的结论很直白:预测分析监测加风险轨迹显示再加教育计划,"没有改善患者结局";未来的设计必须去理解临床医生如何解读曲线、如何沟通、如何行动。试验作者中有监护设备公司(Nihon Kohden)的雇员与顾问,这层关系已按期刊要求披露。
## 装法二:报警绑定自动响应
2026 年 9 月,NEJM AI 发表了这一领域迄今分量很重的观察性证据。RWJBarnabas 健康系统——11 家急症医院,涵盖学术、社区教学与非教学机构——把 EDI 评分达到或超过 60 分的实时报警,绑定到快速反应团队(RRT)的自动推送上:报警一响,响应流程被自动拉起,不依赖某个人记得打电话。这项准实验、交错队列、实施前后对照的研究,纳入了 2022 年 10 月至 2024 年 8 月间的 23,132 名内外科住院患者。
实施之后,RRT 激活率从 25.3% 升至 37.5%(绝对差 12.2 个百分点,95% CI 11.0–13.4;校正比值比 1.74);未经校正的院内死亡率从 23.1% 降至 18.6%(绝对差 −4.5 个百分点,CI −5.6~−3.5);升级治疗(如 ICU 转入)没有显著增加(1.1% 对 1.0%)。在校正年龄、合并症、医院类型、EDI 评分与医院层面的聚类之后,死亡的校正比值比为 0.82(CI 0.74–0.91)。作者的结论是:这套"报警加自动响应"的实施,与大型健康系统内不同类型医院的风险校正住院死亡率下降相关。
限制同样要说清楚:这是前后对照的准实验,不是随机试验——时间趋势、同期进行的其他质量改进,都可能贡献了效果。另一个数字值得咀嚼:在达到报警阈值的高危就诊中,实施后有 46.6% 生成了 RRT 推送,而且并非每次推送都转化为激活——这个报警量对临床注意力的消耗,值得警惕。
## 装法三:报警照发,响应可选
2026 年 1 月,Diagnostics 发表了韩国仁荷大学医院的一项一年期前瞻性非随机干预试验:全院部署 AI 心脏骤停预测软件,35,627 名普通病房住院者中有 2,906 人触发高危报警。报警提示的复核是"可选而非强制"——响不响应,全凭医生。
研究者按报警后 24 小时内患者是否被重新评估或治疗分组:1,409 人(48.4%)进入"AI 引导组",其余归入常规组。乍看之下,结果很抢眼:AI 引导组的心脏骤停发生率从 2.07% 降到 1.06%(校正风险比 0.54,CI 0.20–0.88),院内死亡率也更低(校正风险比 0.65,CI 0.32–0.98)。
但分组方式埋着一个根本性的混杂:按"医生是否响应"分组,等于按"医生是否更上心、病人是否更受关注"分组。得到及时响应的病人与无人响应的病人,本来就可能系统性不同。这项研究能证明的是"报警加响应的组合与更好的结局相关",不能证明这是 AI 的功劳,甚至不能排除反向因果。作者中包括该软件厂商(VUNO)的雇员,利益关系已按要求披露。
## 三份成绩单放在一起
结论出人意料地一致。三项研究用的并不是同一款预警系统,但都属于中等判别力的同一类病房恶化预警:只被动显示时,唯一的随机试验是阴性的;绑定自动化的结构化响应流程后,最强的观察性证据显示与死亡率下降相关;把响应交给自由裁量时,观察到的关联又无法与医生行为本身的混杂剥离。
预测只是扳机;扣动扳机的机构——RRT 推送、响应协议、问责闭环——才是干预本身。
三项研究的方法学教训也互相印证:弗吉尼亚大学的试验里,临床医生用脚投票(转床)就能侵蚀随机化;RWJBarnabas 的前后对照挡不住时间趋势;仁荷的响应分组直接引入选择混杂。要真正回答"AI 预警能不能救命",需要的是把"预测加响应包"当作一个整体去随机化的试验,而且主要终点必须放在死亡率或心脏骤停上。
## 对不同读者,含义不同
对医院:采购恶化预测模型时,你买的其实是一个响应流程改造项目——没有 RRT 联动与响应问责,再好的模型也只是屏幕上一条没人行动的曲线;上线之前先做本地验证,因为外部 AUROC 0.79 且 I² ≥ 93% 意味着你的站点很可能不是 0.79。对临床医生:被动接收风险曲线不会自动改善你的病人;证据支持的是"报警→结构化复核→升级路径"的闭环。对评估者与研究者:别再做按响应分组的效果评估;集群随机设计要预置防转床机制;厂商性能宣称与外部验证的差距,应该成为采购尽调里的标准问题。对患者与公众:这类系统可能已经在你入住的医院里运行,目标是更早发现恶化——但"更早发现"与"更好结局"之间隔着整个响应体系,这正是医院质量部门应该被问到的问题。
几条限制也值得点名:NEJM AI 研究中死亡率下降与实施的关联,不能等同于因果;弗吉尼亚大学试验限于心脏病房单科室、被动显示单一形态,不能据此外推"所有显示都无用";三项研究都没有报告报警负担与警报疲劳的量化数据;全部证据来自美国与韩国的高资源医院。
由此还有一个值得争论的问题:如果决定结局的是报警之后的响应体系,那么医院的下一笔钱,应该投给更准的模型,还是更快的响应团队?以及更现实的一问——当近一半高危就诊都会触发推送,报警的阈值该定得更高,还是响应该按风险分级?
来源:Nahass TA, et al. Implementation of an AI-Triggered Rapid Response - Association with Mortality. NEJM AI, 2026. https://doi.org/10.1056/AIoa2500973