孩子肺炎会不会变重？上海儿童医院研发AI预警平台，7个指标精准预测

*仅供医学专业人士阅读参考

从“凭经验”到“靠数据”：儿童重症肺炎有了智能化决策助手

整理：易艾蓝

审核专家：上海市儿童医院董晓艳教授

儿童重症肺炎是全球5岁以下儿童死亡的主要原因，在儿童肺炎中重症占比约15%~20%，病死率高达5%~10%。它起病急、进展快，有时病毒感染后短短48小时内就可能从轻症急剧发展为呼吸衰竭。然而，当前临床诊断面临诸多困境：常规检验指标的灵敏度和特异度不足，不同医生评估水平参差不齐，加上患儿年龄、病原体类型、基础疾病等因素差异大，很容易导致部分患儿错过最佳治疗窗口。尤其在经济欠发达地区，基层医师从业年限短、设备资源有限，对隐匿性呼吸衰竭、脓毒症早期表现等重症预警指征的识别能力更为薄弱，首诊误判和转诊延误时有发生。

如何让重症肺炎的识别跑在病情恶化之前？上海市儿童医院呼吸科朱思宇、曾泽宇、董晓艳团队在《上海医学》发表了一项创新性研究成果。他们针对上述临床瓶颈，基于多模态数据融合技术和多种机器学习算法，成功构建了儿童重症肺炎预警决策平台，并已将该平台以软件形式嵌入全院住院医师工作站。这一系统突破了传统单模态模型的局限，实现了从“风险预警—病情评估—决策支持”的全流程智能化辅助，为呼吸专科及基层儿科医师提供了有力的决策支持工具[1]。

临床痛点：数据孤岛、预警滞后与基层困境

研究团队首先系统梳理了儿童重症肺炎临床管理面临的四大核心挑战。

第一是多源数据碎片化。患儿的生命体征（体温、呼吸频率、血氧饱和度）存储在医院信息系统（HIS），实验室指标（如CRP、降钙素原、白蛋白等）在检验系统（LIS），影像资料在影像归档系统（PACS），可穿戴设备的动态监测数据则在移动医疗终端。这些系统各自独立，缺乏标准化接口和统一数据仓库，跨模态数据难以关联分析，医生难以对患儿病情进行全景式评估。

第二是传统预警机制动态性不足。目前临床上主要依赖静态评分系统（如临床肺部感染评分CPIS）或人工经验判断，需要手动采集离散时间点的数据，难以捕捉儿童肺炎快速进展的病理特性，往往滞后4~6小时才发现病情恶化，错过早期干预的黄金窗口。

第三是基层识别能力薄弱。基层医疗机构是儿童肺炎的首诊主阵地，但受限于人员经验和设备条件，对重症预警指征的识别能力明显不足。

第四是现有模型泛化性差。基于单模态数据构建的模型未充分纳入年龄分层、基础疾病（如先天性心脏病、支气管肺发育不良）、病原体类型和遗传易感性等异质性因素，导致在不同亚组人群中应用价值受限。

解决方案：多模态融合与动态建模

针对上述痛点，研究团队遵循“需求驱动—技术赋能—临床验证”的设计原则，构建了覆盖四大核心功能模块的智能化预警决策平台。

多模态数据管理模块是平台的数据基石。它通过开发跨系统数据接口，对接HIS、LIS、PACS及可穿戴设备，实现生命体征、实验室指标、影像资料和动态监测数据的实时采集与标准化整合。同时利用自然语言处理（NLP）技术提取电子病历中的非结构化信息（如“三凹征阳性”“喘息加重”），将其转换为标准化标签（如“呼吸窘迫”），最终输出涵盖患者基本信息、静态指标和时序动态指标的多模态数据集。

智能预警与决策支持模块是平台的核心算法中枢。团队采用“卷积神经网络（CNN）+长短期记忆网络（LSTM）+Transformer”的混合架构融合多模态特征，并基于融合特征训练轻量级梯度提升机（LightGBM）分类模型，实现了分钟级的动态风险预测，突破传统静态评分系统平均滞后4~6小时的局限。平台内置了《儿童社区获得性肺炎管理指南（2024修订）》和《儿童重症肺炎临床预警及早期决策专家共识》等权威知识库，可结合患者的风险预测结果和个体特征（年龄、基础疾病），自动推荐个性化干预方案。

交互界面优化模块采用以用户为中心的设计原则，左侧面板展示患者基本信息，右侧集成重症动态指标趋势图、红黄绿三色分级预警等级，关键异常指标自动标红，底部嵌入“诊疗建议”标签页，支持一键导入电子病历信息，操作流程大幅简化。

智能提醒与协同模块则通过多渠道信息触达与远程协作，支持实时共享患者数据、预警报告及影像资料，确保预警信息的时效性与临床干预的连贯性，会诊记录可自动归档至患者电子病历。

成效验证：7个指标预测重症，AUC达0.899

研究团队纳入了2019年11月至2023年12月期间在上海市儿童医院确诊为肺炎支原体肺炎的2381例患儿临床数据，采用逻辑回归算法构建重症肺炎支原体肺炎（SMPP）预测模型。通过严格的数据筛选和特征工程，最终筛选出7个核心预测因子：发热天数、乳酸脱氢酶（LDH）、白蛋白（ALB）、肌酸激酶同工酶（CK-MB）、中性粒细胞百分比、白细胞计数（WBC）和D-二聚体。

模型对这些指标分别赋予了不同的赋值规则，例如发热天数>4天计为1分，LDH根据水平高低分三级赋分（<110 U/L计1分，110~290计2分，≥290计3分），ALB同样三级赋分，中性粒细胞百分比和WBC计数也按水平分三级赋分，而CK-MB>25 U/L和D-二聚体>0.55 mg/L FEU则分别计为1分（见表1）。

经ROC曲线分析评估，该模型在验证集上的曲线下面积（AUC）达到0.899（95%CI 0.861~0.937），灵敏度为0.827，特异度为0.861，准确度为0.838，精确度高达0.932（见图1）。

图1：儿童重症肺炎预警模型预测肺炎患儿进展

重症的ＲＯＣ曲线

这一结果表明，仅依靠7个常规临床检验指标，模型就能以较高精度预测肺炎患儿进展为重症的风险，且这些指标均为基层医疗机构可以开展的常规检查项目，具有极佳的普适性和成本效益。

总结：从单中心到全国，从医院到家庭

目前，该预警决策平台已作为软件系统嵌入上海市儿童医院全院住院医师工作站，并在其儿科医疗联合体内多家医院推广应用。临床实践中，平台通过对多模态数据中蕴含信息的实时分析，对患儿是否可能发展为重症肺炎进行风险评估，并将结果以概率化形式直观呈现给临床医师，辅助其做出更及时、更精准的诊疗决策。

当然，平台仍面临一些待优化的问题。当前数据库以东部地区患儿为主（占比78%），对西部地区、少数民族及特殊体质（如早产儿、先天性心脏病）患儿的覆盖不足；对腺病毒、鼻病毒等罕见病原体的预警能力因样本量少（仅占8%）而受限；部分基层医师对智能系统存在“经验依赖”，倾向于“先看自己判断，再参考平台结果”，需要加强培训以建立信任；对重症患儿远期预后（如肺功能恢复、再住院率）的验证评估也有待完善。

未来，研究团队计划从多个方向持续拓展平台功能：引入基因组学数据（如TLR4、IL-6R基因多态性），构建“多组学+多模态”融合模型；探索大语言模型在电子病历分析中的应用；开发“家庭监测版”，通过可穿戴设备采集夜间血氧、活动量等居家数据，实现“医院—家庭”全场景预警；与区域医疗云平台对接，实现“市—县—乡”三级医疗机构预警数据共享；联合行业学会制订临床应用指南，推动平台纳入国家儿童健康医疗大数据应用试点。

儿童重症肺炎的早期识别和及时干预，关乎每一个孩子的生命安全和远期健康。上海市儿童医院团队研发的这套预警决策平台，通过多模态数据融合与人工智能技术的创新结合，为破解“识别难、干预晚、基层能力不足”这一临床难题提供了切实可行的技术路径，也为儿科重症领域的数字化转型树立了标杆。未来，随着平台的持续优化和推广，它有望让更多孩子免于重症肺炎的威胁，真正实现“早发现、早诊断、早治疗、早管理”的儿科专病全周期管理目标。

参考文献：

[1].朱思宇，曾泽宇，董晓艳. 基于多模态数据的儿童重症肺炎预警决策平台的构建与应用[J]. 上海医学， 2025， 48（7）：445-449. DOI：10.19842/j.cnki.issn.0253-9934.2025.07.010

《上海医学》杂志创刊于1978年，是由上海市卫生健康委员会主管、上海市医学会主办、国内外公开发行的医药卫生类综合性学术刊物。为中国科技核心期刊（中国科技论文统计源期刊）、中国科技期刊卓越行动计划（二期）集群化试点项目、中国科协高质量科技期刊分级目录临床医学领域入选期刊、《复旦大学学位与研究生教育国内期刊指导目录》A类期刊、CACJ中国应用型核心期刊、中国科学评价研究中心（RCCSE）来源期刊、中国生物医学文献数据库（CBM）来源期刊、美国化学文摘（CA）来源期刊、日本科学技术振兴机构数据库（JST）来源期刊、中国学术期刊网络出版总库全文收录期刊、中国学术期刊数据库全文收录期刊、中文科技期刊数据库全文收录期刊。获评华东地区优秀期刊及优秀栏目。

本刊设有院士论坛、共识与指南、述评、专家笔谈、创新论坛、青年学术论坛、专题研究、临床研究、论著、短篇论著、卫生管理、MDT病例讨论、病例报告、综述、会议纪要等栏目，介绍上海医学科技奖获奖项目。杂志每年开设各重点学科的专辑或专题，并举办“春蕾杯”年度优秀科研论文和优秀病例报告评比活动，遴选青年才俊担任审稿人并培养为青年编委。本刊对于具有较高创新水平和科学价值、聚焦于国家重大战略的稿件，开设绿色通道，可予以优先发表。欢迎您订阅与投稿。

官方网站：http://www.smasmj.com

编辑部地址：上海市北京西路1623号 邮政编码：200040

联系电话：021-62178606；官方邮箱：smasmj@shsma.org.cn

加入我们吧！

责任编辑：叶子

*"医学界"力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。