近日，中山大学附属第一医院简称（“中山一院”）重症医学科管向东教授、吴健锋教授团队联合迈瑞医疗研发团队完成重磅科研成果——具有可解释性的专家增强早期预警系统（Expert-Augmented Early Warning System, EAEWS），发表于IF18.0的全球医学人工智能领域最具影响力的期刊之一《npj Digital Medicine》。这一研究成果标志着我国在重症患者智能监护领域取得重要突破，为临床早期识别患者病情恶化风险提供了全新的技术路径。

　　本次研究实现了两项重要突破。其一，研究团队充分发挥设备端高精度数据优势，深度挖掘多参数趋势变化特征，构建机器学习模型。仅依托床旁监测信息，便实现了与多模态数据相近的性能。研究基于床旁监护设备提供的高分辨率秒级生命体征数据，深入挖掘与患者病情变化密切关联的多参数趋势特征——包括参数基础值、变化方向、变化幅度及趋势持续时间等，构建循环-呼吸失稳风险早期预警模型。

　　在中山大学附属第一医院重症医学科（SYSU-ICU）内部验证与MIMIC-III外部验证中，该模型均展现出了更高的预测准确性。AUROC和AUPRC两项核心指标上，模型表现持续优于SI、BP等其他单参数模型以及未纳入趋势特征的模型。这也进一步验证了仅依托床旁监护设备构建高性能预警系统的可行性。

　　其二，研究创新性引入“专家增强机器学习”（Expert-Augmented Machine Learning, EAML），打开AI医疗应用“黑盒”，弥补了预警模型在决策透明性方面的不足。研究借助树模型分析转化，并结合多位资深重症专家对规则的评审及判断，最终形成包含180条高价值规则的专家增强型早期预警系统。每条规则皆由多个特征阈值条件构成，分别对应一种特定的生理失衡模式。这意味着，系统在发出预警提示的同时，将能够提示触发的关键原因，让原本不可见的算法判断过程变得可理解、可追溯。

　　在MIMIC-III外部验证中，F1值是综合衡量模型识别效果的重要指标。数值越高，说明模型在减少误报和漏报之间的平衡越好。EAEWS的F1值为 0.53，高于默认概率阈值（0.5）的随机森林模型（ F1值为 0.46）,具有更强的综合识别能力。在3小时风险窗口内的预警时效性比较中，EAEWS可平均提前20分钟发出有效预警，且阳性预测值（PPV）超过70%。进一步证实系统不仅具备更强的预警能力，还兼具了较高的预警质量与较低的临床干扰性，有助于减少报警疲劳。

　　值得关注的是，以EAEWS算法为基础，迈瑞医疗开发的BeneVision V系列监护仪EIA患者状态早期恶化提示功能，现已完成临床落地应用。该功能依托重症病房现有床旁监护设备即可独立实现，具备极强的临床可及性与落地实操性。

　　此次研究成果，将为重症患者监护提供智能化支撑，同时也为医疗人工智能从科研创新迈向临床转化提供了一条新的实践路径。面向未来，迈瑞将持续联动全国各级医院临床专家，聚焦重症、围术期、急诊等核心救治场景深化产学研协同，加速AI算法创新与医疗器械产品融合转化，持续挖掘智能监护临床价值，以数智化技术提升危重症救治水平，以产学研深度协作助推国内智慧医疗高质量发展。