Harris Health System — замена правила сепсиса на ИИ-модель Epic не улучшила лечение

Коротко. Две больницы муниципальной системы здравоохранения округа Харрис (Хьюстон, Техас) заменили простое клиническое правило выявления сепсиса на встроенную в электронную медкарту Epic предиктивную модель (Epic Sepsis Model, ESM). Независимое сравнение клинических исходов до и после замены не нашло различий во времени до лечения; смертность между периодами различалась (11% против 8%), но после поправки на долю невакцинированных от COVID пациентов разница стала статистически незначимой. Отдельная проверка точности самой модели показала, что в 6-часовом окне до сепсиса она замечает лишь 14,7% случаев.

Что изменили

Сепсис — тяжёлая, угрожающая жизни реакция организма на инфекцию; скорость начала лечения (время до антибиотиков, посева крови, эскалации в реанимацию) напрямую влияет на выживаемость. Больницы Ben Taub и Lyndon B Johnson сначала выявляли риск сепсиса по простому клиническому правилу SIRS+ (набор показателей — температура, пульс, частота дыхания и другие), затем перешли на встроенный в Epic EHR алгоритм ESM, который в реальном времени рассчитывает оценку риска и формирует оповещение для врача или медсестры.

Как измерили

Случай опирается на две независимые от Epic Systems работы. Первая — проверка точности самой модели ESM на реальных данных 2023 года (145 885 обращений в приёмный покой Harris Health System), опубликована в JAMIA Open, 2024. Вторая — сравнение клинических исходов до и после перехода: период под правилом SIRS+ (январь 2018–июнь 2022) против периода под моделью ESMv1 (декабрь 2022–январь 2024), 881 201 пациент в сумме. Она опубликована в JAMIA, 2026 (полный текст за пейволлом; цифры сверены по аннотации издателя). Авторы обеих работ — сотрудники UT Health, Baylor College of Medicine и самой Harris Health System; финансовых связей с Epic они не заявили.

Что получилось

По данным проверки точности (JAMIA Open, 2024), в клинически значимом 6-часовом окне до наступления сепсиса модель показала:

чувствительность — 14,7%;
специфичность — 95,3%;
точность положительного прогноза (PPV, доля верных срабатываний среди всех оповещений) — 7,6% (то есть верным оказывается примерно каждое тринадцатое оповещение);
медианное опережение оповещения относительно фактического начала сепсиса — 0 минут.

У половины случаев оповещение приходило не раньше начала сепсиса — практического запаса времени система не давала.

По данным сравнения исходов (JAMIA, 2026 — именно на этой статье основан итоговый вывод по случаю): между периодом SIRS+ и периодом ESMv1 не обнаружено статистически значимых различий во времени до антибиотиков (5,1 против 5,9 часа), до забора посевов крови (3,6 против 3,5 часа), до запроса в реанимацию (10,4 против 9,6 часа). Смертность между периодами различалась (11% против 8%), но после поправки на долю невакцинированных от COVID пациентов разница оказалась статистически незначимой (отношение шансов 0,95; 95% ДИ 0,87–1,03). Авторы прямо пишут: «Обе системы оповещения показали одинаково слабые диагностические характеристики».

Почему так вышло

Исследование исходов напрямую не устанавливает механизм нулевого эффекта. Авторы проверки точности пишут, что оповещение «мало помогает врачам в выявлении сепсиса»: при низкой чувствительности оно редко давало запас времени. Авторы работы об исходах добавляют, что старое правило SIRS+ и модель имели схожие ограничения: заменили один слабый сигнал на другой.

Чему учит

Точность модели (чувствительность, PPV) и организационный исход (время до лечения, смертность) — разные вопросы: модель может показывать слабую точность, а сравнение исходов — «нет разницы», потому что и старый, и новый метод работали одинаково слабо.
Инструмент раннего предупреждения с медианным опережением около 0 минут не даёт врачу реального запаса времени, какой бы ни была его чувствительность на бумаге.
Независимая, не аффилированная с поставщиком проверка встроенных в электронную медкарту ИИ-инструментов необходима до того, как полагаться на их результаты в масштабе системы здравоохранения.
Результат одной окружной системы здравоохранения не обязательно переносится на другие больницы, хотя он согласуется с более ранними независимыми проверками той же коммерческой модели (Wong et al., JAMA Intern Med, 2021, Michigan Medicine: чувствительность 33%, AUC 0,63).

Источники

External validation of the Epic sepsis predictive model in 2 county emergency departments — JAMIA Open, 2024 (проверка точности модели).
Аннотация в PubMed — JAMIA (Oxford University Press), 01.02.2026 (сравнение клинических исходов).
External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients (PMID 34152373) — Wong A. et al., JAMA Internal Medicine, 2021 (Michigan Medicine).

Уровень доказательности: B. Полный текст статьи об исходах (JAMIA, 2026) за пейволлом; цифры сверены по аннотации издателя. Итоговый исход «неуспех» рассчитан по статье об исходах работы отделения (JAMIA, 2026: нет разницы в скорости лечения, а различие в смертности исчезло после поправки на COVID), а не по статье о точности модели (JAMIA Open, 2024): исход определяет результат работы, а не точность алгоритма. Дизайн «до и после» захватывает период COVID; ESMv1 — логистическая регрессия со штрафом, то есть ИИ в широком смысле.