Разработка и мультицентровая валидация объяснимого машинного диагностического критерия для педиатрического абдоминального сепсиса

Почему это важно для больных детей

Когда ребенок поступает в больницу с сильной болью в животе и признаками инфекции, врачам приходится очень быстро решать, кто находится в реальной опасности. Если абдоминальный сепсис — угрожающая жизни инфекция в области брюшной полости — не распознан или выявлен слишком поздно, у детей может развиться полиорганная недостаточность, и лечение может оказаться неэффективным. В этом исследовании описан новый компьютерный инструмент, созданный на основе реальных больничных данных, который помогает врачам раньше и надежнее выявлять абдоминальный сепсис у детей, используя анализы крови и жизненные показатели, которые собираются в повседневной практике.

Скрытая угроза в брюшной полости

Сепсис — одна из ведущих причин смерти детей во всем мире, и инфекции, начинающиеся в брюшной полости, относятся к самым опасным формам. Существующие правила и скоринговые системы для сепсиса в основном разрабатывались для взрослых и делают упор на легочную и сердечную патологию. К тому времени, когда эти признаки становятся очевидны у ребенка, повреждения в брюшной полости, печени или кишечнике могут уже быть тяжелыми. Педиатрические инструменты также часто не позволяют достаточно рано выявить абдоминальный сепсис, чтобы вовремя провести операцию или начать агрессивную терапию. Авторы утверждают, что детям с подозрением на абдоминальное заболевание нужен диагностический инструмент, специально адаптированный к этому типу инфекции.

Преобразование рутинных тестов в умный сигнал тревоги

Исследовательская группа собрала электронные медицинские записи более чем 22 000 детей, лечившихся в крупной детской больнице в Китае в 2019–2023 годах, сосредоточив внимание на 6 566 пациентах с абдоминальными проблемами, такими как аппендицит или кишечная непроходимость. В этой выборке специалисты внимательно пересмотрели истории болезни, изображения, операции, назначения и последующие заметки, чтобы определить, у каких детей действительно имелся педиатрический абдоминальный сепсис (PAS). Они использовали подход «активного обучения»: небольшая выборка была помечена тремя опытными врачами, на её основе обучалась предварительная модель, а затем эта модель предлагала новые, сомнительные случаи для повторной проверки врачами, многократно уточняя датасет и уменьшая количество разногласий.

Девять простых маркеров с сильной прогностической силой

Из десятков лабораторных показателей и жизненных параметров, измеренных в первые 24 часа после поступления, исследователи искали комбинацию, которая лучше всего отделяла сепсис от других абдоминальных заболеваний. В итоге они остановились на девяти повседневных измерениях: частота сердечных сокращений; количество лейкоцитов; абсолютное количество нейтрофилов; фермент, связанный с печенью, γ‑глутамилтрансфераза; еще один печеночный фермент (ACT/AST); отношение двух белков крови (альбумин/глобулин); преальбумин; уровень кальция; и чувствительный маркер воспаления — высокочувствительный C‑реактивный белок. Ни один из этих тестов не является экзотическим — они входят в рутинное обследование — но в комбинации они формируют мощный паттерн. На основе этих девяти маркеров сравнивали несколько методов машинного обучения, и наиболее надежные результаты показала модель случайного леса.

Инструмент, работающий в разных больницах

Итоговая модель, названная ABSeD (Abdominal Sepsis Diagnosis), с высокой точностью отличала PAS от других абдоминальных заболеваний. На данных исходной больницы её показатели были отличными, и она хорошо прошла внутреннюю валидацию. Чтобы проверить, насколько модель обобщаема вне одного центра, команда затем создала онлайн‑платформу и проспективно собрала данные из семи дополнительных больниц провинции Чжэцзян в начале 2025 года. Среди 308 детей с четким последующим наблюдением или подтверждением при хирургическом вмешательстве ABSeD снова показал сильные результаты, точно отмечая большинство детей с абдоминальным сепсисом и сохраняя высокую точность — то есть когда система предупреждала о сепсисе, это чаще всего было верным. Система также показывает, как каждый из девяти маркеров влияет на суждение модели, давая врачам прозрачноe объяснение, а не таинственную «черную коробку».

От исследовательской модели к постели пациента

Чтобы сделать своё решение пригодным для повседневной практики, авторы создали веб‑интерфейс, куда клиницисты вводят возраст ребенка, базовую информацию и девять лабораторных значений. Инструмент возвращает риск‑скор и наглядную разбивку того, какие показатели повлияли на результат, помогая врачам решить, следует ли повышать уровень помощи, назначать визуализационные исследования или переходить к операции. В работе подчёркнуты и обещания, и ограничения модели: она предназначена для детей с уже предполагаемым абдоминальным заболеванием, а не для массового скрининга, и до сих пор тестировалась только в одном регионе и на одной этнической группе. Тем не менее инструмент ABSeD демонстрирует, как тщательно разработанный и объяснимый искусственный интеллект может преобразовать обычные лабораторные тесты в систему раннего предупреждения, потенциально спасая детские жизни за счет своевременного выявления смертельно опасного абдоминального сепсиса.

Цитирование: Cao, S., Cai, D., Zhang, S. et al. Development and multicenter validation of an explainable machine learning diagnostic criteria for pediatric abdominal sepsis. npj Digit. Med. 9, 312 (2026). https://doi.org/10.1038/s41746-026-02500-0

Ключевые слова: педиатрический сепсис, абдоминальная инфекция, машинное обучение, ранняя диагностика, поддержка клинических решений