美國最大的電子健康記錄公司Epic Systems聲稱它可以解決醫院的一個主要問題：識別敗血症的跡象，這是一種通常致命的感染並發症，可導致器官衰竭。這是醫院患者的一個主要死因。但根據周一發表在《美國醫學會雜誌-內科學》(JAMA Internal Medicine)上的一項新研究，該算法並不像宣傳的那樣好用。Epic說它的警報系統在76%的情況下能正確區分有和沒有敗血症的病人。新研究發現它只有63%的時間是正確的。

Epic Systems公司的一位發言人在給Stat News的一份聲明中對這一發現提出異議，說其他研究表明該算法是準確的。

敗血症很難早期發現，但盡快開始治療可以提高患者的生存機會。Epic Systems和其他類似的自動預警工具，掃描病人的測試結果，以發現某人可能正在發展這種狀況的信號。大約四分之一的美國醫院使用Epic的電子醫療記錄，數百家醫院使用其敗血症預測工具，包括來自密歇根大學健康中心的副教授、研究作者Karandeep Singh。

該研究檢查了密歇根醫學中心2018年和2019年近4萬次住院的數據。在這些住院病人中，有2552人患上了敗血症。Epic的敗血症工具遺漏了其中的1709個病例，其中約三分之二的病例仍被識別並迅速治療。它只發現了7%被醫生遺漏的敗血症病例。分析還發現了一個很高的假陽性率：當一個病人的警報響起時，該病人實際發生敗血症的可能性只有12%。

Singh告訴Stat News，問題的部分原因似乎在於Epic算法的開發方式。它根據醫生提交治療清單的時間來定義敗血症，而不一定是病人第一次出現症狀的時間。這意味著它捕捉的是醫生已經認為有問題的病例。Singh說：“這基本上是在試圖預測醫生已經在做什麼。這也不是研究人員通常會使用的敗血症的衡量標準。”

挖掘病人數據以預測其健康狀況可能發生的情況的工具很常見，對醫生來說很有用。但是，它們只和它們所開發的數據一樣好，而且它們應該接受外部評估。當研究人員仔細檢查像這樣的工具時，他們有時會發現漏洞：例如，2019年的一項研究發現，主要醫療系統用來標記需要特別關注的病人的一種算法對黑人病人有偏見。

在COVID-19大流行的早期，Epic推出了另一個預測工具，稱為惡化指數。它的目的是幫助醫生決定哪些病人應該進入重症監護室，哪些病人不需要重症監護也可以。這場大流行是一個緊急情況，所以全美各地的醫院在它受到任何形式的獨立評估之前就開始使用它。即使是現在，對該工具的研究也是有限的。一項小型研究顯示，它可以識別高風險和低風險的病人，但對醫生來說可能沒有用。布朗大學的研究人員在《Undark》中警告說，該系統中可能存在未曾預料到的問題或偏見。

Singh發推文說，如果數字工具要發揮其在醫療保健方面的潛力，像Epic這樣的公司應該對它們的製造過程保持透明，而且應該對它們進行定期監測，以確保它們運行良好。約翰斯·霍普金斯大學醫學院的副教授Roy Adams告訴《Wired》，這些工具正變得越來越普遍，所以這類問題不會消失。他說：“我們需要對這些專有系統進行更多的獨立評估。”