上海
撰文丨王聪
编辑丨王多鱼
排版丨水成文
谵妄（delirium）是一种急性神经精神综合征，其特征是注意力、意识和认知功能突然且波动性的受损，它对患者的安全和康复构成严重威胁，尤其在重症患者和老年人等脆弱人群中更为突出。急诊科中谵妄的患病率估计约为 15%，而在重症监护病房（ICU）中的患者则高达约 32%。谵妄与多种不良结局相关，包括住院时间延长、认知和功能衰退加速、机构化风险增加以及死亡率上升。
由于临床表现较为隐匿，谵妄常常未被及时发现，导致诊断延迟和干预时机的错失。在急诊科重症监护室等高风险环境中，患者常出现病情迅速恶化、多器官功能障碍以及接受镇静药物或侵入性操作等情况，这些因素都会进一步增加谵妄的风险。
谵妄的早期识别或检测仍然困难，现有的预测模型并不适用于时间紧迫、数据有限且环境混乱的急诊重症监护场景。因此，亟需更有效且符合实际情境的方法以实现急诊重症患者谵妄的早期预测。
2026 年 8 月 13 日，北京大学健康医疗大数据国家研究院孔桂兰、北京大学第三医院急诊科马青变主任医师作为共同通讯作者，在 Cell 子刊Cell Reports Medicine上发表了题为：A large language model-driven multidisciplinary AI agent system predicts delirium in emergency critically ill patients 的研究论文。
该研究开发了一种由大语言模型驱动的多学科 AI 智能体系统——DeLiriuMAgents，用于急诊重症患者谵妄的预测。
谵妄（delirium）在急诊科中频繁发生，与不良预后以及医疗负担增加相关。早期预测谵妄风险对于急诊护理中的及时预防和干预至关重要，但现有的预测模型主要针对重症监护病房（ICU）患者，且可解释性和交互性有限。
在这项新研究中，研究团队开发了一个基于大语言模型（LLM）的多学科智能体系统——DeLiriuMAgents，用于预测急诊危重患者的谵妄风险。该智能体系统通过整合数据驱动的机器学习风险预测、基于大语言模型的急诊医学、神经科和精神科虚拟专科医生推理，以及通过检索增强生成技术获取的医学证据，模拟多学科临床会诊过程，最终做出决策。
在模型开发过程中，研究团队采用了重症监护信息库（MIMIC-IV）进行模型构建和内部验证；并使用了北京大学（PKU）多中心队列及 eICU 协作研究数据库（eICU-CRD）队列进行外部验证。在 MIMIC-IV、PKU 和 eICU-CRD 验证集上，其准确率/灵敏度/特异度分别为 0.749/0.762/0.747、0.731/0.708/0.736 和 0.670/0.708/0.665。图表审查和临床医生评估验证了其报告的可解释性和实用性。
这些研究结果支持了 DeLiriuMAgents 在急诊重症监护环境中用于早期谵妄预测的可行性及其跨数据集的稳健性。
该研究的亮点：
DeLiriuMAgents 通过多智能体建模预测急诊重症监护中的谵妄风险；
DeLiriuMAgents 整合了风险建模、基于大语言模型的专业推理以及检索增强生成（RAG）证据；
多中心外部验证支持模型在不同队列间的可迁移性；
临床医生的评估有助于提升多智能体生成的风险报告的可解释性。
论文链接：
https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(26)00403-9
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
