在过去几年中，儿童和婴儿败血症的筛查发展迅速。随着方法和方法的增多，机器学习继续看起来像是最终的一线诊断选项。

该预测是由哈佛大学和宾夕法尼亚大学的一对儿科急诊医学专家在 8 月 20 日儿科研究发表的相关医学文献的叙述性评论中提出的，尽管是间接的。

“机器学习和人工智能提供了创建更好的脓毒症识别工具的希望，这些工具利用大数据，并可以整合 EHR 中以前需要手动输入的元素，”波士顿儿童医院医学博士、公共卫生硕士和 Fran Balamuth 医学博士写道费城儿童医院博士。“不是利用基于规则的阈值，例如全身炎症反应综合征 (SIRS)、儿科预警评分或顺序器官衰竭评估，而是训练这些算法在大量数据上运行复杂的任务，以预测不良结果。”

脓毒症是在感染后免疫系统自行启动时发生的，众所周知，在儿科早期诊断是非常困难的。这是因为体温升高、心跳加快和呼吸急促——败血症的早期症状——在许多儿科疾病中都很常见。

更重要的是，儿科临床医生面临着正确处理的压力。据脓毒症联盟称，每天有超过 200 名儿童患上脓毒症，而且这一数字还在以每年 8% 的速度增长。这种情况每年夺走近 7,000 名年轻生命，同时留下更多人永久受伤。

如果能够迅速和广泛地做出正确的诊断，那么所有这些不良结果的几率将急剧下降。