Palantir 案例｜院方估算近 900 名患者获救，背后是一条临床响应闭环

作者：Nick Zhu

到 2026 年中，坦帕综合医院（Tampa General Hospital，TGH）表示，其内部分析估算：Sepsis Hub 上线后，接近 900 名患者获得了额外生存机会。院方还在一次公开客户演示中报告，脓毒症 48 小时死亡率降低 68%，脓毒症患者平均住院时长降低 30%。

这些是重要的客户报告结果，但它们不等于“一套 Palantir 算法独立挽救了 900 人”。最早的公开资料呈现出一个更完整的临床运营闭环：实时电子病历数据、覆盖 14 项风险标准的规则筛查、按风险排序的队列、受训快速响应团队护士的评估、由临床人员主导的诊断与治疗、对延迟干预的计时提醒，以及流程反馈。

这是一篇有来源边界的运营案例分析，不是临床建议，也不是独立审计。我没有找到针对 TGH 当前 Palantir 支持的 Sepsis Hub 的公开同行评审研究，能够披露其队列构建、模型表现、假阳性负担、统计不确定性、反事实方法或因果归因。

“接近 900 条生命”是一个极具冲击力的标题，却不是这个案例最值得迁移的分析单元。

更有价值的单元，是位于一个微弱信号与一项治疗决定之间的临床响应闭环。

脓毒症是身体对感染的极端反应，也是一种危及生命的医疗急症。美国 CDC 指出，如果得不到快速治疗，脓毒症可能迅速造成组织损伤、器官衰竭和死亡。Surviving Sepsis Campaign 指南建议：对于可能发生脓毒性休克或高度疑似脓毒症的成人，应立即使用抗微生物药物，理想情况下在识别后一小时内开始；当诊断仍不确定时，则需要快速评估并持续重新判断。

这个限定非常重要。医院并不会因为产生了更多预警，就自然改善脓毒症结果。它必须找到正确的患者，把信号送到真正负责下一步的人手中，区分感染与其他表现相似的急症，协调有时间要求的治疗，并确认治疗路径是否真的发生。

结果数字增长，是因为它在累计

公开数字并不是一次性出现的。

一份 2023 年质量改进摘要描述了 TGH 在 2022 年 8 月至 10 月开展的前三个月试点。与 2019–2021 财年的历史基线相比，脓毒症相关 DRG 的平均死亡率从 9.26% 降至 6.19%，早期死亡率从 3.20% 降至 1.78%。这是一项早期实施结果，并非随机对照比较。

此后，TGH 把持续演进的项目转化为累计“挽救生命”估算：2023 年 9 月接近 200 人；截至 2025 年 7 月为 569 人；截至 2025 年 11 月超过 700 人；到 2026 年中，公开报道的院方内部估算为 886 人。医院更新的公开帖子随后把总数描述为超过 900 人。

这些数字对应不同的报告截止时间，并不是四次相互独立的验证，不能叠加成同一因果结果的多重证明。

证据时间线 · 不同报告截止时间

公开累计数字随时间增长，证据方法仍只部分可见

1. 2022.08–10三个月试点平均死亡率 6.19%，历史基线为 9.26%SHM 质量改进摘要
2. 2023.09≈200实施以来的生命挽救估算TGH 公告
3. 2025.07569累计生命挽救表述TGH 高管报告
4. 2025.11>700Sepsis Hub 累计表述TGH 公告
5. 2026 年中886内部分析接近 900 人院方采访 / 公开帖子

这些数字是院方在不同日期持续更新的估算。公开资料没有披露一套贯穿全时间线的稳定反事实方法、置信区间或独立因果审计。TGH 随后的公开帖子把总数描述为超过 900 人。

换成文字：公开记录从 2022 年三个月质量改进结果，逐步更新为约 200、569、超过 700 和 886 人的不同截止时间累计估算；其完整因果计算方法并未公开。

最早公开的系统，是人、流程与技术的组合

最初的公开描述，比后来的 AI 标题更精确。

在一份美国医院医学学会摘要中，TGH 描述了 2022 年与 GE Healthcare Command Center 合作的试点。CareComm Sepsis tile 汇集实时电子病历数据，用规则算法监测 14 项风险标准，再把高风险患者按优先级呈现给受训的快速响应团队护士。

这名护士可以查看病历、与床旁护士或当班医生沟通，也可以亲自评估患者。临床人员诊断脓毒症并把患者放入治疗路径后，系统继续监测相关干预是否已经开立并按时执行。例如，抗生素已经开立但一小时后仍未给药时，系统会触发提示，让快速响应护士与一线人员一起排查延迟原因。

这份摘要明确把项目总结为人、流程与技术的三位一体。

TGH 在 2023 年的公告中进一步表示，GE 和 Palantir 都参与了这套早期预警系统的开发与执行。TGH 与 Palantir 于 2021 年开始合作，并在 2022 年 12 月公开宣布 Foundry 合作；后续资料才逐步出现由 Palantir 支持的 Sepsis Hub 与 Modern Hospital OS。

公开资料没有完整披露 GE CareComm tile 如何演化为后来的 Sepsis Hub、哪些组件被替换，也没有说明当前每套算法分别由谁拥有。因此，我不会把这段历史压缩成“Palantir 部署了一套 AI 模型”。

2022 公开工作流 · 从预警到临床行动

系统没有停在预测，而是组织了一次响应

1. 01实时电子病历状态当前临床数据进入监测视图
2. 0214 项风险标准规则算法完成筛查与优先级排序
3. 03快速响应护士评估查阅病历、团队沟通或亲自评估
4. 04临床决定临床人员确定诊断与治疗路径
5. 05治疗计时监测医嘱与实际执行是否延迟
6. 06反馈脱漏与结果进入流程改进

变化后的患者状态与已观察到的路径表现，进入下一轮监测。

该顺序来自 2023 年 SHM 摘要对最初 TGH–GE CareComm 试点的描述。后续 Palantir 支持的实施细节并未完整公开；本图不是 TGH 当前技术架构。

换成文字：实时电子病历数据进入 14 项标准筛查；受训快速响应护士评估高风险患者；临床人员诊断并选择治疗；系统监测延迟，把流程脱漏暴露出来用于改进。

风险提示不等于诊断

不少二次传播写成“AI 比医生更早诊断脓毒症”，这比公开工作流支持的结论更强。

系统负责筛查风险并帮助确定关注顺序；受训护士负责评估患者；诊断、治疗、升级与患者后续病程的责任仍由临床人员承担。

这种区分并不是文字上的保守。脓毒症可能与其他急症表现相似。治疗指南本身也会区分“可能发生休克或高度疑似脓毒症”与“仍需快速检查和重新判断”的情况。预警必须足够快，但不能从模型输出中直接推导出临床权力。

公开案例支持的是一个被 AI 增强的响应团队，而不是一名自动化临床医生。

权限地图 · 有边界的角色

发现、评估、治疗与问责属于不同主体

系统

发现并排序

监测已定义信号、排列风险，并暴露延迟状态。

快速响应护士

评估并协调

查看病历、联系照护团队，并评估患者。

临床团队

诊断并治疗

解释完整临床状态，选择照护路径。

医院

持有安全与证据责任

设定阈值、监测脱漏、治理变更并持续负责。

这是我基于公开工作流做出的角色解释，不是 TGH 已披露的权限模型、医疗方案或法律责任划分。

换成文字：系统负责发现与排序；快速响应护士负责评估与协调；临床团队负责诊断与治疗；医院持有阈值、安全、证据与最终问责。

公开结果大于公开评估

TGH 报告的结果非常显著：

• 一次公开客户演示中报告的脓毒症 48 小时死亡率降低 68%；
• 自 2022 年 8 月以来，内部估算接近 900 条额外获救生命；
• 脓毒症患者平均住院时长降低 30%。

最早的质量改进摘要提供了一些有价值的细节：它通过脓毒症相关诊断相关组定义患者，把上线后三个月与 2019–2021 财年的历史基线比较，同时报告平均死亡率和早期死亡率。

但当前公开主张的规模，已经远大于那份早期摘要。我没有找到公开同行评审报告，把后续完整估算连接到一套稳定研究方案。

公开资料没有披露当前系统的敏感度、特异度、阳性预测值、假阳性负担、分组表现、预警数量、从预警到评估的时间、从识别到治疗的时间分布、同期趋势、同时进行的其他脓毒症改进、病例组合调整、置信区间，也没有解释一条“额外获救生命”具体如何计算。

这并不否定院方的结果，只是改变了它应有的标签：内部估算的临床结果，而不是经过独立验证的因果效应。

证据边界 · 三类不同主张

结果、模型表现与因果关系不能互换

院方报告

68%

48 小时死亡率降低

来自客户演示，完整分母与统计区间未公开。

内部估算

≈900

额外获救生命

更晚截止时间的累计估算，反事实计算方法未公开。

未披露

?

当前模型表现

没有公开敏感度、特异度、阳性预测值、校准或分组分析。

未建立

≠

单一主体因果

公开证据无法把 Palantir 或一套算法从人、流程和其他变化中独立出来。

死亡率变化是一项临床结果指标，不是准确率，也不能单独说明究竟是哪一项组件造成了变化。

换成文字：TGH 报告 48 小时死亡率降低 68%，并内部估算接近 900 条生命获救；当前模型指标与 Palantir 的独立因果贡献并未公开建立。

更广的证据支持预警，也反对简单故事

TGH 案例并不是孤立存在，它位于更广泛的临床证据之中。

一项 2024 年发表于 JAMA Network Open 的系统综述与荟萃分析纳入 22 项研究和 19,580 名患者，发现急诊科脓毒症预警系统与更低死亡率、更短住院时间，以及更快完成治疗组合要素相关。作者也指出，研究之间存在显著异质性，多数纳入研究为观察性研究，未来仍需更多受控研究，并关注假阳性问题。

随后一篇 JAMA 评论概括了其中张力：预警可能支持更早照护，但表现弱或不准确的系统也可能造成预警疲劳、偏差、过度治疗，以及与患者偏好不一致的照护。

DECIDE-AI 共识指南提供了与本案例直接相关的评估视角：临床 AI 是一种复杂干预，其价值不只取决于数学表现，也取决于安全、人因、工作流整合、用户差异、数据分布变化，以及系统在真实照护中的表现。

这正是为什么 TGH 案例作为一套运营系统，比作为一张模型排行榜更有意思。

平台扩展到了彼此连接的工作

TGH 与 Palantir 的公开合作随后超出了单一脓毒症工作流。

2022 年的合作公告把 Foundry 定位为连接数据与分析的基础。到 2024 年，TGH 表示 Palantir 已从一个场景扩展到十多个场景，并计划以 AIP 作为 Care Coordination Operating System 的核心平台。公开示例包括患者安置、麻醉后恢复室流转、人员配置、患者行程，以及资格判断与优先级工作流。

在后续 Palantir 演示中，TGH 展示了一套把 Sepsis Hub 与照护导航、ICU 降级决定和床位规划连接起来的“Modern Hospital OS”。重点不是一个 AI 控制整家医院，而是一项工作流产生的信息，会成为下一支团队和下一项决定所需要的状态。

运营演进 · 公开资料

一个单点预警可以连接到相邻临床工作

1. 单点信号脓毒症风险筛查发现高风险状态并确定优先级
2. 有主响应快速响应工作流评估、协调并监测治疗时间
3. 连接照护照护导航让患者当前路径对跨团队可见
4. 下一项决定安置与容量协调 ICU、床位、人员和下游约束

共享运营上下文当前患者状态 · 临床路径 · 资格条件 · 容量 · 人类责任人

这是我根据 TGH 与 Palantir 公开资料整理的关系地图，不是医院技术架构、数据 schema，也不是必须遵循的成熟度顺序。

换成文字：脓毒症风险筛查进入有明确责任人的快速响应工作流；形成的患者状态可以通过共享运营上下文，继续支持照护导航、安置与容量决定。

公开案例支持什么，又隐藏了什么

公开记录支持以下判断：

• 2022 年实时试点监测 14 项风险标准，并把患者按优先级呈现给受训快速响应护士；
• 工作流监测治疗路径中的延迟，并支持一线跟进；
• TGH 公开把显著的死亡率与住院时长改善归因于持续演进的脓毒症项目；
• GE Healthcare 与 Palantir 都出现在公开历史中，后期资料则把 Palantir 定位为 Sepsis Hub 与更广照护协调系统的平台；
• 评估患者、诊断与治疗的主体仍是临床人员，而非软件。

它没有披露当前模型架构、特征清单、权重、刷新间隔、预警阈值、模型版本历史、验证设计、权限模型、安全事件、覆盖行为、监管分类、商业条款或经过独立审计的 ROI。

它也不能证明另一家医院只要采购同一平台，就能复现相同结果。不同医院的脓毒症人群、工作流、人员配置、电子病历设置、响应能力、阈值与临床实践都不相同。

建立一份 Clinical Alert-to-Action Record

针对你所在运营环境中的一项高后果预警，记录：

1. **结果：**希望改善哪一种患者或运营状态，时间范围是什么？
2. **队列：**谁进入被监测人群，排除条件是什么？
3. **信号：**哪些来源事实、时间戳、规则或模型生成预警？
4. **表现：**敏感度、特异度、阳性预测值、校准、提前量和分组表现如何？
5. **队列负责人：**谁接收预警，预警量有多大，期望响应时间是什么？
6. **评估：**采取行动前，合格人员必须查看哪些证据？
7. **决定权：**谁可以诊断、批准、治疗、升级、覆盖并关闭记录？
8. **路径：**接下来必须发生哪些动作，各自时限是什么，遗漏如何显现？
9. **安全：**如何处理假阳性、假阴性、预警疲劳、漂移、停机与恢复？
10. **结果证据：**如何记录基线、对照、混杂因素、不确定性与非预期影响？

迁移记录 · Nick 的运营框架

一项临床预警需要证据与权限外壳

01结果 + 队列定义这条闭环要保护谁、保护什么

02信号 + 表现让输入、时间与错误取舍可检查

03负责人 + 评估把注意力送到合格且当时可用的人

04权限 + 路径明确谁做决定、下一步必须发生什么

05安全 + 恢复处理疲劳、漏报、漂移与停机

06结果证据把观察变化与因果归因分开

人类终局：临床意图、治疗权、升级、例外处置和问责始终归属于可识别的人。

这份记录是我提炼的可迁移分析框架，不是医疗建议、监管清单、TGH 已披露的治理设计或 Palantir 实施规格。

换成文字：定义结果和队列，检查信号及其表现，指定负责人，把决定权绑定到响应路径，管理安全与恢复，并在不过度因果归因的前提下测量结果。

上一篇通用磨坊 Palantir 案例解释了如何用推荐采纳与结果证据逐步调整人机边界。Wendy’s QSCC 案例则跟随一次供应短缺，从异常走到订单下达。TGH 把同一个运营问题带到后果最高的环境：一条信号与一项可问责行动之间，必须存在什么？

如果一个组织还无法在内部定义这条闭环，FDE Delta 运营合作可以在技术选型前帮助明确运营范围、证据、角色与治理。它不是医疗建议、Palantir 实施服务、临床验证、监管批准或结果保证。

来源与方法

案例核心来源包括 TGH 的2023 年 Smart Hospital 公告、团队发表于 SHM Converge 2023 的质量改进摘要、2024 年照护协调合作扩展公告、2025 年合作奖项公告、TGH 的2026 年医院荣誉公告、Palantir 的 TGH 影响案例页，以及公开的 Modern Hospital OS 片段。

针对 2026 年中的更新，我使用了 TGH 公开发布的“超过 900 条生命获救”表述，以及转述院方采访、给出更早 886 人内部估算的公开报道。临床背景与评估边界主要参考 CDC 脓毒症说明、Surviving Sepsis Campaign 指南、2024 年 JAMA Network Open 脓毒症预警系统综述与 DECIDE-AI 报告指南。

所有绩效表述都继续归因于 TGH。我没有把累计生命估算当作经过独立审计的因果数字，没有用其他脓毒症模型的表现反推当前 Sepsis Hub，也没有重建医院私有的 Ontology、权限、治疗方案或技术架构。六张图均为我在来源边界内制作的分析视图。