与算法推理：新生儿护理中的部分性与不确定性

《Big Data & Society》：Reasoning with algorithms: Partiality and uncertainty in neonatal care

　　

预测算法常常承诺减轻对未来的不确定性。从事算法批判研究的社会科学学者长期以来一直认为，这类承诺通常无法兑现。本研究通过对新生儿护理中一种用于早期检测脓毒症的算法（SeSa）进行民族志案例研究，为上述争论提供了新的视角。研究人员表明，事实上，该算法产生了更多的不确定性。然而，这种不确定性对护理实践具有生成性，因为它使新生儿工作人员能够更及时、更周全、更精确地进行脓毒症治疗。该案例表明，当部分性和不确定性成为算法推理的核心时，预测算法可以深化现有的护理实践。这与当前持续的、往往有害的算法引入背景相关，这些引入试图通过消除不确定性来简化现实生活的复杂性。

### 论文解读：与算法推理——新生儿护理中的部分性与不确定性

#### 一、研究背景与问题提出

在医疗领域，预测算法正日益被用于“提前”识别疾病，其核心承诺是通过概率计算将未来的风险在当下变得可见，从而将未知的未来转化为可行动的对象。然而，科学与技术研究（Science and Technology Studies, STS）及批判性数据研究（Critical Data Studies, CDS）领域的学者指出，这类承诺往往难以兑现：预测算法在试图吸收不确定性的同时，常常会重塑、替代甚至放大不确定性。既有研究多聚焦于算法预测如何产生新的不确定性，但较少探讨这种不确定性在具体实践中是否可能具有积极意义。本研究正是基于这一争论展开，以荷兰一家新生儿重症监护病房（Neonatology Intensive Care Unit, NICU）使用的脓毒症早期检测算法“Sepsis Saver”（SeSa）为案例，通过民族志方法考察SeSa如何嵌入日常护理实践，并探讨这一过程如何重构了脓毒症的识别与治疗方式。研究问题为：SeSa算法如何成为NICU日常护理实践的一部分，它又如何重构了这些实践？

#### 二、研究内容与核心结论

研究人员对2022至2024年间在该NICU开展的田野调查进行分析，结合21名工作人员（包括护士、住院医师和医生）的访谈、SeSa公司材料、协议手册及18篇相关学术论文，进行主题分析。研究发现，SeSa并未像其承诺的那样消除临床不确定性，反而引入了更多不确定性——其基于心率变异性（Heart Rate Variability, HRV）的评分常因呼吸困难、压力等非脓毒症因素而升高，导致工作人员持续面临“这是否意味着即将发生脓毒症”的疑问。然而，这种不确定性具有生成性（generative）：它促使工作人员在护理实践中更积极、更审慎地探索脓毒症的可能性，从而使识别和治疗更加及时、周全和精确。研究提出，当算法的部分性（partiality）和不确定性成为推理的核心时，预测算法能够深化而非简化现有的护理实践。

#### 三、主要关键技术方法

本研究采用医院民族志方法（hospital ethnography），在荷兰一家大型学术医院的NICU进行了超过50小时的参与式观察，涵盖8个班次（包括两个夜班），分别跟随医生、住院医师和护士进行轮班。此后，研究人员对21名NICU工作人员进行了半结构化访谈，受访者包括6名护士、1名护理专家、8名住院医师和6名医生。此外，研究人员收集了SeSa公司官网截图、官方SeSa使用手册以及截至2024年初在Web of Science和PubMed上发表的18篇关于SeSa的学术论文（其中两篇由该NICU工作人员撰写）。所有田野笔记、访谈转录文本和文档材料被导入Atlas.ti软件，进行开放性和主题性分析，重点识别工作人员如何围绕SeSa评分进行反复协商和重新定义。

#### 四、研究结果

##### 1. “怎么会突然这样？”：识别脓毒症的“挣扎”

研究人员通过访谈发现，NICU工作人员普遍认为脓毒症是一个“戏剧性”甚至“大规模”的问题，因为病情可能在两三小时内从看似正常急剧恶化至危重。工作人员描述了过去因未能提早察觉而让患儿病情急转直下的经历，这种“落后一步”的挫败感强化了他们希望更早识别脓毒症的诉求。在SeSa引入之前，脓毒症识别主要依赖护士的“临床目光”（clinical gaze）——结合经验和直觉观察患儿肤色、活动、腹部体征，并监测床旁监护仪显示的呼吸、心率、血压和体温等参数。但由于患儿多位于覆盖暗布的封闭暖箱内，肉眼观察受限，且判断患儿是否患病主观性较强，工作人员普遍认为这种识别方式“困难”甚至“挣扎”。

##### 2. “整体方案”：引入脓毒症预防

SeSa起源于美国新生儿科医生对HRV与脓毒症关系的研究，其算法通过检测HRV模式生成每位患儿每小时1至7分的风险评分，表示其在未来24小时内发生脓毒症的倍数风险。2003年SeSa获美国FDA批准，2012年获欧洲CE认证。2017年，该NICU的科主任在一次会议后决定引入SeSa试点，最初仅连接一台暖箱，后于2018年初扩展至所有暖箱。由于预算限制，SeSa评分未在每台暖箱旁单独显示，而是通过受保护网页在科室电脑上访问。为规范使用，医生A制定了正式方案，结合SeSa评分变化（相对稳定基线增加2分）并加入新的生物标志物检测——降钙素原（Procalcitonin, PCT）和白细胞介素-6（Interleukin-6, IL-6），以更早识别感染。这些元素共同构成所谓SeSa“整体方案”（package）。

##### 3. “当我们怀疑时”：与SeSa推理中的转向

研究人员借鉴民族方法学中“与算法推理”（reasoning with algorithms）的概念，将工作人员与SeSa互动的过程描述为五个反复出现的“转向”（turns），用以凸显决策中被强制的、反复进行的协商与判断时刻。

##### 转向1：咨询风险评分

工作人员在每日例行查房或经过中央监控屏时查看SeSa评分，将其与患儿的“基线”模式比较，判断某个升高是“典型”还是“异常”。他们通过识别评分趋势线（如“尖峰”或“圣诞灯”等昵称）来区分正常的波动与值得警惕的变化。若出现偏离基线的异常，则进入下一转向。

##### 转向2：身体检查

工作人员前往患儿床边，观察是否存在感染体征（如苍白、腹胀、体温波动等）。若发现明显临床体征，则按方案直接使用抗生素。此时SeSa的预警作用得到体现，但这种“兑现”只是部分的——因为其承诺是在体征出现前发出警报。若患儿看起来完全正常，工作人员不会中止推理，而是继续探究是否是不易察觉的早期感染。

##### 转向3：协商血液检测

当患儿外观正常时，工作人员需判断SeSa异常是否指向尚不可见的脓毒症，抑或仅由其他原因所致（如手术、脱机、换药等）。为做出区分，方案建议进行血液生物标志物检测，但这需要从患儿足跟采血（0.5 ml），可能引起疼痛、贫血，甚至因多次采血导致需要动脉导管。因此，是否存在明确的替代解释、是否值得让患儿承受采血伤害，成为协商的核心。若无明确替代原因，工作人员通常会进行血检。

##### 转向4：协商抗生素

血检结果若明确异常（如IL-6极高），工作人员会立即使用抗生素，并认为SeSa确实“提前预测”了感染。但若结果处于“不确定”区间，工作人员通常不会立即用药，而是权衡再次采血与可能过度治疗的风险，有时则等待重复检测。这一转向表明，脓毒症治疗在变得“更不确定”的同时，也变得更加“精准”——不再盲目用药，而是基于更细致的证据。

##### 转向5：降级评分

当多次检查后仍无法确定SeSa是否指示脓毒症时，工作人员可能暂时“忽略”评分，回到传统的临床观察方式。但这种降级只是暂时的，因为高而未稳定的评分始终提醒工作人员“昨天不是今天”，可能漏报的感染会带来强烈的不适感，往往促使他们重新回到前面的某个转向，继续追问“我们是否已充分探索了早期拦截的可能性”。

##### 4. “权衡风险”：新的不确定性，新的可能性

研究指出，与SeSa推理的整个过程充满了不确定性和权衡，但正是这种不确定带来了新的可能性。工作人员普遍将SeSa视作“额外支持”“辅助工具”而非绝对真理，几乎所有人都强调不会仅凭SeSa评分做决策，而是将其作为一种探索患儿状态的途径。这种开放态度契合NICU中“良好照护”（good care）的伦理：在无法预知未来的前提下，尽可能获取更多信息，做出更审慎的决定。

#### 五、讨论与结论翻译

讨论部分指出，SeSa通过五个“转向”重构了NICU的脓毒症识别和治疗实践，使工作人员得以在更早的时间节点探索脓毒症的可能性，并更精细地权衡抗生素使用。研究发现与既有批判性算法研究一致：预测算法并未消除不确定性，而是重塑或放大了不确定性。但本研究的贡献在于表明这种不确定性可以具有生成性，能够深化护理实践。研究结论部分可翻译为：与SeSa推理不是线性过程，而是通过多个“转向”不断进行协商和反思的迭代路径。SeSa的部分性评分和随之而来的不确定性，使工作人员在每次转向中都有机会获得关于患儿的更多信息，从而做出更及时、更精确、更周全的决策。算法若以部分性和不确定性为核心被纳入推理实践，而非将自身呈现为绝对的确定性，便可以在不简化现实复杂性的前提下，支持并深化现有的良好工作实践。这一发现对当前很多以消除不确定性为目的的算法引入方式提出了重要警示。