急性中毒是指各种化学性或生物性毒物短时间内经由皮肤粘膜、呼吸道或消化道进入机体导致多器官、多系统受损，具有起病急、病情变化快、临床症状复杂、病死率高等特点[1-2]。据统计，全球每年意外中毒人数约有350至500万，其中重症患者300万人，约有2万多人死亡[3]；另有因自杀中毒而死亡的约80万人，占全球死亡人数1.34%[4]。在美国每年有近200万人因中毒来院就诊，其中未成年患者超过半数[5]。在我国系统数据缺乏，但现有研究数据表明急性中毒病例占急诊总病例的2.7%~3.6%，基层医院则高达20%，且有逐年上升的趋势，病死率居高不下[1]。近年来，机器学习广泛应用在医疗和公共卫生的各个领域，凭借其强大的理解学习和模型推理与生成能力，已在疾病预防、筛查和诊断，以及患者精准治疗和临床转归预测中扮演着重要的角色[6]。为此，本文复习了机器学习在急性中毒的早期预警、毒物鉴别、患者临床诊疗及预后预测等方面应用的文献，探讨其在急性中毒患者临床管理中的作用，为临床救治提供参考。

张欢,岳兴阳,蒋敏,何飞. 机器学习在临床急性中毒应用中的研究进展[J]. 中华急诊医学杂志, 2026,35(3): 418-423.
DOI号:10.3760/cma.j.cn114656-20250715-00519

基金项目：南京市医学科技发展专项资金资助项目（YKK22068）；江苏省中医药科技发展计划项目 （MS2023060）；江苏省卫生国际（地区）交流支撑计划项目

关键词： 急性中毒 机器学习 预测价值