中山大学附属第一医院吴健锋教授作了题为“脓毒症免疫抑制的关键问题”的报告。机体免疫抑制是脓毒症不良预后的关键因素。吴健锋教授围绕脓毒症是否存在免疫抑制、免疫抑制的发生时机、高危人群特征以及监测与治疗策略等核心问题展开阐述。通过一系列体内与体外实验，吴教授团队发现，在炎症发生与发展过程中，脓毒症可导致免疫细胞功能减退并诱发免疫抑制，老年患者尤其易在发病约48小时内出现该现象。进一步地，针对这一高危人群，吴教授提出应持续监测包括mHLA-DR、淋巴细胞计数、单核细胞内毒素反应、Treg细胞及NLR在内的生物标志物，以追踪其动态变化。治疗方面，他强调基本原则应为“抗炎但不引起免疫抑制，恢复免疫功能而不促进炎症反应”，同时介绍了多个已进入II期和III期临床试验的免疫疗法。

上海市东方医院吴文娟教授以“整合病原和宿主基因表达的脓毒症预警”为题作报告。她从微生物学角度深入剖析脓毒症的诊断与治疗策略。通过《血流感染临床检验路径专家共识》（发表于《中华传染病杂志》）及一例真实世界中脓毒症治疗失败的案例，吴教授提出了“整合宿主反应与微生物检测实现脓毒症早期预警”的方案。她还分享了人工智能在脓毒症早期预测与诊断中的国际应用进展，以及其团队开发的基于血浆游离DNA定量的机器学习模型。此外，吴教授介绍了FDA新近发布的脓毒症生物标志物，及其牵头开展的多中心临床研究——基于宿主基因表达的组合应用初步成果，并展望未来构建全局模式AI智慧模型用于脓毒症预警的目标。

浙江大学医学院附属邵逸夫医院章仲恒教授报告题为“脓毒症多组学数据库建设及应用”。脓毒症作为严重威胁公众健康的常见综合征，其异质性一直是临床诊疗与研究的难点，因此结合多组学与人工智能实现精准医疗显得尤为关键。章仲恒教授团队整合六大国际多中心队列的大量病例，构建了脓毒症亚型预测模型，并证实亚型识别对改善预后具有积极作用。团队还探索了多组学数据（如DNA、RNA、蛋白质和急性炎症刺激反应指标等）在脓毒症分型预测中的应用，发现基于因果推断的分型体系能有效识别潜在获益临床亚组，显著降低住院病死率。最后，章教授介绍了由其负责搭建的“脓毒症多组学数据库CMAISE”，该库已纳入大量病例数据并投入应用，同时面向联盟单位实现数据共享。

山东大学齐鲁医院王昊教授作了题为“耐碳青霉烯菌（CRO）所致脓毒症的防治研究及体系构建”的报告。近年来，CRO分离率持续居高，所致脓毒症的发病率与死亡率也较高。针对CRO脓毒症识别难、危害大、应对策略有限的三大挑战，王昊教授团队分享了最新研究进展：首先，通过解析CRO入侵的演化规律，结合mNGS技术、慎用糖皮质激素及新型抗生素耐药监测手段，显著提高了CRO识别率；其次，通过一系列临床研究揭示不同病原所致器官损伤的异质性及基于代谢组的宿主异质性，明确了CRO脓毒症器官损伤的关键危险因素；此外，团队还在精准治疗技术方面取得突破，包括抗生素延长输注、可减缓抗生素降解的低温泵及压力释放通气面罩等应用。