Alert Closed Loop（告警闭环）
定义
Alert Closed Loop（告警闭环） 是 AI 系统发出风险信号之后的完整责任链：风险识别 → 通知 → 责任人接收 → 人类评估 → 干预 → 复盘。模型输出只是闭环的入口；结局价值在闭环内部产生。预警系统的真正产品不是一个风险分数，而是这条闭环。
核心逻辑
大量 AI 部署失败不是模型性能（AUC、准确率）不够，而是信号停在"发出"这一步。闭环的每个节点都是潜在断点：
- 识别：模型持续计算风险（如 Epic Deterioration Index 每 15 分钟用 EHR 数据重算）。
- 通知：达到阈值时自动通知预设责任方；通知的时机与频率本身是设计变量。
- 接收：有明确的人类 owner，且他真的看到、有权处置。
- 评估：专家判断——信号是判断的输入，不是判断的替代。
- 干预：行动发生，且下游资源（如 ICU 容量）能吸收增量。
- 复盘：结局与工作量监控回流，调整阈值、通知规则与流程。
关键数据点
- NEJM AI（2026）RWJBarnabas 研究：闭环建立（EDI + EHR 集成 + 自动 RRT 通知 + 培训 + 持续监控）后，高风险患者院内死亡率 23.1% → 18.6%，风险校正优势比下降约 18%，RRT 激活率 25.3% → 37.5%，而 ICU 转入率未显著上升——闭环运转没有压垮下游容量。
- 研究高级作者归因："The mortality benefit was not produced by an algorithm but by the partnership around the algorithm"（死亡率获益不是算法生产的，而是算法周围的协作生产的）。
- 闭环的典型失败模式：告警无明确责任人、告警时机不当、告警疲劳（alert fatigue，告警过多导致人类忽略）、未嵌入既有系统与排班、缺乏跨站点标准化、无结局与工作量监控。
前提与局限性
- 闭环各环节不可单独拆解归因：RWJBarnabas 研究是观察性的，闭环各环节的贡献未被单独测量（无消融实验）；"组合起效"是作者归因，不是分解测量。
- 闭环节点的基建是组织投资：RRT 建制、EHR 集成、培训、监控构成部署成本的主体；"只开通模型"的边际成本很低，但单独不产生效果。
- 六节点结构的一般化是综合判断：从单一临床案例外推到一般 AI 部署；与软件 Agent 部署的失败模式结构同构（见来源摘要的对标分析），但尚无跨域测量证据。
- 复盘节点最容易被裁掉：许多部署止步于"干预"，不监控告警假阳性率与工作量增长；告警疲劳会从通知节点开始腐蚀整条闭环。
- 责任主体清晰度决定闭环强度：临床场景责任主体明确（RRT）、时间性强，闭环较完整；责任主体模糊的办公场景中，"接收"节点会首先失效。
关联概念
- Escalation-Based-Human-Oversight — 闭环是例外升级式监督的运行形态：AI 处理常规，人类接手例外。
- AI-Deployment-Valley-of-Death — 死亡谷里死掉的项目，多数死在闭环的某个节点，而不是死在模型。
- Integration-Wall — 通知与接收节点必须嵌入既有系统（EHR、排班、CI/on-call）才能存在。
- Input-Output-Outcome — 闭环是把输入（风险分数/生成量）转换为结局（死亡率/业务结果）的转换装置。
- Agent-Observability — 复盘节点依赖对系统行为与结局的可观测性。