目前，机器学习在重症医学科发展迅速，脓毒症诊疗中的应用更是目前研究的热点。集成算法、决策树、神经网络等监督学习法在患者紧急入院时脓毒症早期诊断与风险评估中具有重要意义，但监督学习算法要求所有数据进行标记，具有困难性；聚类算法和数据降维一类半监督学算法在脓毒症预测、脓毒症预后因素分析等方面应用较为常见，但算法相对简单，在多分类任务的处理上得出结果不理想；半监督学习算法结合了前两者，在现实世界更为实用，鉴于半监督学习算法的数据特征，在脓毒症诊疗的决策支持应用方面有待统筹。作者从脓毒症预测及诊断中常见模型的角度总结不同机器学习模型在脓毒症预测及诊断中的应用并进行综述，以期为国内学者提供参考。