本发明为一种脓毒症的特征自监督辨识与风险预警方法，属于医疗大数据领域。由基于脓毒症的特征自监督辨识模型实现；所述的基于脓毒症的特征自监督辨识模型是由基于多项式树突神经网络的一个Actor‑Critic框架的强化学习网络并联一个基准模型构成。该方法步骤为：S1：输入数据预处理；S2：建立历史数据集；S3：建立基于脓毒症的特征自监督辨识模型，利用KL散度建立联合损失函数；S4：模型训练；S5：利用Actor‑Critic框架的强化学习网络预测出患者脓毒症的风险；S6：对预警进行可解释性分析。本发明方法能够高效的协助医务工作者实现对患者脓毒症的及时、准确的预警，具有直观准确的可解释性，减少手术风险发生。