EUVIMEDEUVIMED entdecken
ÜbersichtsarbeitScoping ReviewOpen Access · CC BY 4.0

Artificial intelligence based predictive models for early sepsis detection in intensive care units: a scoping review

Künstlich-intelligenzbasierte Vorhersagemodelle zur frühen Sepsis-Erkennung auf Intensivstationen: Scoping Review

Mariana González Garcés, Juanita Valencia García, Camilo Jiménez Triana, Jerónimo Cárdenas Montoya, Erwin Hernando Hernández Rincón

Frontiers in Digital Health · 21.05.2026 · 8

DOI: 10.3389/fdgth.2026.1794922 ↗

Auf einen Blick

37 Studien wurden zu KI-basierten Vorhersagemodellen für die frühe Sepsis-Erkennung auf Intensivstationen zusammengefasst. Die Leistungsangaben variierten stark; externe Validierung war selten.

Fragestellung

Welche Evidenz liegt zu KI-basierten Vorhersagemodellen für die frühe Sepsis-Erkennung auf Intensivstationen vor?

Methode

Scoping Review nach PRISMA ScR; systematische Suche in mehreren Datenbanken nach Studien zu Entwicklung oder Validierung von Modellen bei Erwachsenen auf Intensivstationen.

Ergebnisse

37 Studien eingeschlossen. Die meisten Modelle nutzten retrospektive elektronische Gesundheitsdaten und Machine-Learning-Verfahren; externe Validierung war begrenzt.

Einschränkungen

Wenige Studien zu externer Validierung, klinischer Implementierung, Interpretierbarkeit und Echtzeit-Integration.

Schlussfolgerung der Autor:innen

KI-basierte Modelle zeigen Potenzial für die frühe Sepsis-Erkennung, aber es bestehen große Lücken bei externer Validierung, klinischer Integration und Anwendbarkeit im Alltag.

Kernaussagen

  • 37 Studien eingeschlossen
  • Meist retrospektive EHR-Daten und Machine Learning
  • Selten externe Validierung und klinische Implementierung

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Übersichtsarbeit in der Zeitschrift Frontiers in Digital Health, online erschienen am 21.05.2026. Verfasst von Mariana González Garcés und 4 weiteren Autor:innen. Beteiligte Einrichtung: Faculty of Medicine, Universidad de La Sabana, Chía, Colombia. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 49 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Universidad de La Sabana.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Background

Early detection of sepsis in intensive care units remains a major clinical challenge. Artificial intelligence based predictive models have emerged as promising tools to support early identification of sepsis, yet their clinical readiness and methodological robustness remain heterogeneous.

Objective

To map and critically synthesize the available evidence on artificial intelligence based predictive models for early sepsis detection in intensive care units.

Methods

A scoping review was conducted following the PRISMA ScR framework. Multiple databases were systematically searched to identify studies developing or validating artificial intelligence based models for early sepsis detection in adult intensive care settings. Data were extracted on study design, data sources, model type, prediction horizon, validation strategies, and reported performance.

Results

Thirty seven studies were included. Most models were developed using retrospective electronic health record data and relied on machine learning techniques, with limited external validation. Reported performance varied widely, and few studies addressed clinical implementation, interpretability, or integration into real time workflows.

Conclusions

Although artificial intelligence based models show potential for early sepsis detection, substantial gaps remain regarding external validation, clinical integration, and real world applicability. Future research should prioritize methodological transparency and implementation focused evaluation.

Schlagwörter

Stichwörter der Autor:innen

artificial intelligenceearly detectionintensive care unitsmachine learningpredictive modelssepsis

Autor:innen und Institutionen

  • Faculty of Medicine, Universidad de La Sabana, Chía, Colombia.
  • Department of Family Medicine and Public Health, Universidad de La Sabana, Chía, Colombia.

Förderung

  • Universidad de La Sabana

Zitieren

APA

González Garcés, M., Valencia García, J., Jiménez Triana, C., Cárdenas Montoya, J., & Hernández Rincón, E. H. (2026). Artificial intelligence based predictive models for early sepsis detection in intensive care units: a scoping review. Frontiers in Digital Health, 8. https://doi.org/10.3389/fdgth.2026.1794922

Vancouver

González Garcés M, Valencia García J, Jiménez Triana C, Cárdenas Montoya J, Hernández Rincón EH. Artificial intelligence based predictive models for early sepsis detection in intensive care units: a scoping review. Frontiers in Digital Health. 2026;8. doi:10.3389/fdgth.2026.1794922

BibTeX
@article{GonzlezGarcs2026,
  author = {González Garcés, Mariana and Valencia García, Juanita and Jiménez Triana, Camilo and Cárdenas Montoya, Jerónimo and Hernández Rincón, Erwin Hernando},
  title = {Artificial intelligence based predictive models for early sepsis detection in intensive care units: a scoping review},
  journal = {Frontiers in Digital Health},
  year = {2026},
  volume = {8},
  doi = {10.3389/fdgth.2026.1794922}
}
Kostenlos starten →