EUVIMEDEUVIMED entdecken
ÜbersichtsarbeitOpen Access · CC BY 4.0

Artificial Intelligence in Intensive Care: An Overview of Systematic Reviews with Clinical Maturity and Readiness Mapping

Künstliche Intelligenz in der Intensivmedizin: Überblick über systematische Reviews mit Mapping von klinischer Reife und Umsetzungsbereitschaft

Krzysztof Żerdziński iD, Julita Janiec iD, Kamil Jóźwik iD, Paweł Łajczak iD, Łukasz J Krzych iD

Journal of Clinical Medicine · 26.12.2025 · 15 (1) · 185

DOI: 10.3390/jcm15010185 ↗

Auf einen Blick

34 systematische Reviews zu KI in 5 ICU-Domänen zeigten überwiegend gute Diskrimination, aber selten Angaben zu Kalibrierung oder klinischem Nutzen. Hinweise auf routinemäßige, regulierte CDS-Anwendung fanden sich nicht.

Fragestellung

Welche Evidenz liegt für KI in 5 ICU-Domänen vor, und wie reif ist sie für den klinischen Einsatz?

Methode

PRIOR-angeleiteter Überblick über systematische Reviews; Suche in PubMed, Embase und Web of Science bis 13. Dezember 2025; Bewertung mit ROBIS; narrative Synthese ohne Metaanalyse.

Ergebnisse

Eingeschlossen wurden 34 systematische Reviews (2017–2025). AUROC-Spannen etwa 0,54–0,99 für prognostische und 0,64–0,99 für diagnostische Aufgaben; Kalibrierung und klinische Nutzenbewertung selten berichtet.

Einschränkungen

Überlappung der Reviews deutete auf teilweise Abhängigkeiten hin; die Evidenz beruhte vor allem auf retrospektiven Daten.

Schlussfolgerung der Autor:innen

Auf Review-Ebene zeigt sich eine Lücke zwischen retrospektiver Leistung und klinisch reifer, sicher einsetzbarer ICU-KI. Genannt werden externe Validierung, prospektive Impact-Studien und standardisierte Berichte.

Kernaussagen

  • 34 systematische Reviews aus 5 ICU-Domänen
  • AUROC grob 0,54–0,99 prognostisch; 0,64–0,99 diagnostisch
  • Kalibrierung, klinischer Nutzen und Routineeinsatz selten belegt

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 Journal of Clinical Medicine, online erschienen am 26.12.2025. Verfasst von Krzysztof Żerdziński und 4 weiteren Autor:innen. Beteiligte Einrichtung: Students Department "#Intensywna_Po_Godzinach", Department of Acute Medicine, Faculty of Medical Science in Zabrze, Medical University of Silesia, 41…. Die Arbeit wurde bisher 11-mal zitiert (Crossref) und nennt 51 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Background

ICU care is time critical and data dense, making it a promising but high-risk setting for AI decision support when tools are weakly validated. ICU AI evidence is heterogeneous, with limited external validation, inconsistent clinically actionable reporting, and scarce real-world impact data, yielding fragmented review conclusions. We mapped five prespecified ICU domains and assessed clinical and implementation maturity to identify key translational gaps.

Methods

We performed a PRIOR-aligned overview of systematic reviews with prespecified maturity constructs. PubMed, Embase, and Web of Science were searched (title and abstract) on 13 December 2025, supplemented by backward citation searching. Two reviewers screened and extracted data with arbitration, assessed the review-level risk of bias using ROBIS, and synthesized findings without meta-analysis using a SWiM-guided narrative prioritizing AUROC ranges.

Results

We included 34 systematic reviews (2017–2025) across five ICU domains, dominated by prognostic and early warning applications, mostly in adult populations and commonly using EHR and multimodal inputs. Reporting focused on discrimination, with AUROC ranges roughly 0.54–0.99 for prognostic tasks and 0.64–0.99 for diagnostic tasks, while calibration and clinical utility were rarely addressed and overlap suggested partial dependence. Maturity signals clustered at low-to-intermediate levels, with no evidence for routine, and regulated CDS deployment at the review level.

Conclusions

Review-level evidence indicates a translational gap between retrospective performance and clinically mature, safely deployable ICU AI, supporting priorities for external validation, prospective impact studies, standardized reporting including calibration, and governance-focused implementation.

Schlagwörter

Stichwörter der Autor:innen

artificial intelligencecritical carediagnostic accuracyintensive careintensive care unitmachine learningoverview of systematic reviewspredictionprognosissystematic review

Autor:innen und Institutionen

  • Students Department "#Intensywna_Po_Godzinach", Department of Acute Medicine, Faculty of Medical Science in Zabrze, Medical University of Silesia, 41-800 Zabrze, Poland.
  • Department of Acute Medicine, Faculty of Medical Science in Zabrze, Medical University of Silesia, 41-800 Zabrze, Poland.
  • Department of Anesthesiology and Intensive Care, Upper-Silesian Medical Center, 40-635 Katowice, Poland.

ORCID-Profile: Krzysztof Żerdziński, Julita Janiec, Kamil Jóźwik, Paweł Łajczak, Łukasz J Krzych

Zitieren

APA

Żerdziński, K., Janiec, J., Jóźwik, K., Łajczak, P., & Krzych, Ł. J. (2025). Artificial Intelligence in Intensive Care: An Overview of Systematic Reviews with Clinical Maturity and Readiness Mapping. Journal of Clinical Medicine, 15(1), 185. https://doi.org/10.3390/jcm15010185

Vancouver

Żerdziński K, Janiec J, Jóźwik K, Łajczak P, Krzych ŁJ. Artificial Intelligence in Intensive Care: An Overview of Systematic Reviews with Clinical Maturity and Readiness Mapping. Journal of Clinical Medicine. 2025;15(1):185. doi:10.3390/jcm15010185

BibTeX
@article{erdziski2025,
  author = {Żerdziński, Krzysztof and Janiec, Julita and Jóźwik, Kamil and Łajczak, Paweł and Krzych, Łukasz J},
  title = {Artificial Intelligence in Intensive Care: An Overview of Systematic Reviews with Clinical Maturity and Readiness Mapping},
  journal = {Journal of Clinical Medicine},
  year = {2025},
  volume = {15},
  number = {1},
  pages = {185},
  doi = {10.3390/jcm15010185}
}
Kostenlos starten →