Sepsis ist eine kritisch lebensbedrohliche Erkrankung mit hoher Sterblichkeit, deren frühzeitige Erkennung und präzises Management eine große klinische Herausforderung darstellen. Traditionelle Bewertungsinstrumente beruhen auf statischen Daten und erfüllen nicht die Anforderungen an die dynamische Zustandsüberwachung und individualisierte Therapie. Künstliche Intelligenz (KI) integriert multidimensionale klinische Daten und bietet neue Lösungen für die Früherkennung von Sepsis, Risikostratifizierung, Subtypidentifikation und therapeutische Entscheidungsfindung. Dennoch ist die klinische Translation von KI durch Datenqualität, Modellinterpretierbarkeit und fehlende ethische Regulierungsrahmen begrenzt. Dieser Artikel gibt einen systematischen Überblick über die neuesten Fortschritte bei der KI-gestützten Sepsis-Management: Maschinelles Lernen und Deep-Learning-Modelle können frühe Risiken aus zeitlichen Daten erkennen und so eine vorzeitige Warnung ermöglichen; unüberwachtes Lernen unterstützt die Analyse der Heterogenität von Sepsis und die Einteilung in Subtypen mit unterschiedlichen Prognosen und Therapierespondenzen; auf therapeutischer Ebene beginnt KI, Entscheidungsunterstützung bei der präzisen Anwendung von Flüssigkeitsersatz, vasoaktiven Medikamenten und Antibiotika zu bieten. Die zukünftige Entwicklung muss sich auf den Aufbau qualitativ hochwertiger multizentrischer Datensätze, die Entwicklung erklärbarer Algorithmen und die Validierung der klinischen Wirksamkeit durch prospektive Studien konzentrieren, mit dem Ziel, ein kooperatives Diagnose- und Behandlungsmodell zu etablieren, das den Arzt in den Mittelpunkt stellt und von KI unterstützt wird, um die Prognose von Sepsis-Patienten zu verbessern.

künstliche Intelligenz;Sepsis;maschinelles Lernen;Früherkennung;Entscheidungsunterstützung