Sepsis-Algorithmus

​​​​Sepsis, im allgemeinen Sprachgebrauch auch „Blutvergiftung“ genannt, ist ein lebensbedrohliches Krankheitsbild. Jede früher eine wirksamen Therapie die Infektion bekämpfen kann, desto höher sind die Überlebenschancen. Ziel des Sepsis-Algorithmus ist es eine beginnende Sepsis frühzeitig zu erkennen und das Stationsteam bei Diagnostik und Therapie zu unterstützen.

Klinische Relevanz

Sepsis zählt weltweit zu den häufigsten Todesursachen in der Akutmedizin. Der Verlauf ist oft unspezifisch, sodass die Diagnose im Alltag zu spät gestellt wird. Eine frühzeitige Identifikation erhöht die Überlebenschance deutlich – besonders in Notaufnahmen, wo 60–80 % aller Sepsis-Patient:innen zuerst vorstellig werden. Da dort nahezu immer ein Blutbild erhoben wird, bieten diese Routinedaten einen idealen Ansatzpunkt für ein Frühwarnsystem.

Diagnostische Herausforderung

Sepsis ist ein komplexes Syndrom, das sich nicht allein anhand einfacher Laborwerte sicher erkennen lässt. Hier setzen Methoden der künstlichen Intelligenz (KI) an: Sie können Muster in den Daten identifizieren, die für das menschliche Auge nicht erkennbar sind.

*Darstellung der notwendigen Daten für das Basis-Modell zur Sepsis-Früherkennung; MCV: mean corpuscular volume (Mittleres Erythrozyteneinzelvolumen)

Funktionsweise und Methodik​

Der AMPEL-Algorithmus nutzt labormedizinische Routinedaten, die zu Beginn des stationären Aufenthalts vorliegen. Bereits wenige Parameter aus dem kleinen Blutbild – wie Hämoglobin oder Leukozyten – können frühe Hinweise auf eine beginnende Sepsis liefern.

Das Modell arbeitet in zwei Stufen:

1. Basis-Modell: Filtert zuverlässig Patient:innen ohne Sepsis heraus.
2. Standortspezifisches Modell (in Entwicklung): Reduziert unnötige Alarme und passt die Früherkennung an die jeweilige Klinik an.