Sepsis zählt weltweit zu den häufigsten Todesursachen und stellt eine große Herausforderung für die Intensivmedizin dar. Eine frühzeitige und zuverlässige Diagnose sowie eine realistische Einschätzung des Krankheitsverlaufs sind entscheidend, um betroffene Patientinnen und Patienten rechtzeitig und gezielt behandeln zu können. In einer vorangegangenen Studie wurde hierfür eine innovative Methode entwickelt, die hyperspektrale Bildgebung mit künstlicher Intelligenz kombiniert. Hyperspektralkameras ermöglichen eine schnelle, nicht-invasive Analyse der Hautdurchblutung und Gewebeoxygenierung. Auf Basis dieser Bilddaten sowie klinischer Parameter wurde ein Deep-Learning-Algorithmus trainiert, der Sepsis frühzeitig erkennen und das Risiko für einen ungünstigen Krankheitsverlauf zuverlässig vorhersagen kann. Wissenschaftliche Erkenntnisse zeigen jedoch, dass Männer und Frauen Unterschiede in Immunantwort, Krankheitsverlauf und klinischer Präsentation bei Sepsis aufweisen können. Bisher ist weitgehend unklar, ob KI-basierte Vorhersagemodelle solche geschlechtsspezifischen Unterschiede ausreichend berücksichtigen oder ob sich systematische Verzerrungen in der diagnostischen Leistung ergeben können. Das geplante Vorhaben soll daher im Rahmen einer Post-hoc-Analyse untersuchen, ob der Algorithmus bei Männern und Frauen eine vergleichbare diagnostische und prognostische Leistungsfähigkeit aufweist. Dazu werden die vorhandenen Daten der ursprünglichen Studie geschlechtsspezifisch ausgewertet und mögliche Unterschiede in der Vorhersagegenauigkeit analysiert. Ziel ist es, potenzielle geschlechtsspezifische Biases zu identifizieren und damit eine evidenzbasierte Grundlage für eine geschlechtersensible Weiterentwicklung solcher KI-basierter Systeme zu schaffen. Die Ergebnisse sollen dazu beitragen, die Anwendung moderner Technologien in der Intensivmedizin gerechter und präziser zu gestalten und langfristig die Versorgung von Patientinnen und Patienten mit Sepsis zu verbessern.