Zukunft der Medizin: KI in der Diagnostik – was die Evidenz zeigt

Kaum ein Bereich der Medizin verändert sich durch künstliche Intelligenz so sichtbar wie die Diagnostik. Bildgebende Fächer wie Radiologie, Augenheilkunde, Dermatologie und Pathologie erzeugen große, gut beschriftete Datensätze, und Mustererkennung in Bildern ist genau das, was moderne Deep-Learning-Modelle gut können.

Eine ausführlichere englische Fassung finden Sie unter Future of Medicine: AI in Diagnostics.

Wo KI in der Diagnostik heute steht

Die US-Arzneimittelbehörde FDA führt eine öffentliche Liste der KI-gestützten Medizinprodukte, die sie zugelassen hat. Beim Lesen fallen drei Muster auf:

• Die Radiologie dominiert. Die meisten Einträge sind Bildgebungswerkzeuge, etwa zur Erkennung intrakranieller Blutungen im CT, zur Priorisierung bei Verdacht auf Lungenembolie, zur Rundherddetektion oder zur Unterstützung der Mammographie.
• Die Aufgaben sind eng. Ein typisches Produkt erledigt genau eine Aufgabe, zum Beispiel das Markieren eines wahrscheinlichen Gefäßverschlusses, damit die Untersuchung in der Arbeitsliste nach oben rückt.
• Die meisten Systeme unterstützen nur. Die Entscheidung trifft weiterhin die Ärztin oder der Arzt.

Die Liste wird mehrmals im Jahr aktualisiert, die Zahl der Produkte ändert sich also laufend.

Das erste autonome Diagnosesystem

Ein Meilenstein kam aus der Augenheilkunde. In einer Zulassungsstudie in US-Hausarztpraxen wertete ein autonomes KI-System Netzhautfotos aus und entschied, ob eine mehr als milde diabetische Retinopathie vorlag und eine Überweisung nötig war, ohne dass eine Fachärztin die Bilder befundete. Das System erreichte die vorab festgelegten Ziele für Sensitivität und Spezifität und wurde anschließend von der FDA zugelassen. Damit war gezeigt, dass eine Behörde ein eigenständig entscheidendes Produkt akzeptiert, wenn die Indikation eng definiert und die Evidenz prospektiv ist.

Was die stärkste Evidenz zeigt

Retrospektive Studien, in denen ein Modell an Bildern mit bereits bekanntem Ergebnis getestet wird, sind häufig und oft beeindruckend. Sie beweisen aber nicht, dass Patientinnen und Patienten in einem echten Versorgungsprogramm profitieren.

Stärkere Evidenz liefern prospektive randomisierte Studien. In der schwedischen MASAI-Studie wurden Frauen im bevölkerungsbezogenen Mammographie-Screening entweder einem KI-gestützten Screening oder der üblichen Doppelbefundung durch zwei Radiologinnen oder Radiologen zugeteilt. In der veröffentlichten Sicherheitsanalyse entdeckte das KI-gestützte Verfahren Karzinome in ähnlicher Rate ohne mehr falsch-positive Befunde, während die Lesebelastung der Radiologinnen und Radiologen deutlich sank. Für Gesundheitssysteme mit Fachkräftemangel ist genau diese Entlastung bei gleicher Sicherheit das entscheidende Ergebnis.

Wo KI in der Diagnostik gescheitert ist

Ein nüchternes Bild braucht auch die Misserfolge.

Datensatzverschiebung und fehlende externe Validierung

Modelle lernen die Daten, mit denen sie trainiert wurden. Ein anderer Gerätehersteller, eine andere Patientengruppe, geänderte Aufnahmeprotokolle oder eine andere Krankheitsprävalenz können die Leistung verändern. Schon früh wurde gewarnt, dass viele frühe Arbeiten keine prospektive Validierung hatten und der Praxiseinsatz Schwächen offenlegen würde.

Das Beispiel Sepsis-Vorhersage

Das deutlichste Warnbeispiel ist kein Bildgebungswerkzeug, sondern ein Vorhersagemodell. Ein proprietäres Sepsis-Modell, das in eine weit verbreitete elektronische Patientenakte eingebaut war, wurde an einem großen US-Universitätsklinikum extern geprüft. Es schnitt deutlich schlechter ab als vom Hersteller angegeben, übersah viele Sepsis-Fälle und erzeugte zahlreiche Alarme. Für die Diagnostik heißt das: Herstellerangaben ersetzen keine unabhängige Validierung im eigenen Umfeld.

Bias

Sind bestimmte Gruppen in den Trainingsdaten unterrepräsentiert, etwa dunklere Hauttypen in dermatologischen Bilddaten, kann ein Modell bei diesen Patientinnen und Patienten schlechter funktionieren. Die WHO nennt Inklusivität und Gerechtigkeit als Kernprinzipien und fordert ausdrückliche Prüfungen auf Bias.

Automatisierungs-Bias

Menschen neigen dazu, selbstbewusst auftretender Software zu sehr zu vertrauen. Übersieht die KI einen Befund, übersieht ihn eine unter Zeitdruck lesende Person womöglich ebenfalls. Abläufe, Schulung und Audits müssen diesen menschlichen Faktor berücksichtigen.

Wie Regulierer reagieren

Die Regulierung konvergiert auf wenige Prinzipien: eng definierter Verwendungszweck, risikoangemessene Evidenz, menschliche Verantwortung und Überwachung nach der Markteinführung.

• USA. Die FDA prüft diagnostische KI-Software als Medizinprodukt und veröffentlicht die Liste zugelassener Produkte.
• Europäische Union. Die KI-Verordnung der EU stuft KI-Systeme, die Sicherheitsbauteil eines Medizinprodukts sind oder selbst ein Medizinprodukt mit Konformitätsbewertung durch Dritte darstellen, als Hochrisiko-Systeme ein. Für sie gelten Anforderungen an Daten-Governance, technische Dokumentation, Transparenz, menschliche Aufsicht und Genauigkeit, zusätzlich zum bestehenden Medizinprodukterecht.
• WHO. Die WHO-Leitlinie nennt sechs Prinzipien: Schutz der Autonomie; Förderung von Wohlergehen, Sicherheit und öffentlichem Interesse; Transparenz und Erklärbarkeit; Verantwortung und Rechenschaft; Inklusivität und Gerechtigkeit; sowie reaktionsfähige und nachhaltige KI.

Für Ärztinnen und Ärzte in Deutschland, Österreich und der Schweiz gelten zusätzlich die jeweiligen nationalen Regeln zum Medizinprodukterecht, die Grundfragen bleiben aber dieselben: Wofür ist das Produkt bestimmt, wie gut ist die Evidenz, und wer trägt die Verantwortung?

Was sich für Ärztinnen und Ärzte ändert

KI dürfte die Form diagnostischer Arbeit stärker verändern als ihre Existenz.

1. Priorisierung. Dringliche Befunde, die Software markiert, rücken in der Arbeitsliste nach oben, etwa bei Schlaganfall oder Pneumothorax.
2. Umverteilung von Arbeit. Wie MASAI nahelegt, kann KI einen Teil der Screening-Befundung übernehmen, sodass Fachleute sich auf komplexe oder auffällige Fälle konzentrieren.
3. Quantifizierung. Automatische Messungen von Volumina oder Läsionsgrößen können Befunde einheitlicher machen.
4. Neue Pflichten. Ärztinnen und Ärzte müssen den Verwendungszweck eines Werkzeugs kennen, seine bekannten Fehlerquellen verstehen, unplausible Ergebnisse erkennen und Probleme melden.

Checkliste, bevor man einem KI-Diagnosewerkzeug vertraut

• Wofür genau und für welche Population ist es bestimmt?
• Ist es für diesen Zweck von der zuständigen Behörde zugelassen bzw. CE-gekennzeichnet?
• Wurde es extern validiert, idealerweise prospektiv und in einem vergleichbaren Umfeld?
• Wie hoch sind Sensitivität und Spezifität beim verwendeten Schwellenwert, und was bedeutet das bei der lokalen Prävalenz?
• Wie werden Fehler gemeldet, und wer überwacht die Leistung über die Zeit?
• Was passiert im Ablauf, wenn das System ausfällt?

Was Studierende und Prüfungskandidaten lernen sollten

Für die Arbeit mit diagnostischer KI muss man nicht programmieren können. Gebraucht werden die Grundlagen der evidenzbasierten Medizin, die Prüfungen ohnehin abfragen:

• Sensitivität, Spezifität, positiver und negativer prädiktiver Wert und warum prädiktive Werte von der Prävalenz abhängen. Ein Test mit hoher Spezifität kann in einem Screening mit niedriger Prävalenz trotzdem viele falsch-positive Ergebnisse liefern.
• Bias und Confounding, einschließlich Spektrum- und Selektionsbias in Validierungsstudien.
• Evidenzhierarchie, um eine retrospektive Genauigkeitsstudie von einer randomisierten Studie zu unterscheiden.
• Klinisches Denken, um zu erkennen, wann ein Algorithmus nicht zum Patienten passt.

Diese Themen kommen im Staatsexamen ebenso vor wie in USMLE, PLAB, AMC oder den Lizenzprüfungen der Golfstaaten. Wer sie mit prüfungsnahen Fragen trainieren möchte, findet in der MediFlow-App Übungsfragen zu Biostatistik und evidenzbasierter Medizin. Wie Studierende KI bereits zum Lernen nutzen, beschreibt der englische Beitrag AI in medical education.

Typische Missverständnisse

• „Hohe Genauigkeit in einer Studie heißt, es funktioniert überall.“ Nicht ohne externe Validierung und Überwachung.
• „KI ist objektiv.“ Sie spiegelt ihre Trainingsdaten wider, einschließlich deren Lücken.
• „Die Software ist verantwortlich.“ Nach geltenden Rahmenwerken bleibt ein Mensch verantwortlich.
• „KI ersetzt diagnostische Fächer bald.“ Zugelassene Systeme sind eng und unterstützend; die stärkste Studienevidenz zeigt Entlastung, keinen Ersatz.

Ausblick

Die nächste Phase der KI-Diagnostik wird weniger von neuen Algorithmen entschieden als von ihrer Einführung: prospektive Studien in echten Programmen, Überwachung auf Leistungsdrift, faire Ergebnisse für alle Patientengruppen und Vergütungsmodelle, die nachgewiesenen Nutzen belohnen. Ärztinnen und Ärzte, die sowohl die Statistik als auch die Abläufe verstehen, werden entscheiden, ob diese Werkzeuge Patientinnen und Patienten helfen.

Weiter in der Reihe (englisch): How medical jobs will change und AI in medicine in 2026.