Medizinische Fehldiagnosen betreffen laut einer Studie des BMJ schätzungsweise 1 von 20 Patienten weltweit – das sind allein in Deutschland jährlich Millionen von Fällen. Nicht weil Ärzte schlecht sind, sondern weil die schiere Datenmenge – Laborwerte, Bildgebung, Anamnese – menschliche Kapazitäten übersteigt. KI kann hier als zweiter Blick fungieren: präzise, schnell, ohne Ermüdung.
KI in der medizinischen Bildgebung
Der am besten etablierte Anwendungsbereich ist die Auswertung medizinischer Bilder. KI-Systeme analysieren Röntgenbilder, CT-Scans, MRTs und Hautbilder mit hoher Geschwindigkeit und Präzision:
- Radiologie: Systeme wie Aidoc, Qure.ai oder das Angebot von Siemens Healthineers analysieren CT-Scans auf Lungenembolien, Blutungen oder Tumore – oft schneller als ein menschlicher Radiologe und mit vergleichbarer oder sogar höherer Erkennungsrate bei bestimmten Befunden.
- Dermatologie: Apps wie SkinVision oder die Technologie hinter der Diagnoseunterstützung von Universitätskliniken erkennen verdächtige Hautveränderungen auf Smartphone-Fotos.
- Pathologie: Gewebeproben werden digital ausgewertet und KI markiert auffällige Zellmuster zur Prüfung durch den Pathologen.
Differenzialdiagnose und klinische Entscheidungsunterstützung
Über die Bildauswertung hinaus gibt es Systeme, die auf Basis von Symptomen, Labordaten und Patientengeschichte Differenzialdiagnosen vorschlagen. Systeme wie Isabel DDx oder Watson Health (in klinischen Settings) listen mögliche Diagnosen nach Wahrscheinlichkeit geordnet auf – ein wertvoller Check, besonders bei seltenen Erkrankungen.
Grenzen und Verantwortung
KI ersetzt keine ärztliche Entscheidung und keine menschliche Einfühlsamkeit. Die Verantwortung für Diagnosen und Therapien liegt beim Arzt. KI kann Fehler machen, insbesondere bei Fällen, die stark von ihren Trainingsdaten abweichen. Deshalb sind Transparency, klinische Validierung und der klare Status als „Unterstützung“ – nicht „Entscheidung“ – unverzichtbar.
Regulatorische Einordnung in Deutschland
Medizinische KI-Software gilt in der EU oft als Medizinprodukt und unterliegt der MDR (Medical Device Regulation). Das bedeutet klinische Evidenzanforderungen, CE-Kennzeichnung und Qualitätsmanagementsysteme. Einrichtungen, die KI-Diagnosewerkzeuge einführen, sollten diese regulatorischen Anforderungen kennen und bei der Anbieterauswahl berücksichtigen.
Weiterführende Artikel:
Materialplanung und Lagerhaltung im Handwerk: KI-Unterstützung für kleinere Betriebe
