KI in der Medizin: Auf dem Papier präzise, am Krankenbett kaum belegt

Künstliche Intelligenz soll die Gesundheitsversorgung schneller, günstiger und besser machen. So lautet zumindest das Versprechen. KI kann Patientenakten durchsuchen, Ärzte bei Diagnosen unterstützen, Scans auswerten, Verwaltungsaufgaben übernehmen und sogar vor lebensbedrohlichen Situationen wie einer Sepsis warnen.

Doch genau hier liegt laut der Financial Times das Problem. Die Technologie entwickelt sich rasant, während der Nachweis, dass KI im Klinikalltag tatsächlich zu besseren Behandlungsergebnissen führt, häufig hinterherhinkt.

Das Problem falscher Alarme

Ein anschauliches Beispiel liefert ein Krankenhaus in Michigan. Dort wurde ein KI-System eingeführt, das alle 15 Minuten Patientenakten auf Anzeichen einer Sepsis prüfte. In der Theorie klingt das überzeugend: Eine Sepsis kann lebensgefährlich sein, frühes Eingreifen ist entscheidend.

In der Praxis erhielten Ärzte jedoch so viele Warnmeldungen, dass sie das System zunehmend weniger ernst nahmen. Es war die klassische Geschichte vom Jungen, der zu oft vor dem Wolf warnte.

Schlägt ein KI-Tool zu häufig Alarm, lässt die Aufmerksamkeit der Ärzte eher nach. Dann entlastet die Technologie nicht, sondern erzeugt zusätzlichen Lärm in einem ohnehin überlasteten System.

Präzise ist nicht automatisch nützlich

Dahinter steht ein größeres Problem. Viele KI-Unternehmen belegen vor allem, dass ihr Modell statistisch gut abschneidet. Es erkennt Muster, prognostiziert Risiken oder erzielt in Testumgebungen hohe Werte.

In der Medizin reicht das jedoch nicht aus. Entscheidend ist nicht, ob ein Algorithmus auf dem Papier präzise arbeitet. Entscheidend ist, ob Patienten davon profitieren.

Werden Diagnosen schneller gestellt? Sinkt die Zahl medizinischer Fehler? Werden Behandlungen wirksamer? Sparen Ärzte tatsächlich Zeit, ohne dass neue Risiken entstehen? Für solche Fragen gibt es nach Einschätzung von Experten oft überraschend wenig belastbare Evidenz.

Generative KI steht im Mittelpunkt

In der Bildgebung und Diagnostik gibt es überzeugende Beispiele, in denen KI nachweislich hilft. Etwa bei Scans oder Koloskopien, bei denen Algorithmen Auffälligkeiten erkennen können.

Viel Aufmerksamkeit richtet sich derzeit jedoch auf generative KI, etwa auf Systeme, die medizinische Texte zusammenfassen oder Ärzte bei Entscheidungen unterstützen.

Gerade dort ist die Evidenzlage schwieriger. Diese Modelle verändern sich schnell, arbeiten mit sensiblen Daten und können überzeugend klingen, obwohl sie Fehler machen. Das erfordert kontinuierliche Kontrolle in realen Krankenhäusern, nicht nur Tests im Labor.