Der Ticker: Neues zur Künstlichen Intelligenz im Gesundheitswesen

Es war zu erwarten: KI kann kritisches Denken gefährden. Wenn sich Medizinstudenten und junge Ärztinnen und Ärzte zu sehr Entscheidungshilfen wie OpenEvidence oder Uptodate verlassen, ob für Diagnosen, Lernaufgaben oder Entscheidungen – dann besteht die Gefahr, dass klinische Denkfertigkeiten unterentwickelt bleiben. Eine BMJ-Studie listet nun diverse Risiken auf:

Die Autoren raten, dass es der Ausbildung streng dabei bleibt: Man soll zuerst Aufgaben ohne KI bearbeiten und dann KI‑Ergebnisse vergleichen – nicht umgekehrt. Zugleich gehören KI‑Kompetenz und KI‑Kritik als fester Bestandteil in die medizinische Ausbildung.

Large Language Models sind extrem gut darin, medizinisches Wissen auf Expertenniveau zu reproduzieren. Aber eine Studie von britischen und amerikanischen Forschern zeigt nun: Sobald Laien damit arbeiten, verschlechtert sich die Entscheidungsqualität. Am Ende sind die Ergebnisse sogar schlechter als bei klassischen Recherchen. Die These wäre also: Mehr KI-Technologie ohne adäquate Kompetenz könnte zu schlechteren Entscheidungen führen als der gute, alte Dr. Google. OpenAI, Anthropic, Amazon, Google for Health – Sie alle bauen an Angeboten, mit denen die Leute ihre Gesundheitsdaten einspeisen können, um Antworten über ihren Gesundheitszustand zu finden. Aber die bislang kaum beachtete Frage lautet vielleicht: Wie riskant ist es, High‑End‑KI‑Tools mit medizinischen Laien zusammenzubringen?

Ambient Scribes ist ein Wort des Jahres 2026. Die automatisierte KI-Dokumentation gilt als grosse Hoffnung: weniger Tippen, mehr Patientenkontakt. Weniger Bürokratie, entspanntere Ärztinnen und Ärzte.

Aber da wäre wohl noch ein Aspekt: KI-Dokumentation könnte das Gesundheitssystem teurer machen. Warum?

Eine kalifornische Untersuchung stellte nun diese Entwicklung fest. Die intensivere Verrechnung erfolgte dabei nicht wegen einem Leistungsausbau — sondern weil KI verstärkt herausarbeitet, was bisher unter dem Radar lief.

KI ist schafft mehr Produktivität. Aber das bedeutet eben auch: genauere, effizientere, gnadenlosere Abrechnung.

Ob der Bundesrat das im Hinterkopf hatte bei seinem Bemühen, rasch stärker auf ambulante Pauschalen und weniger auf Einzeltarife zu setzen? Aber das ist eine andere Frage.

«This AI spots dangerous blood cells doctors often miss» – Diese KI entdeckt gefährliche Blutzellen, die Ärzte oft übersehen: So vermeldet die Universität Cambridge eine neue generative KI-Lösung namens CytoDiffusion. In Test habe CytoDiffusion krankhafte Veränderungen in Blutproben genauer erkannt als menschliche Experten.

Die KI analysiert Form und Struktur von Blutkörperchen und identifiziert subtile Abweichungen, etwa bei Leukämie, indem sie nicht nur klassische Muster erkennt, sondern die gesamte Vielfalt normaler Zellen modelliert.

Laut den Autoren bewertet CytoDiffusion nicht nur Bilder, sondern erkennt auch seine eigene Unsicherheit, was Fehldiagnosen immer stärker senken dürfte.

Weiter soll CytoDiffusion in der Lage sein, täuschend echte synthetische Zellbilder zu erzeugen. Entwickelt wurde das System von einem Team dreier britischer Universitäten; die Ergebnisse wurden in «Nature Machine Intelligence» veröffentlicht.

Dass KI zum Hilfs-Doktor wird und Rezepte ausstellt: So weit sind wir noch lange nicht. Aber was wäre, wenn Künstliche Intelligenz zumindest bestehende Rezepte verlängert?

Im US-Bundesstaat Utah startet dazu ein Pilotprojekt. Patienten mit chronischen Erkrankungen können über die Plattform Doctronic schnell und legal eine Erneuerung ihrer Medikation erhalten, die dann von Apothekern bearbeitet wird – ohne dass jedes Mal ein Arzt aktiv unterschreiben muss. Ziel des Projekts:

Das könnte wegweisend sein – wirft aber auch Fragen auf: Wie viel klinische Verantwortung darf KI übernehmen? Wie steht es um die Patientensicherheit?

Ein KI-Projekt in der Romandie, das wir noch nicht erwähnt hatten: Am Lausanner Universitätsspital CHUV startet bald ein klinischer Versuch mit einem eigenen Sprachmodell für medizinische Entscheidungen. Ziel ist es, den Nutzen von KI unter realen klinischen Bedingungen zu prüfen – insbesondere in der Notaufnahme. Dort beginnen im Mai erste Tests. Meditron, so der Name, wurde an der EPFL mit medizinischer Fachliteratur trainiert und in enger Zusammenarbeit mit über 300 Ärzten des CHUV angepasst und bewertet.

Untersucht wird unter anderem, ob das System helfen kann, Fehl- und Überversorgung zu senken, etwa bei der Verschreibung von Antibiotika oder beim Einsatz von CT-Untersuchungen.

Meditron gibt Empfehlungen, aber die Entscheidung bleibt stets beim Arzt. Das Projekt soll zeigen, dass KI – ähnlich wie medizinische Therapien – klinisch validiert werden kann und als vertrauenswürdige, kritisch genutzte Entscheidungshilfe dient.

➡️ Zu Meditron.

Eine nächste Stufe, mit der wir wohl rechnen müssen: KI erteilt Kostengutsprachen (oder lehnt sie ab). In Texas läuft ein Medicare-Pilotprogramm, bei dem KI die Genehmigungen für diverse medizinische Leistungen erteilt.

Der offensichtliche Vorteil: Es geht schnell (meist innert 72 Stunden) und effizient. Andererseits stellen sich ethische Fragen. Die Ärzte warnen vor einer Zusatz-Belastung. Und es stellt sich wieder einmal die Frage: Wo liegt am Ende die Verantwortlichkeit?

KI erleichtert die Brustkrebs-Früherkennung: Das bestätigt die bislang grösste randomisierte Untersuchung zum Thema. Für die Studie, veröffentlicht in «The Lancet» wurden die Mammographie-Screening-Daten von 100'000 Frauen in Schweden ausgewertet.

Im Vergleich zur konventionellen Doppelbefundung ohne KI-Unterstützung ergab sich bei der KI-gestützten Mammographie ein signifikant tieferer Anteil an Intervallkarzinomen (was andeutet, dass beim vorangehenden Screening offenbar besser entdeckt wurde).

Insgesamt wurden mehr Tumoren im präklinischen Stadium gefunden. Zugleich zeigt sich, dass KI-Unterstützung den Aufwand der Radiologen um bis 44 Prozent senken kann. Die Autorinnen betonen aber, dass die Ergebnisse zeitlich und geografisch begrenzt sind.

Ein Team des Johns Hopkins Hospital hat mit einem Deep-Learning-Modell erstmals einen bildgebenden Biomarker für chronischen Stress identifiziert; dieser ist in routinemässigen CT-Scans erkennbar. Der «Adrenal Volume Index» deckt sich mit Cortisolspiegel, subjektiv empfundenem Stress und sogar mit dem Risiko für Herzinsuffizienz.

Die HSLU entwickelt mit internationalen Partnern eine KI-basierte App zur Früherkennung vernachlässigter tropischer Hautkrankheiten in Afrika. Die Anwendung analysiert Hautveränderungen auf Smartphone-Bildern und unterstützt Fachkräfte vor Ort bei der Diagnose – speziell in Regionen, wo Spezialisten fehlen.

Ein Schwerpunkt liegt auf der Erhebung von Bildmaterial dunkler Hauttypen, die in den Datenbanken stark unterrepräsentiert sind. Die App soll helfen, die Diagnosen und Überwachung dieser Krankheiten in Regionen zu verbessern, in denen es an Fachpersonal für Hautkrankheiten mangelt oder der Zugang zur medizinischen Versorgung erschwert ist.