KI im Gesundheitswesen: Nutzen für Patienten oft unklar

Künstliche Intelligenz (KI) hält zunehmend Einzug in Krankenhäuser, wo sie Ärzte bei der Notizenführung unterstützt, Patientenakten analysiert und medizinische Bilder interpretiert. Während viele dieser Tools genaue Ergebnisse liefern können, bleibt die entscheidende Frage unbeantwortet: Verbessern sie tatsächlich die Gesundheitsergebnisse der Patienten? In einer Zeit, in der wöchentlich über 230 Millionen Gesundheitsanfragen allein bei ChatGPT eingehen, wird die klinische Validierung zum kritischen Flaschenhals.

Jenna Wiens, Informatikerin an der University of Michigan, und Anna Goldenberg von der University of Toronto, thematisieren diese Lücke in einem aktuellen Artikel in der Fachzeitschrift Nature Medicine. Wiens, die seit Jahren die Vorteile von KI im Gesundheitswesen erforscht, beobachtet eine schnelle Implementierung der Technologien, aber eine unzureichende Bewertung ihrer Wirksamkeit.

Implementierung ohne klinische Evidenz

Ein Beispiel sind sogenannte „Ambient AI“-Tools, auch bekannt als KI-Schreiber, die Arzt-Patienten-Gespräche transkribieren und zusammenfassen. Ärzte berichten anekdotisch von einer Entlastung durch diese Tools, da sie sich stärker auf Patienten konzentrieren und weniger Verwaltungsaufwand haben. Frühe Studien stützen diese Beobachtungen und deuten auf eine Reduzierung des Burnouts bei Klinikpersonal hin. Dennoch warnen Experten, dass die bloße Effizienzsteigerung nicht automatisch mit einer besseren Behandlungsqualität gleichzusetzen ist.

Der "Black Box"-Effekt in der Diagnose

Doch der Einfluss auf die klinische Entscheidungsfindung und damit auf die Patientengesundheit ist weitgehend unerforscht. „Wir wissen es einfach nicht“, sagt Wiens. Dies gelte auch für andere KI-basierte Technologien, die zur Prognose von Krankheitsverläufen oder zur Behandlungsempfehlung eingesetzt werden. Ohne eine generative KI, die ihre Entscheidungsschritte transparent macht, bleibt der klinische Nutzen ein theoretisches Konstrukt.

Genauigkeit ist nicht gleich Heilung

Selbst ein „genaues“ KI-Tool garantiert keine besseren Gesundheitsergebnisse. Die Geschwindigkeit der Röntgenbildinterpretation durch KI mag steigen, aber wie Ärzte die Analyse nutzen oder wie sich die Interaktion mit Patienten verändert, ist unklar. Diese Auswirkungen könnten je nach Krankenhaus, Abteilung, Arbeitsabläufen und Erfahrungsstand der Ärzte variieren. Ein KI-Agent für Ärzte kann zwar die Dokumentation beschleunigen, aber nicht zwingend die Diagnosequalität erhöhen.

Mangelnde Prüfung auf Bias und Fehler

Eine Studie aus dem Januar 2025 von Paige Nong und Kollegen der University of Minnesota zeigte, dass etwa 65 % der US-Krankenhäuser KI-gestützte prädiktive Tools einsetzten. Davon bewerteten nur zwei Drittel die Genauigkeit und noch weniger prüften auf Verzerrungen (Bias). Wiens betont die Notwendigkeit, dass Krankenhäuser oder unabhängige Dritte die Tools in spezifischen Umgebungen bewerten müssen, um mögliche negative oder lediglich neutrale Auswirkungen auf Patienten zu verstehen.

So What?

Für Unternehmen und Entscheider bedeutet die aktuelle Unsicherheit: Vertrauen ist gut, Validierung ist besser. Wer KI im klinischen Umfeld einsetzt, muss eigene Metriken für den Patientennutzen definieren, statt sich auf Herstellerangaben zu verlassen. Bestehende Prozesse müssen überprüft, Strategien angepasst und Ressourcen neu priorisiert werden — wer jetzt handelt und echte Evidenz schafft, sichert sich einen langfristigen Wettbewerbsvorteil.

Fazit

Die Integration von KI in die Medizin steht an einem Scheideweg. Während die administrative Entlastung messbar ist, bleibt der Nachweis für verbesserte Heilungschancen lückenhaft. Wer jetzt strategisch handelt und die konkreten Implikationen für das eigene Unternehmen prüft, verschafft sich einen messbaren Vorsprung durch Qualität und Patientensicherheit.