Diagnostik-KI: Lokales System erreicht 98,9% Genauigkeit

Künstliche Intelligenz soll Medizinerinnen und Mediziner im Gesundheitswesen unterstützen, sie jedoch keinesfalls ersetzen. Diesen Standpunkt betonte EU-Kommissionspräsidentin Ursula von der Leyen in ihrer Rede zur Lage der Union in Straßburg.

Neben der Forderung nach einem europäischen Weg bei der Technologieentwicklung mahnte die Kommissionspräsidentin einen sofortigen Datenzugang für Diagnose und Therapie an. Als positives Anwendungsbeispiel verwies sie auf KI-gestützte Mammografien, die eine frühere Erkennung von Krebs ermöglichen.

Zugleich kündigte die Kommissionspräsidentin für November 2026 Initiativen in fünf Schlüsselbereichen an: Gesundheit, Verkehr, Landwirtschaft und Lebensmittel, Spitzenfertigung sowie Verteidigung und Weltraum. Während die Kommission massiv in diese Felder investieren möchte, plant von der Leyen gleichzeitig, das Entwicklungstempo bei selbstrekursiven KI-Modellen zu drosseln.

Wie dringend eine strukturierte Herangehensweise ist, verdeutlicht ein Bericht der Weltgesundheitsorganisation: Demnach verfügen bislang lediglich acht Mitgliedstaaten beziehungsweise 8 Prozent der Mitgliedstaaten über eine nationale Strategie für Gesundheits-KI.

Lokale Systeme und Verlässlichkeit in der Diagnostik

Dass algorithmische Werkzeuge in der Diagnostik bereits beachtliche Resultate erzielen können, zeigt eine am 16. September 2026 im Fachjournal Nature Medicine veröffentlichte Untersuchung. Forschende um Professor Jakob N. Kather vom EKFZ für Digitale Gesundheit der TU Dresden und des Uniklinikums Dresden stellten darin ein vollständig lokal betriebenes diagnostisches System vor, das auf dem im Juni 2026 präsentierten KI-Agenten MIRA basiert.

In der Untersuchung erzielte das beste lokale Modell bei Blinddarmentzündungen, Gallenblasen- und Lungenentzündungen sowie Lungenembolien und Harnwegsinfekten in zwei Tests korrekte Diagnosen in 84 Prozent beziehungsweise 90 Prozent der Fälle.

Der technologische Wandel stellt neue Anforderungen an die Rechtskonformität in Unternehmen und Abteilungen. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über Fristen, Pflichten und Risikoklassen des EU AI Acts. EU AI Act in 5 Schritten verstehen

Bei 181 zufällig ausgewählten Fällen lag die Übereinstimmung zwischen der automatisierten Bewertung und dem ärztlichen Konsens bei über 90 Prozent. Als wichtigster Indikator für korrekte Befunde erwies sich die Konsistenz über wiederholte Berechnungen hinweg.

Konkret erreichte das System bei 551 Fällen rund 90 Prozent korrekte Diagnosen, während ein zweiter test 83,8 Prozent ergab. Bei fünf Wiederholungen blieben 272 Fälle (49,4 Prozent) stabil; innerhalb dieser Gruppe fielen 269 Urteile richtig und 3 falsch aus, was einer Genauigkeit von 98,9 Prozent entspricht.

Drei Durchläufe brachten eine Quote von 97,5 Prozent, zehn Durchläufe erreichten 99,6 Prozent. Im Stresstest sank die Genauigkeit allerdings von 90,6 Prozent auf 70,2 Prozent.

Zwischen Skepsis in Praxen und Entlastung im Klinikalltag

Trotz des technischen Potenzials bestehen in der täglichen Anwendung Hürden im Zusammenspiel zwischen Mensch und Maschine. Eine Studie des Deutschen Instituts für Wirtschaftsforschung mit 372 dänischen Hausärztinnen und Hausärzten zur Diagnose von Harnwegsinfekten verdeutlicht Vorbehalte gegenüber automatisierten Hinweisen: Nach einer KI-Diagnose passten die Mediziner ihre Risikoeinschätzung um 41 Prozent weniger stark an als nach einem vergleichbar verlässlichen Urin-Schnelltest. Rund ein Drittel ignorierte die Information des Algorithmus vollständig, was zu mehr unnötigen Verschreibungen von Antibiotika führte.

Wer im professionellen Umfeld mit neuen Technologien arbeitet, muss die rechtlichen Rahmenbedingungen kennen, um Haftungsrisiken zu vermeiden. Der kostenlose Report klärt auf, welche KI-Systeme als Hochrisiko gelten und was Verantwortliche jetzt konkret tun müssen. Kostenlosen KI-Leitfaden jetzt herunterladen

Gleichzeitig wächst der Druck auf die Versorgungsstrukturen, administrative Abläufe effizienter zu gestalten. Laut Daten der Deutschen Krankenhausgesellschaft gilt bis 2030 nahezu jede zweite Klinik als insolvenzgefährdet.

Eine Erhebung des Deutschen Krankenhausinstituts für die DKG aus dem Jahr 2024 zeigte, dass medizinisches und pflegerisches Personal täglich rund drei Stunden oder ein Drittel der Arbeitszeit für Dokumentationsaufgaben aufwendet.

Sprachbasierte KI-Systeme arbeiten demnach rund viermal schneller. Arztbriefe und Aufklärungsbögen lassen sich zu über 80 Prozent automatisiert vorausfüllen, und der anfallende Nachsorgebedarf kann bereits am Aufnahmetag mit einer Genauigkeit von 90 Prozent ermittelt werden.

de | wissenschaft | 70111325 |