Befund · Seite 3

Ein Sicherheitstest setzte einen patientennahen Chatbot unter Dauerdruck. Seine Dokumente gab er stets korrekt wieder. Seine eigenen Schutzregeln gab er auf, sobald eine Person in Not einfach weiterfragte. Eine Einzelfrage hätte das nie gezeigt.

Ein Open-Source-Team trainierte Codon-Sprachmodelle über 25 Spezies hinweg zum Preis eines Wochenendes — und stellte fest, dass ein Start von einem Textmodell die Sache verschlechtert. Ein sorgfältiger Werkstattbericht: kein klinisches Ergebnis und nicht begutachtet.

Eine sorgfältige Reportage trifft das Feld dort, wo es wirklich steht: Treffsicherheit auf einem Benchmark ist nicht dasselbe wie ein Nutzen für die Patient:innen — und genau Letzteres hat kaum jemand gemessen. Zwei Studien zeigen, warum.

Im ländlichen Kenia liefert ein Fitness-Tracker nur etwa die Hälfte der Zeit brauchbare Herzfrequenzdaten. Ein an einer fremden Pandemie trainiertes Modell füllte die Lücken — und fand 42 Malaria-Fälle, die sonst unentdeckt geblieben wären. Die Frage ist, was dabei erkannt wird.

Eine systematische Evaluation fand: Ein Open-Weight-Modell mit drei Milliarden Parametern erreicht bei der Erkennung kognitiver Beeinträchtigung aus Sprache ein viel größeres kommerzielles Modell. Real — doch der Weg in eine deutsche Klinik ist der Teil, den man langsam liest.

Fünf Monate nachdem die elektronische Patientenakte für Krankenhäuser verpflichtend wurde, können sie laut einer Verbandsumfrage 26 Prozent flächendeckend nutzen. Die Zahl ist weniger Anklage als Messung: der Abstand zwischen Frist und der Arbeit, die sie verlangt.

Eine große retrospektive Studie berichtet, dass ein KI-Heilungsindex eine stockende Wunde eine Woche eher erkennt als das übliche Maß. Das Signal ist real und bescheiden — und die Studie stammt von dem Unternehmen, das den Index verkauft.

Eine Studie mit 4.244 Menschen mit Long COVID fragt, ob eine morgendliche Handymessung von Herzfrequenz und Variabilität einen abendlichen Crash ankündigt. Das Signal innerhalb der Person ist real. Der Zugewinn gegenüber dem Wissen, dass gestern schlecht war, ist klein.

Die bislang größte Real-World-Kohorte zu einer Verbraucherplattform aus Blutwerten und Wearables berichtet: Die meisten Nutzenden mit schlechten Ausgangswerten verbesserten sich. Die Zahlen sind echt. Ohne Vergleichsgruppe bleibt offen, ob die Plattform der Grund ist.

Eine internationale Gruppe hat eine Eingabeschicht gebaut, die ein Sprachmodell zwingt, vor der Antwort seine eigene Sicherheit zu prüfen. Die begutachtete Fassung trägt nun Zahlen — groß, aber gemessen an synthetischen Fällen, bewertet von einem Modell, nicht an Patient:innen.

Ein klinisches Modell, das eine falsche Antwort selbstsicher gibt, ist gefährlich — weil man der Selbstsicherheit folgt. Diese Studie prüft eine Anweisung, die das Modell zwingt, zuerst zu fragen. Gemessen wurde ein Benchmark, nicht der Verlauf.

Unser Medizinprodukterecht unterstellt, dass ein Produkt sich morgen verhält wie am Tag der Zulassung. Adaptive KI tut das nicht. Eine Perspektive in npj Digital Medicine benennt die Lücke und schlägt einen Rahmen vor: ein Vorschlag, noch keine Evidenz.

Eine Risikokapitalgesellschaft argumentiert, dass KI Einzelne leistungsfähiger gemacht hat, ihre Organisationen aber nicht — die Lösung sei strukturell, nicht der nächste Chatbot. Scharf und lesenswert — und doch eine Meinung von Leuten, die profitieren, wenn man sie glaubt.

Ein neues System fand über zehn pseudonymisierte Akten alles, wonach es gefragt wurde; zwei Ärzt:innen bemängelten nichts Gefährliches. Das Ergebnis ist echt — und genau das, was ein Machbarkeitsnachweis bedeutet: zehn Fälle, öffentliche Forschungsdaten, viel zu lange Antworten.

Auf der HIMSS 2026 brachten Anbieter mehr klinische KI-Agenten auf den Markt, als sich zählen ließen. Ein Messebericht ist keine Evidenz — er zeigt aber, wo die Validierungslücke heute liegt und warum das Wort „administrativ“ die regulatorische Arbeit erledigt.

Ein kurzer Kommentar, keine Studie — aber er liest drei reale Vorfälle richtig: WannaCry kam von der Cloud herab, MedJack stieg von den Geräten auf, CrowdStrike fiel erneut von oben. Das gemeinsame Versäumnis ist, jede Ebene für sich zu regulieren.

Ein Beitrag von BBC Future versammelt drei der überzeugendsten Geschichten zu KI in der Medizin. Genau gelesen, teilen sie eine Struktur: KI ist schnell am Anfang der Pipeline und am langsamen, teuren Ende kaum vorhanden. Darin liegt die ganze Bewertung.

Multiple Sklerose schreitet nicht nach Quartalskalender voran, die Nachsorge oft schon. Eine neue Perspektive skizziert ein digital-first-Modell, in dem das klinische Signal und nicht der Termin die Patient:innen einbestellt. Das Design überzeugt. Geprüft wurde es nie.

Zwanzig Behandelnde erklären, warum gute Mental-Health-Apps nie bei den Patient:innen ankommen. Das Hindernis ist fast nie die Technik. Es ist die ungeklärte Frage, wer das Werkzeug einführt, die Warnungen beobachtet und reagiert, wenn etwas auffällt.

Ein systematisches Review von 49 Studien: Gestörter Schlaf und veränderte Aktivität begleiten den kognitiven Abbau, oft Jahre im Voraus. Drei der Studien haben ihr Modell extern geprüft. Das Signal ist real, die Validierungsgrundlage für eine Früherkennung noch nicht.

28 maschinelle Lernmodelle wollen das Delir nach Herzoperationen vorhersagen. Gepoolt wirken sie klinisch brauchbar. Liest man die Biastabelle und die Heterogenität, verliert die eine Zahl ihre Bedeutung.

Eine Pilotstudie prüfte GPT-5 gegen Radiolog:innen beim PET-Staging des Speiseröhrenkrebses. Die Gesamtgenauigkeit wirkt ordentlich. Die Sensitivität für die Metastasen, die über die Therapie entscheiden, nicht — und genau diese Zahl bestimmt, ob ein Werkzeug brauchbar ist.

Eine Familie nutzte einen Chatbot, um einen MRT-Befund zu verstehen, bevor ein Operateur Zeit hatte. Der Bericht ist ehrlich und menschlich – und es ist ein selbst berichteter Einzelfall, ohne Vergleichsgruppe, ohne Verlauf. Lesenswert wegen der Lücke, die er benennt.

Ein JMIR-Korrespondenzbeitrag sichtet die digitale narrative Medizin und berichtet eine auffällige Zahl: Über 90 Prozent der Teilnehmenden eines Entstigmatisierungsprojekts hatten Kopfverletzungen, die keine Akte vermerkt hatte. Meinung, keine Primärevidenz – und lesenswert.