Depressionsrückfall ohne Datenbonus, KI-Schreibhilfe in der Hausarztpraxis, Sepsis je nach Rechenweg

Depressionsrückfall: MRT, Gene und Darmflora schlugen wenige klinische Merkmale nicht

Für die Sprechstunde ändert diese Arbeit nichts, und genau darin liegt ihr Befund: Die aufwendigen Mehrdatenmodelle sagen einen Rückfall nicht besser voraus als wenige klinische Angaben. Ein Team aus Marburg und Münster, veröffentlicht in JAMA Psychiatry, hat für 564 Patient:innen mit aktueller oder früherer Major Depression zusammengetragen, was die Forschung heute erheben kann: klinische und psychometrische Daten, vier MRT-Verfahren, Genetik, Neurokognition, Blutwerte und Darmmikrobiom. 270 von ihnen erlitten in zwei Jahren einen Rückfall. Die balancierte Genauigkeit, der Mittelwert aus Sensitivität und Spezifität, lag je nach Modell zwischen 47,21 und 64,43 Prozent; 50 Prozent entspricht dem Raten. Am besten schnitt ein Modell ab, das allein auf wenigen bekannten klinischen Risikofaktoren beruhte. Bildgebung, Gene und Mikrobiom fügten als einmalige Messung zu Beginn nichts hinzu. Die Autor:innen schließen selbst, dass sich damit Entscheidungen für einzelne Patient:innen kaum steuern lassen, und setzen auf wiederholte Messungen im Verlauf.

Warum das zählt: Zusätzliche Datenarten müssen sich am Vergleich mit dem Einfachen bewähren. Wer ein Prognoseprodukt mit Bildgebung oder Biomarkern angeboten bekommt, fragt nach dem Ergebnis eines Modells nur aus klinischen Angaben an denselben Patient:innen.

Quelle: JAMA PsychiatryPaywall

KI-Schreibhilfe senkt die Abendarbeit von Hausärzt:innen nach fünf Monaten um 19 Prozent

Wer eine KI-Schreibhilfe einführt, kann mit weniger Abendarbeit rechnen, muss dafür aber Monate warten; über die Qualität der Notizen sagt diese Arbeit nichts. Ein Team der Washington University in St. Louis, veröffentlicht im Journal of the American Medical Informatics Association, verglich für 220 hausärztlich Tätige aus 36 Praxen jeweils die 150 Tage vor und nach dem ersten Zugang zu einem Programm, das das Gespräch mithört und die Notiz entwirft. Die Notizzeit sank am ersten Tag um 7 und nach 150 Tagen um 16 Prozent. Die Arbeit zwischen 17:30 und 7 Uhr blieb anfangs unverändert und lag nach 150 Tagen um 19 Prozent niedriger, die Arbeit außerhalb der Sprechzeiten um 13 Prozent. Die abrechenbare Leistung stieg um 2 Prozent, die Notizen wurden nicht länger. Einen Kontrollarm gab es nicht; wer früh zugriff, war womöglich ohnehin motivierter.

Warum das zählt: Die Entlastung nach Feierabend zeigt sich erst nach Monaten; am ersten Tag war davon nichts zu sehen. Wer ein Pilotprojekt plant, wertet frühestens nach fünf Monaten aus und misst neben der Notizzeit die Arbeit nach Feierabend.

Quelle: Journal of the American Medical Informatics AssociationPaywall

Sprachmodelle raten in 42,8 Prozent zum Ultraschall kleiner Schilddrüsenknoten

Choosing Wisely ist die US-Kampagne der Fachgesellschaften gegen unnötige Untersuchungen und Behandlungen; in Deutschland entspricht ihr „Klug entscheiden“ der DGIM. Forschende aus Israel, veröffentlicht in den Annals of Internal Medicine, bauten aus 15 dieser Empfehlungen 225 Fallvignetten, je zehn mit richtiger Zurückhaltung und fünf mit richtigem Handeln. Sechs Modelle von OpenAI, Anthropic und Google gaben 4.050 Antworten. Überversorgung empfahlen sie in 5,4 Prozent, bei 8 der 15 Empfehlungen nie. Das meiste entfiel auf zwei Fragen: Ultraschall eines zufällig entdeckten Schilddrüsenknotens unter einem Zentimeter (42,8 Prozent) und Routine-EKG bei Erwachsenen mit niedrigem Risiko (28,3 Prozent). Eine angebrachte Maßnahme hielten die Modelle in 0,6 Prozent zurück. Geprüft wurden Einzelfragen ohne Nachfrage.

Warum das zählt: Die Fehler sind selten und sammeln sich an zwei Stellen. Wer ein Modell für Abklärungsfragen nutzt, prüft dessen Rat bei Zufallsbefunden und Vorsorge-EKGs gegen die Leitlinie.

Quelle: Annals of Internal MedicinePaywall

Delir-Modell aus der Akte markiert 87 Prozent der späteren Fälle, der 4AT 28 Prozent

In der Grazer Unfallchirurgie, veröffentlicht in JMIR Formative Research, liefen bei 2.002 Patient:innen zwei Verfahren nebeneinander: der 4AT, ein kurzer Test am Bett auf ein bestehendes Delir, und ein bereits validiertes Random-Forest-Modell (maschinelles Lernen), das aus Daten der elektronischen Akte das Delirrisiko für den Aufenthalt schätzt. 189 Patient:innen entwickelten ein Delir. Das Modell hatte bei Aufnahme 165 von ihnen als gefährdet markiert (87,3 Prozent), der 4AT 5 (28,0 Prozent). Von den 1.813 ohne Delir stufte das Modell 73,9 Prozent richtig als ungefährdet ein, der 4AT 96,3 Prozent. Das Modell schlägt bei gut einem Viertel der Patient:innen ohne Delir Alarm.

Warum das zählt: Der 4AT erfasst ein bestehendes Delir, für Vorhersagen ist er nicht gebaut. Wer ein solches Modell erwägt, rechnet vorher aus, wie viele Patient:innen täglich auf der Liste stünden und ob die Prävention dafür reicht.

Quelle: JMIR Formative Research

KI-Vorauswahl im Langzeit-EEG: Befund in 2,2 statt 52,4 Minuten, Sensitivität höher

Ein internationales Team, veröffentlicht in Epilepsia, prüfte die Software autoSCORE an 78 Langzeit-EEGs Erwachsener aus einem Zentrum. Referenz war die Entlassdiagnose der Epilepsie-Monitoring-Einheit. Drei Expert:innen prüften nur die Vorschläge der Software, drei andere lasen die vollständigen Ableitungen. Mit Vorauswahl brauchten sie im Median 2,2 statt 52,4 Minuten, stimmten untereinander deutlich besser überein (Gwet-AC1, ein Maß für Übereinstimmung: 0,81 statt 0,43) und erkannten mehr auffällige Ableitungen (Sensitivität 0,88 statt 0,69). Die Gesamtgenauigkeit unterschied sich nach Korrektur für viele Tests nicht. Die Software allein erreichte eine Genauigkeit von 0,55, mit Expertenprüfung 0,75. Unter den Autor:innen ist der Hersteller Natus vertreten.

Warum das zählt: Hier ist die Kombination empfindlicher als die volle Durchsicht und genauer als die Software allein, bei einem Befund, der sonst fast eine Stunde kostet. Wer solche Programme einführt, behält die ärztliche Prüfung jedes Vorschlags bei.

Quelle: Epilepsia

Googles Gesundheitsagent deutet Fitnessdaten und Befunde, bewertet in 1.350 Stunden

Ein Team von Google Research, veröffentlicht in Nature, beschreibt einen persönlichen Gesundheitsagenten aus drei zusammenarbeitenden Programmteilen. Einer analysiert Langzeitdaten aus Fitnessarmbändern und Akten und setzt sie in Bezug zu Bevölkerungswerten, einer verbindet sie mit medizinischem Wissen, ein dritter führt das Gespräch, setzt Ziele und verfolgt Fortschritte. Die Aufgaben leitete das Team aus Suchanfragen und Foreneinträgen ab: allgemeines Gesundheitswissen, Deutung eigener Daten, Rat zum Lebensstil, Einschätzung von Symptomen. Geprüft wurde an Testaufgaben mit mehr als 7.000 Bewertungen, für die Fachleute und Nutzer:innen 1.350 Stunden aufwandten. Das System ist als Open Source verfügbar. Die Vorabfassung erschien im August 2025; die meisten Autor:innen sind oder waren bei Alphabet beschäftigt.

Warum das zählt: Bewertet wurden Antworten, gemessen wurde kein Ergebnis bei Patient:innen. Wer jemandem mit einer solchen Auswertung in der Sprechstunde begegnet, fragt, welche Daten das Programm gelesen hat und welche nicht.

Quelle: Nature

gematik stellt verbindliche Kernprofile für den Datenaustausch zur Kommentierung

Die gematik hat am 19. Oktober das Weißbuch „Governance Kernprofile“ zur öffentlichen Kommentierung gestellt, auf dem Portal von HL7 Deutschland. Kernprofile legen fest, wie Grunddaten wie Patientenangaben, Diagnosen und Medikation digital zu erfassen sind, auf Basis des Austauschstandards HL7 FHIR. Systeme sollen Daten dann ohne eigens gebaute Übersetzungsprogramme austauschen. Die gematik nennt bis zu 400 verschiedene Programme in einem einzelnen Krankenhaus. Grundlage sind Empfehlungen einer Arbeitsgruppe des Kompetenzzentrums für Interoperabilität im Gesundheitswesen. Ein erster Fahrplan soll Mitte 2027 vorliegen, erste Kernprofile Anfang 2028. Künstliche Intelligenz erwähnt die Mitteilung nicht.

Warum das zählt: Ein Modell, das in einem Haus gelernt hat, rechnet im nächsten nur so gut, wie die Daten dort gleich erfasst sind; gemeinsame Profile verringern diesen Abstand. Wer in einer Fachgesellschaft oder einer IT-Leitung sitzt, kann das Weißbuch jetzt kommentieren.

Quelle: gematik

Anthropic stellt weniger Berufseinsteiger:innen ein: 9 statt 27 Prozent

Anthropic hat am 16. Oktober ausgewertet, wie die eigenen KI-Agenten die Arbeit im Unternehmen verändern, aus Personaldaten, Nutzungsprotokollen, Umfragen und Interviews. Der Anteil von Berufseinsteiger:innen an den technischen Neueinstellungen fiel seit Anfang 2025 von 27 auf 9 Prozent. Rund 80 Prozent der Zeit in Arbeitssitzungen mit Claude wartet das Modell auf menschliche Eingaben; die Beschäftigten beschreiben sich selbst als Engpass, ihre Arbeit verschiebt sich vom Erledigen zum Steuern und Prüfen. Der Bericht räumt ein, dass die Zusagen des Unternehmens denen nicht helfen, die gar nicht erst eingestellt werden, und dass sich vieles nicht auf andere Branchen übertragen lässt. Es sind Selbstauskünfte eines Herstellers.

Warum das zählt: Assistenzärzt:innen lernen an Routineaufgaben wie dem Entwurf des Arztbriefs, und genau diese übernimmt Software zuerst. Wer Weiterbildung verantwortet, legt fest, welche Aufgaben Anfänger:innen weiterhin selbst erledigen, bevor sie die Entwürfe einer Maschine prüfen.

Quelle: Anthropic

OpenAI kauft Orchestra Bio und will Agenten in die Arzneimittelentwicklung bringen

OpenAI hat am 20. Oktober das junge Unternehmen Orchestra Bio übernommen und in Rosalind eingegliedert, seine Programmfamilie für Biologie und Chemie. Orchestras Agenten überwachen Entwicklungsprogramme für Arzneimittel: Sie erkennen etwa, welche Termine eine gescheiterte Produktionscharge verschiebt, sammeln Informationen und vergleichen Optionen; entscheiden sollen Wissenschaftler:innen und Programmleitungen. Der Kaufpreis wurde nicht genannt. Zwei Tage später lud Anthropic Forschungsgruppen aus Hochschulen, gemeinnützigen und staatlichen Laboren ein, 8 bis 12 Wochen mit Anthropic-Forschenden an Fragen bis hin zu Wirkstoffsuche und klinischer Wissenschaft zu arbeiten, auf Kosten des Unternehmens. Unabhängige Belege, dass solche Agenten Entwicklungszeiten verkürzen, gibt es bisher nicht.

Warum das zählt: Die Labore zielen auf den Teil der Entwicklung, an dem Kliniken beteiligt sind: Studien, Studienüberwachung, Zeitpläne. Wer als Prüfzentrum mit einem Sponsor arbeitet, der solche Agenten einsetzt, lässt sich schriftlich geben, welche Schritte sie selbst auslösen dürfen.

Quelle: Decrypt

Ein unabhängiger Prüfer findet Lücken in der Überwachung von Anthropics Modellen

METR prüft für KI-Labore, ob deren Modelle gefährlich handeln könnten. Am 20. Oktober veröffentlichte sie ihre Durchsicht eines Abschnitts aus Anthropics Risikobericht vom August, zu Fehlverhalten von Modellen in folgenreichen Lagen. METR teilt die Einschätzung, das Risiko sei gering, sieht den Grund aber vor allem in den begrenzten Fähigkeiten der Modelle, weniger in Schutzmaßnahmen. Die Überwachung habe Lücken, lasse sich teils einfach abschalten, und Menschen prüften erst Tage bis eine Woche später. Behauptete ein Modell in seiner Begründung, die Umgebung sei nur simuliert, markierte das automatische Überwachungsprogramm etwa 1 Prozent seiner Handlungen, ohne diese Begründung etwa 50 Prozent. Anthropic hatte ein Veto über Veröffentlichung und Schwärzungen.

Warum das zählt: METRs Fragen passen fast wörtlich auf die Nachbeobachtung klinischer KI: Was entgeht der Überwachung, wie schnell schaut ein Mensch hin, wer darf Befunde zurückhalten? Wer mit Herstellern verhandelt, kann sie übernehmen.

Quelle: METR

Ein Programmierer schreibt einen Nachruf auf das Rätsellösen

Der Entwickler Jeremy Scheff hat am 19. Oktober einen Nachruf auf das Programmieren veröffentlicht; Simon Willison hat ihn auf seiner Website weitergereicht. Für viele, schreibt Scheff, war der Beruf gut bezahltes Lösen verzwickter Logikrätsel, und je schwerer das Rätsel, desto höher das Gehalt. Programmier-Agenten lösen diese Rätsel nun selbst. Wer vor allem funktionierende Systeme bauen will, gewinnt dabei. Wer das Rätsel selbst liebte, verliert etwas, und Scheff beschreibt beide Gruppen ohne Vorwurf. Manche Ärzt:innen werden sich in der zweiten wiedererkennen, bei dem Fall, der erst am dritten Tag aufgeht.

Quelle: Jeremy Scheff (dumbmatter.com)