Ein Risikomodell beschleunigt Rheuma-Diagnosen, ein KI-EKG vergibt Langzeit-EKGs gezielt, Sprachmodelle in der Triage

ANA-Risikomodell brachte Betroffene schneller zur Diagnose: 43 statt 138 Tage

Die meisten klinischen Vorhersagemodelle werden an vorhandenen Daten geprüft; dieses lief zwei Jahre lang randomisiert im Klinikalltag und brachte Erkrankte deutlich schneller zur Diagnose. Ein Team des Vanderbilt University Medical Center, veröffentlicht in NEJM AI, baute ein interpretierbares Vorhersagemodell in die elektronische Patientenakte ein, das bei neu positivem ANA-Test das Risiko einer systemischen Autoimmunerkrankung schätzt; in der Entwicklungsarbeit von 2024 war es eine logistische Regression aus Alter, Geschlecht, ANA-Titer, Thrombozyten, krankheitsspezifischen Autoantikörpern und Abrechnungscodes für passende Symptome. Zwei Jahre lang wurde jede neu ANA-positive Person per Los zugeteilt. In der Interventionsgruppe erhielten Personen mit hohem Risikowert eine Einladung zur zügigen rheumatologischen Abklärung, in der Kontrollgruppe wurde der Wert berechnet, aber nicht genutzt. Wer erkrankt war, erhielt die Diagnose in der Interventionsgruppe im Median nach 43 statt 138 Tagen (HR 1,9). Unter den Abgeklärten lag der Anteil bestätigter Diagnosen bei 23 gegenüber 16 Prozent; dieser Unterschied war knapp nicht signifikant. Ob die frühere Diagnose den Verlauf verbessert, war nicht Gegenstand der Studie. 425 der 2.385 Randomisierten fielen nach der Zuteilung aus der Auswertung.

Warum das zählt: Ein Vorhersagemodell kann schon dadurch nützen, dass es die Warteschlange ordnet: Wer gefährdet ist, kommt früher dran. Wer Ähnliches im eigenen Haus aufbauen will, findet hier ein randomisiert geprüftes Vorgehen und legt am besten vorab fest, woran Erfolg gemessen wird: Wartezeit, Anteil bestätigter Diagnosen unter den Eingeladenen und Verlauf der als niedrig Eingestuften.

Quelle: NEJM AIPaywall

Bei 32,1 Prozent der vom KI-EKG Markierten fand das Langzeit-EKG einen Vorhofbefund

Randomisierte Studien zum KI-EKG in dieser Größe und im Klinikalltag gibt es bisher wenige; diese zeigt, dass ein KI-Modell gezielt auswählen kann, wer ein Langzeit-EKG bekommen sollte. Ein Team der National Defense Medical University in Taipeh, veröffentlicht in Circulation, teilte 14.665 Erwachsene zwischen 40 und 85 Jahren ohne bekanntes Vorhofflimmern per Los zu. In der Interventionsgruppe las ein KI-Modell die Sinusrhythmus-EKGs des Vorjahres; wer als gefährdet galt, bekam bis zu sieben Tage Holter angeboten. Gemessen wurde neues Vorhofflimmern, Vorhofflattern oder eine Vorstufe wie gehäufte Vorhofextrasystolen. Unter den Markierten fand sich ein solcher Befund bei 32,1 Prozent, unter den ebenfalls als gefährdet eingestuften, aber nicht gezielt überwachten Personen der Kontrollgruppe bei 2,6 Prozent. Über alle Teilnehmenden stieg die Rate von 0,48 auf 0,74 Prozent. Der Unterschied ist klein, weil 84 Personen markiert wurden, und statistisch knapp; die Autor:innen legen offen, dass ein einziges anders gewertetes Ereignis ihn unter die Signifikanzschwelle gebracht hätte. Vorhofflimmern allein und neu begonnene Therapien unterschieden sich nach 90 beziehungsweise 180 Tagen nicht.

Warum das zählt: Das KI-EKG nutzt EKGs, die ohnehin geschrieben werden, um zu entscheiden, wer ein Langzeit-EKG bekommt, und bei den Ausgewählten wurde das Langzeit-EKG häufig fündig. Ob daraus weniger Schlaganfälle werden, muss eine größere Studie zeigen; wer ein großes EKG-Archiv verantwortet, sollte diesen Ansatz im Blick behalten.

Quelle: CirculationPaywall

KI-Rückmeldung hob die Doppler-Treffsicherheit in Dänemark von 62 auf 75 Prozent

Ein Team aus Kopenhagen, veröffentlicht im American Journal of Obstetrics & Gynecology MFM, teilte 96 Ärzt:innen aus Geburtshilfe und Gynäkologie an fünf dänischen Kliniken per Los zu. Alle beurteilten je 40 Standbilder von Arteria umbilicalis und Arteria cerebri media: wo das Messfenster hingehört und ob die Kurve technisch verwertbar ist. Die Hälfte sah dabei eine KI-Rückmeldung zu Fensterlage, Einschallwinkel und Kurvenqualität. Mit Rückmeldung waren 75,0 Prozent der Antworten richtig, ohne 62,3 Prozent, gemessen am Urteil erfahrener Pränatalmediziner:innen. Der Zugewinn war bei Anfänger:innen und Erfahrenen ähnlich groß. Falsche KI-Hinweise übernahmen Anfänger:innen mit unter einem Jahr Ultraschallerfahrung in 22,3 Prozent, Erfahrene in 15,8 Prozent. Erfahrene mit KI schnitten besser ab als die KI allein. Geprüft wurden Standbilder, keine laufende Untersuchung.

Warum das zählt: Der Nutzen hängt daran, dass jemand den falschen Hinweis erkennt, und das gelingt mit Erfahrung besser. Wer solche Software in der Weiterbildung einsetzt, kann Anfänger:innen gezielt Fälle zeigen, in denen die KI irrt.

Quelle: American Journal of Obstetrics & Gynecology MFMPaywall

Zehn Sprachmodelle stuften Reanimationsfälle bei der Triage fast immer zu niedrig ein

Sprachmodelle werden zunehmend als automatische Prüfer eingesetzt: Sie bewerten die Antworten anderer KI-Systeme oder ordnen Fälle ein, wo sonst ein Mensch urteilt. Ein Team aus São Paulo, veröffentlicht im Journal of the American Medical Informatics Association, prüfte zehn solcher Modelle, darunter Claude von Anthropic, GPT und DeepSeek, an drei Aufgaben mit menschlichem Referenzurteil. Eine davon war die Triage nach dem Emergency Severity Index (ESI), einer fünfstufigen Dringlichkeitsskala der Notaufnahme, an 256 Fällen aus der US-Datenbank MIMIC-IV. Kein Modell gehörte bei allen drei Aufgaben zu den besten drei. Fälle der höchsten Stufe ESI 1, also Reanimationsfälle, stuften die Modelle in 89,1 Prozent der Bewertungen zu niedrig ein, jedes einzelne in mindestens 70,2 Prozent. Am besten stimmte Claude Opus mit den Menschen überein, etwa so gut wie menschliche Bewerter:innen untereinander.

Warum das zählt: Wer einen KI-Prüfer an einer Aufgabe getestet hat, weiß damit wenig über die nächste. Wer ein Sprachmodell für Triage oder Qualitätskontrolle angeboten bekommt, sollte die Prüfung an der eigenen Aufgabe verlangen, getrennt ausgewiesen für die dringlichsten Fälle.

Quelle: Journal of the American Medical Informatics AssociationPaywall

Lokal betriebene Sprachmodelle wählten in Bonn das MRT-Protokoll zu 94 Prozent richtig

Ein Team des Universitätsklinikums Bonn, veröffentlicht in European Radiology, gab 1.201 aufeinanderfolgende MRT-Zuweisungen unverändert an vier Sprachmodelle mit frei verfügbaren Gewichten, die sich datenschutzkonform im eigenen Haus betreiben lassen. Jedes wählte aus der hauseigenen Liste ein Protokoll und Zusatzsequenzen; Maßstab war der Konsens zweier Fachärzt:innen für Radiologie. GPT-OSS-120B und Qwen3 trafen das Protokoll in 94 Prozent der Fälle. MedGemma, eine eigens für Medizin angepasste Variante, kam auf 79 Prozent, das allgemeine Gemma3 auf 58 Prozent. Nicht vertretbar waren 5,8 Prozent der Entscheidungen beim besten und 68,3 Prozent beim schwächsten Modell, meist ein anatomisch richtiges, aber klinisch ungünstiges Protokoll. Die Studie lief rückblickend an einem Haus. Mehrere Autor:innen geben Beratungs- oder Vortragshonorare von Firmen wie Bayer, Philips und Siemens Healthineers an.

Warum das zählt: Allgemeine Modelle, die im eigenen Rechenzentrum laufen, trafen die Protokollwahl fast immer so wie die Fachärzt:innen; das auf Medizin zugeschnittene Modell lag darunter. Wer die Protokollierung automatisieren will, kann vor der Entscheidung die Zuweisungen eines Monats durch zwei Kandidaten laufen lassen und die nicht vertretbaren Fälle zählen.

Quelle: European RadiologyPaywall

Google bietet US-Kliniken einen Gemini-Agenten an, der Akten nur lesen darf

Google Cloud hat am 10. November „Gemini for healthcare“ vorgestellt, vorerst als Vorabversion in den USA. Der Agent führt Einträge aus der elektronischen Akte und externen Quellen zu einer Patientengeschichte zusammen, trennt aktive von abgeschlossenen Problemen und markiert Unstimmigkeiten in der Medikation. Vor Terminen und Eingriffen listet er fehlende Laborwerte oder Einwilligungen auf. Für Anträge auf Kostenübernahme stellt er die Belege aus der Akte zusammen und entwirft bei Ablehnung den Widerspruch. An die Klinik-Informationssysteme Epic und Oracle Health ist er nur lesend angebunden. Klinische Daten sollen nicht zum Training von Googles Modellen dienen. Zahlen zur Genauigkeit hat Google bisher nicht veröffentlicht; ein Start in Europa ist nicht angekündigt.

Warum das zählt: Der reine Lesezugriff ist eine durchdachte Entscheidung: Ein Fehler des Agenten kann so nicht in die Akte gelangen. Wer ein solches Angebot prüft, kann sich zusätzlich zeigen lassen, wie vollständig die Zusammenfassungen sind.

Quelle: Google Cloud Blog

Jede zweite Arztpraxis nutzt KI, meist für Verwaltung und Dokumentation

Für das Praxisbarometer Digitalisierung der Kassenärztlichen Bundesvereinigung (KBV) befragte das IGES Institut im Juli und August rund 2.300 Ärzt:innen und Psychotherapeut:innen. Die elektronische Patientenakte ist ein Jahr nach dem Start in 96 Prozent der Praxen verfügbar, 72 Prozent nennen das Befüllen einen hohen Verwaltungsaufwand. Die Hälfte der Praxen setzt bereits KI ein, überwiegend für Verwaltung, etwa die Dokumentation; ebenso viele können sich KI vorstellen, die medizinisch unterstützt. Jede zweite Praxis hat mindestens wöchentlich Störungen der Telematikinfrastruktur. KBV-Vorstandsmitglied Sibylle Steiner fordert, die Infrastruktur zu stabilisieren, bevor neue Anwendungen hinzukommen. Der Regierungsentwurf GeDIG (Drucksache 21/8279), der unter anderem Datenauswertungen durch Krankenkassen und eine digitale Ersteinschätzung über Kassen-Apps regeln soll, stand entgegen früherer Planung am 13. November nicht auf der Tagesordnung des Bundestags.

Warum das zählt: Ob KI in der Praxis hilft, entscheidet sich auch an den Daten, die sie vorfindet. Eine Patientenakte, die nur mit Mühe befüllt wird, liefert späteren Auswertungen lückenhafte Grundlagen, gleich ob eine Praxis-Software oder eine Krankenkasse sie auswertet.

Quelle: Kassenärztliche Bundesvereinigung

Ein Urologe sieht die größere KI-Gefahr bei Berufsanfänger:innen, die nie selbst lernen

Im Deutschen Ärzteblatt vom 13. November diskutieren die Urologen Sami-Ramzi Leyh-Bannurah und Sebastian Frees, ob KI ärztliches Können schwächt. Leyh-Bannurah beobachtet bei der MRT-Befundung der Prostata Unterschiede zwischen Kolleg:innen darin, wie viel Denkarbeit sie an die Software abgeben und wie bereitwillig sie deren Ergebnis übernehmen; Zeitdruck verstärke das. Verlernen, etwa beim robotischen Operieren, hält er für umkehrbar. Größer sei das Risiko, dass Berufsanfänger:innen eine Fähigkeit gar nicht erst erwerben, weil die KI von Beginn an mitarbeitet. Frees nutzt KI in seiner Praxis für Zusammenfassungen und Briefentwürfe und spart damit nach eigener Aussage viel Zeit. Er hält die Risiken für beherrschbar, wenn Ergebnisse geprüft werden und die Entscheidung bei der Ärztin oder dem Arzt bleibt.

Warum das zählt: Die dänische Doppler-Studie in dieser Ausgabe liefert dazu eine Zahl: Anfänger:innen folgten falschen KI-Hinweisen häufiger als Erfahrene. Wer Weiterbildung verantwortet, kann festlegen, welche Befunde Assistenzärzt:innen zuerst ohne KI erheben, bevor sie den Vorschlag der Software sehen.

Quelle: Deutsches Ärzteblatt

DeepMinds AlphaGenome 2 sagt vorher, in welchen Zellen eine Genvariante wirkt

Google DeepMind hat am 11. November AlphaGenome 2 vorgestellt. Das Modell schätzt, wie eine DNA-Variante die Genaktivität verändert, und zwar getrennt nach Zelltyp und Zellzustand statt gemittelt über ein Gewebe; Forschende können eigene Einzelzelldaten einspeisen. Ein Beispiel aus der Ankündigung: Für eine bekannte Risikovariante chronisch-entzündlicher Darmerkrankungen zeigt es, dass sie das Gen ETS2 gezielt in Makrophagen des Darms verstärkt. In einem Vergleich an Immunzellen fand es nach eigenen Angaben 30 Prozent der ursächlichen Varianten, der Vorgänger 16 Prozent. Die Arbeit ist bisher nicht begutachtet veröffentlicht, und DeepMind weist selbst darauf hin, dass das Modell für Klinik und Diagnostik nicht geprüft ist. Zwei Tage zuvor meldete Anthropic, sein Modell Mythos 5.2 habe 28 von 34 versuchten Kapsiden, den Proteinhüllen von Gentherapie-Vektoren, zutreffend modelliert. Zugang erhalten dort nur geprüfte Organisationen.

Warum das zählt: Ein solches Modell liefert für eine Variante unklarer Bedeutung eine begründete Vermutung, in welchem Zelltyp sie wirken könnte. Wer in der Humangenetik oder im molekularen Tumorboard damit arbeitet, kennzeichnet sie als Hypothese und hält sie aus dem Befundbericht heraus.

Quelle: Google DeepMind

Ethan Mollick findet die Schwächen neuer KI-Modelle bei Geschmack und Selbstkritik

Ethan Mollick, Professor an der Wharton School der University of Pennsylvania, gab dem am 9. November erschienenen Modell Claude Fable 5.2 von Anthropic fünf Aufgaben: ein elektronisches Gerät umbauen, ein Unternehmen gründen, ein geisteswissenschaftliches Seminar nachbauen, forschen und dreidimensionale Welten bauen. Die Ergebnisse lagen nach seinem Urteil auf oder nahe Expertenniveau. Die verbliebenen Schwächen beschreibt er anders als früher: kaum noch erfundene Fakten, dafür ein inhaltlich richtiges, aber freudloses Seminar; Prüfprogramme, die Fehler fanden, aber nie fragten, ob eine Arbeit zu lang oder zu langweilig war; ein Modell, das die eigenen Mängel nicht bemerkte. Jedes Projekt, schreibt er, begann mit seiner Idee und brauchte seine Steuerung. Rund 3.800 Wörter, ohne Fachkenntnis lesbar; Medizin kommt nicht vor.

Warum das zählt: Für die Medizin verschiebt sich damit die Prüffrage. Ein KI-Arztbrief kann sachlich richtig und für die weiterbehandelnde Hausärztin trotzdem unbrauchbar sein, und genau diese Lücke findet eine reine Faktenprüfung nicht.

Quelle: One Useful Thing (Ethan Mollick)

Ein Entwickler ortete ein Piepen mit Handys und KI: Es war ein alter CO-Melder

Zwischen ungeöffneten Umzugskartons piepte es in langen Abständen, zu selten, um die Quelle durch Hinhören zu finden. Der Entwickler Simon Willison wollte nicht jeden Karton öffnen und ließ sich von der Programmier-KI Claude Code von Anthropic ein Ortungssystem bauen, wie er am 9. November aufschrieb. Telefone, Tablets und Laptops lauschten gemeinsam, spielten einander Töne vor, um ihre Abstände zu schätzen, und grenzten das Piepen auf etwa 40 Zentimeter ein. Das Verfahren fand die KI in einem Fachaufsatz von 2007. Am Ende lag in einem der Stapel ein sehr alter Kohlenmonoxidmelder, der dringend neue Batterien wollte.

Quelle: Simon Willison