Künstliche Intelligenz (KI)

Eine erfundene Erkrankung schafft es durch Verbreitung über KI-Chatbots bis in ein Peer Reviewed Journal. Eine „Medfluencerin“ gibt auf TikTok evidenzfreie Tipps bei Panikattacken. Wie lässt sich verhindern, dass medizinische Falschinformationen große Reichweite erlangen, ganz gleich, ob sie von Menschen oder Maschinen verbreitet werden? Diese Frage war Gegenstand mehrerer Veranstaltungen auf der DMEA. Wie sich zeigte, sind Akteur:innen im medizinischen Kontext keineswegs machtlos, vorausgesetzt, sie behalten die Kontrolle und besetzen den digitalen Raum proaktiv.

Künstliche Intelligenz verspricht schnellere Diagnosen, bessere Behandlungen und Zeitgewinn. Eine Diskussion auf der DMEA 2026 in Berlin zeigte: Im klinischen Alltag hapert es noch an vielen Stellen. Während KI in der Radiologie bereits fest implementiert ist, sucht sie in der Pflege noch ihren Platz. Kleinteiligkeit und fehlende Schnittstellen verhindern, dass Daten fließen können. Klinikverantwortliche stehen aufgrund der hohen Dynamik vor die Entscheidung, das richtige Produkt zum richtigen Zeitpunkt einzukaufen.  

Künstliche Intelligenz (KI) erobert nach und nach die Medizin. Auch in die Chirurgie und Operationssäle hält sie Einzug – vom OP-Roboter über Bildanalyse bis hin zur personalisierten Therapieplanung und Qualitätskontrolle. Bereits jetzt eröffnen KI-Systeme viele neue Optionen in der chirurgischen Versorgung. Die Behandler:innen können sie indessen nicht ersetzen.

Wie können Krankenhäuser Künstliche Intelligenz (KI) so einsetzen, dass sie medizinisches Personal nachhaltig entlastet, die Versorgungsqualität verbessert und gleichzeitig regulatorischen Anforderungen gerecht wird? Antworten auf diese Fragen liefert das neue Whitepaper „Künstliche Intelligenz im Krankenhaus – Strategien und Voraussetzungen für eine erfolgreiche Implementierung", welches das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS anlässlich der DMEA 2026 veröffentlicht [1]. Das Whitepaper richtet sich gezielt an Entscheider:innen im Krankenhaus, die KI strategisch, verantwortungsvoll und nachhaltig einsetzen wollen.

Typ-2-Diabetes wird über Blutwerte diagnostiziert – doch die eigentlichen Veränderungen spielen sich unter anderem im Gewebe der Bauchspeicheldrüse ab. Unter dem Mikroskop sind diese Veränderungen allerdings nicht sichtbar. Ein Forschungsteam des Deutschen Diabetes-Zentrums (DDZ) in Düsseldorf, des Paul Langerhans Instituts von Helmholtz Munich und des Instituts für Diabetesforschung und Metabolische Erkrankungen am Universitätsklinikums Tübingen zeigte nun erstmals: Erklärbare Künstliche Intelligenz kann unterscheiden, welches Gewebe von Menschen mit Typ-2-Diabetes stammt und welche Strukturen dabei eine Rolle spielen. Grundlage ist ein Datensatz aus Dresden und Tübingen.

Um Antibiotikaresistenzen bei Krankheitserregern vorherzusagen, greifen Fachleute zunehmend auf maschinelles Lernen zurück. Mit dessen Hilfe lassen sich anhand der Genetik eines Erregers Resistenzmechanismen erkennen. Die Ergebnisse sind allerdings mit Vorsicht zu betrachten: Forschende des Würzburger Helmholtz-Instituts für RNA-basierte Infektionsforschung (HIRI) konnten nachweisen, dass die Modelle häufig weniger zuverlässig sind als angenommen. Ihre Erkenntnisse wurden im Fachmagazin PLOS Biology veröffentlicht [1]. Sie tragen dazu bei, verlässlichere Werkzeuge zur Vorhersage und Bekämpfung von Antibiotikaresistenzen zu entwickeln.

Forschende entwickelten ein KI-Modell, das den Body Mass Index (BMI) aus Gehirnaufnahmen abschätzt. Besonders bei jüngeren Menschen mit einem hohen Psychoserisiko korrelierten die Schätzungen der KI mit späterer Gewichtszunahme. Diese Ergebnisse legen nahe, dass krankheitsbedingte Veränderungen im Gehirn eine Rolle bei metabolischen Erkrankungen spielen. KI kann dabei unterstützen, diese Erkrankungen bei psychiatrischen Patient:innen frühzeitig zu erkennen und zu behandeln.

Ein Kölner Forschungsteam testete, wie drei große Sprachmodelle Überschneidungen und Redundanzen in klinischen Fragebögen zu psychischen Erkrankungen feststellen können. Die Veröffentlichung erschien in Nature Mental Health [1]. Große Sprachmodelle können dazu beitragen, die Fragebögen zur Diagnosestellung psychischer Erkrankungen zu verbessern, indem sie die Verallgemeinerbarkeit von Symptomen optimieren und Redundanzen reduzieren. Sie können sogar zu neuartigen Konzeptualisierungen psychischer Störungen beitragen. Das ist das Ergebnis einer internationalen Studie unter Leitung von Prof. Dr. Joseph Kambeitz und Prof. Dr. Kai Vogeley von der Medizinischen Fakultät der Universität zu Köln und der Uniklinik Köln.

Forschende haben ein generatives Modell auf Basis von künstlicher Intelligenz (KI) entwickelt, das anhand großangelegter Gesundheitsdaten das Risiko und den Zeitpunkt von über 1.000 Krankheiten vorhersagen kann. Das auf Daten von 400.000 Teilnehmer:innen der UK Biobank trainierte System zeigt beeindruckende Genauigkeit bei der Prognose von Gesundheitsergebnissen über Jahre im Voraus.

Wie Ärzt:innen zu künstlicher Intelligenz (KI) in der Medizin stehen, wurde vielfach untersucht. Aber was denken Patient:innen? Ein Team um Forschende der Technischen Universität München (TUM) hat das erstmals in einer großen Studie auf sechs Kontinenten untersucht. Zentrales Ergebnis: Je schlechter der eigene Gesundheitszustand, desto eher wird der Einsatz von KI abgelehnt. Die Studie soll dabei helfen, künftige Anwendungen der KI in der Medizin stärker an die Bedürfnisse der Patient:innen anzupassen.

Bei einem Schlaganfall zählt jede Minute: Je früher medizinische Maßnahmen greifen, desto besser sind die Heilungschancen. Ein interdisziplinäres Forschungsteam unter Leitung der Neurologin Prof. Dorothee Saur vom Universitätsklinikum Leipzig hat ein KI-Modell entwickelt, das Ärzt:innen bei der Entscheidungsfindung für oder gegen invasive Therapien unterstützen soll. Die Eigenentwicklung des Universitätsklinikums Leipzig analysiert Bild- und Patientendaten, um eine individuelle Prognose zu erstellen.

Im sensiblen Bereich der Medizin muss der Einsatz von Künstlicher Intelligenz (KI) klaren ethischen Regeln folgen: KI hat die gleiche ethische Rahmung wie die Ärzteschaft.

Sie hilft bei der Beurteilung von Röntgen- und MRT-Bildern, beim Schreiben von Arztbriefen und bei der Auswertung von Messdaten in der Forschung – die künstliche Intelligenz, kurz KI, ist in der klinischen Praxis und in der biomedizinischen Forschung zu einem hilfreichen und mächtigen Instrument geworden. So mächtig, dass Hochschulen und Forschungsorganisationen Empfehlungen und Leitlinien zu ihrer Nutzung in der Wissenschaft formulieren.

In der Fachzeitschrift „The Lancet Digital Health“ geben Forschende um die Professoren Stephen Gilbert und Jakob N. Kather vom Else Kröner Fresenius Zentrum für Digitale Gesundheit der Technischen Universität Dresden einen Überblick über Stärken und Schwächen sowie die regulatorischen Herausforderungen aktueller Gesundheitsanwendungen, die auf großen Sprachmodellen, sogenannten Large Language Models – LLMs, basieren (1). Sie fordern Rahmenbedingungen, die den Fähigkeiten und Grenzen dieser KI-Anwendungen gerecht werden und betonen, dass bestehende Vorschriften dringend durchgesetzt werden müssen. Ein weiterhin zögerliches Vorgehen seitens der Behörden gefährdet nicht nur die Nutzer:innen, sondern auch das Potenzial zukünftiger LLM-Anwendungen in der Medizin.

Die DNA enthält die grundlegenden Informationen für das Leben. Zu verstehen, wie diese Informationen gespeichert und organisiert sind, war und ist eine der größten wissenschaftlichen Herausforderungen des letzten Jahrhunderts. Mit GROVER, einem neuen Large Language Model (LLM), das mit menschlicher DNA trainiert wurde, können Forschende nun versuchen, die in unserem Genom verborgenen komplexen Informationen zu entschlüsseln. Entwickelt von einem Team am Biotechnologischen Zentrum (BIOTEC) der Technischen Universität Dresden, behandelt GROVER menschliche DNA wie Sprache und lernt seine Regeln und Zusammenhänge, um funktionale Informationen über die DNA-Sequenzen abzuleiten (1).

In der Notaufnahme zählt jede Sekunde – und jede Fachkraft. Mit NotPASS setzt sich ein aus IT-, Software-, Daten- und Medizinexpert:innen bestehendes Team zum Ziel, via künstliche Intelligenz (KI) die Prozesse und die Entscheidungsfindung in der Notaufnahme zu verbessern: Algorithmen des bestärkenden Lernens, auch „reinforcement learning" genannt, entlasten Fachpersonal, beschleunigen Behandlungsabläufe, verkürzen Wartezeiten und halten Patienten-Daten griffbereit verfügbar. Den Technologie-Part für das zukunftsweisende Planungssystem übernimmt der Data Governance-Profi mit Gesundheitsschwerpunkt Health365 AC. Die interdisziplinär aufgestellte Gruppe hat sowohl die Plattform als auch die Sensorik fertiggestellt. Damit hat sie einen wesentlichen Meilenstein erreicht und peilt 2025 als Release an.

Der Spitzenverband Digitale Gesundheitsversorgung e.V. (SVDGV) bringt unter dem Titel “Digitalversorgt mit KI” einen neuen Podcast heraus, der sich dem Thema Künstliche Intelligenz in der Medizin widmet. In diesem Podcast werden Diana Meskendahl (Leitung der Arbeitsgruppe KI, SVDGV), Anisa Idris und Dr. Paul Hadrossek (beide Mitglied des Vorstandes des SVDGV) aktuelle Fragen rund um KI im Gesundheitswesen erörtern. Die erste Folge erschien am 30. Juli 2024 und somit pünktlich kurz vor dem Inkrafttreten des EU Artificial Intelligence Acts (AI Act).

Die elektronische Patientenakte (ePA) in Deutschland wird einer Umfrage zufolge von weiten Teilen der Bevölkerung akzeptiert. In einer vom Digitalverband Bitkom in Auftrag gegebenen Meinungsumfrage erklärten 71% der Befragten, dass sie die ePA bereits nutzen oder in der Zukunft anwenden werden.

Künstliche Intelligenz (KI) entwickelt sich rasant und gewinnt im Alltag zunehmend an Bedeutung – auch in der Radiologie. Bedarf es in Zukunft noch Radiolog:innen oder ersetzt schon bald eine Maschine ihre Arbeit?