KI in der Medizin : KI in der Medizin: Pro, Contra und das wirklich entscheidende

Künstliche Intelligenz verändert das Gesundheitswesen rasant. Besonders in Krankenhäusern wird KI bereits heute eingesetzt – etwa zur Auswertung radiologischer Bilder, zur Analyse medizinischer Daten oder zur Unterstützung administrativer Prozesse. 

Mehr zum Krankenhaus der Zukunft

Die Erwartungen sind hoch: effizientere Abläufe, geringere Arbeitsbelastung für das Personal und präzisere Diagnosen.

Der praktische Einsatz von KI in der Medizin ist jedoch komplexer als viele zunächst vermuten. Algorithmen müssen nicht nur technisch funktionieren, sondern auch in bestehende Strukturen integriert werden. Eine aktuelle Analyse des Austrian Institute for Health Technology Assessment (AIHTA) zeigt konkret auf, welche Voraussetzungen entscheidend sind.

Die Forscherinnen und Forscher untersuchten 30 internationale Health-Technology-Assessments. Daraus entwickelten sie einen Leitfaden für Krankenhäuser, Primärversorgungszentren und medizinisches Fachpersonal. Das zentrale Ergebnis: KI kann viele Prozesse unterstützen. Allerdings bringt künstliche Intelligenz im Gesundheitswesen auch neue Anforderungen und laufenden Aufwand mit sich.

Nie mehr die wichtigsten Nachrichten aus Österreichs Wirtschaft und Politik verpassen. Abonnieren Sie unseren wöchentlichen Newsletter!

Derzeit konzentriert sich der Einsatz von KI im Gesundheitswesen auf klar abgegrenzte Aufgaben. Besonders verbreitet ist die Anwendung in der Diagnostik. Etwa in der Radiologie, wo Algorithmen Bilddaten analysieren und Muster erkennen können.

Weitere Einsatzfelder sind Screeningprogramme und die Auswertung großer Gesundheitsdatensätze. Dazu kommen organisatorische Anwendungen im Klinikbetrieb wie administrative Systeme oder digitale Tools zur Optimierung von Abläufen.

Die Erwartungen an solche Technologien sind vielfältig. Dazu zählen kürzere Wartezeiten, effizientere Prozesse, eine höhere diagnostische Genauigkeit und letztlich bessere Behandlungsergebnisse für Patientinnen und Patienten.

Nicht jede digitale Gesundheitstechnologie muss jedoch gleich streng geprüft werden. Internationale Bewertungsmodelle unterscheiden verschiedene Kategorien von Anwendungen.

Systeme ohne direkten Patientenkontakt – etwa administrative Programme – gelten als vergleichsweise risikoarm. Technologien mit Patientenkontakt, etwa zur Dokumentation von Symptomen oder für Monitoringfunktionen, unterliegen bereits strengeren Anforderungen.

Am höchsten sind die regulatorischen Hürden bei KI-Systemen, die Diagnosen oder Therapieentscheidungen beeinflussen. Das potenzielle Schadensrisiko ist deutlich größer. Wirksamkeit, Sicherheit und Nutzen müssen daher umfassend nachgewiesen werden.

Neben der europäischen Medizinprodukteverordnung spielt dabei auch der EU Artificial Intelligence Act eine zentrale Rolle. Dieser legt künftig klare Regeln für den Einsatz von künstlicher Intelligenz fest.

Ein zentraler Faktor für den erfolgreichen Einsatz von KI ist die digitale Infrastruktur im Krankenhaus. Viele derzeit eingesetzte Systeme arbeiten noch isoliert. Daten bleiben innerhalb einzelner Einrichtungen und lassen sich nur begrenzt austauschen.

Damit KI ihr Potenzial entfalten kann, braucht es interoperable Systeme und eine leistungsfähige Dateninfrastruktur. Die Algorithmen müssen auf vorhandene Daten zugreifen können. Gleichzeitig müssen sie in bestehende IT-Landschaften integriert werden.

Ebenso entscheidend ist die Qualität der Daten. Krankenhäuser müssen sicherstellen, dass Datensätze vollständig, konsistent und aktuell sind. Nur so lassen sich zuverlässige Ergebnisse erzielen.

Ein Bereich, in dem Digitalisierung und KI besonders stark ineinandergreifen, ist die Laborautomation. Die rasante Entwicklung der Diagnostik führt zu stetig steigenden Probenzahlen. Dies setzt viele Labore unter erheblichen Druck, insbesondere weil Fachpersonal vielerorts knapp ist.

Automatisierung wird daher zunehmend zur Notwendigkeit. Sie hilft dabei, Prozesse effizienter zu gestalten, Fehler zu reduzieren und Personal zu entlasten. Dennoch gilt Automatisierung in vielen Einrichtungen noch immer als unerreichbar oder als Lösung ausschließlich für Großlabore.

Anbieter wie Siemens Healthineers setzen hier an und entwickeln skalierbare Automationslösungen für unterschiedliche Laborgrößen. 

Das Ziel ist klar: Sowohl kleine und mittelgroße Labore als auch große Referenz- oder Netzwerkstrukturen sollen mit passgenauer Technologie ausgestattet werden. Das reicht von intelligenter Automatisierung in einzelnen Analysegeräten bis zu umfassenden, standardisierten Systemen für Einrichtungen, die täglich hunderttausende Proben verarbeiten.

Entscheidend ist dabei, dass Automatisierung flexibel an räumliche Gegebenheiten und individuelle Anforderungen angepasst werden kann. Nur so können Labore ihre diagnostischen Kapazitäten langfristig sichern.

Ein häufig unterschätzter Punkt ist der langfristige Aufwand. KI-Systeme sind keine statischen Produkte. Algorithmen können sich durch Updates oder neue Trainingsdaten verändern – und damit auch ihre Leistung.

Das bedeutet, dass ihre Ergebnisse kontinuierlich überprüft werden müssen. Ändert sich die Performance eines Systems deutlich oder kommen neue Funktionen hinzu, kann sogar eine erneute Bewertung oder Rezertifizierung als Medizinprodukt notwendig werden.

Neben technischer Wartung entstehen auch organisatorische Anforderungen. Das Personal muss im Umgang mit KI-Systemen geschult werden. Supportstrukturen müssen dauerhaft verfügbar sein.

Bevor Krankenhäuser KI-Technologien implementieren, sollten sie einige grundlegende Fragen klären:

1. Welches konkrete Problem soll die künstliche Intelligenz lösen?
2. Welche klinischen Prozesse werden dadurch verändert?
3. Wer sind die Nutzerinnen und Nutzer des Systems?
4. Welche Daten werden benötigt, und wie zuverlässig sind sie?

Ebenso wichtig sind ethische und gesellschaftliche Aspekte. KI-Systeme können algorithmische Verzerrungen enthalten, wenn ihre Trainingsdaten bestimmte Bevölkerungsgruppen nicht ausreichend abbilden. Das kann zu verzerrten Ergebnissen führen.

Trotz dieser Herausforderungen sehen Fachleute großes Potenzial für den Einsatz von künstlicher Intelligenz im Gesundheitswesen. Entscheidend ist jedoch eine sorgfältige Planung.

Krankenhäuser sollten bestehende Bewertungsmodelle nutzen – etwa das EUnetHTA Core Model – und diese mit KI-spezifischen Kriterien ergänzen. Besonders wichtig ist die kontinuierliche Überwachung der Systemleistung über den gesamten Lebenszyklus hinweg.

Die Analyse zeigt deutlich: Künstliche Intelligenz kann medizinische Prozesse verbessern. Aber nur dann, wenn Technik, Infrastruktur und Organisation zusammenpassen.

🔎 Noch mehr Wirtschaftseinblicke?

Folgen Sie uns auf LinkedIn und bleiben Sie über aktuelle Themen, spannende Interviews und Trends aus der Wirtschaft immer auf dem Laufenden!