Bessere Diagnosen: Wie KI-Erklärungen Ärzten in der Radiologie wirklich helfen
Künstliche Intelligenz hält rasanten Einzug in die moderne Medizin. Große Sprachmodelle, ähnlich wie ChatGPT, werden zunehmend als wertvolle Unterstützung im Klinikalltag diskutiert. Sie fassen Patientenakten zusammen, schlagen Behandlungen vor und begründen ihre Einschätzungen in einfacher Sprache. Ein zentrales Versprechen dabei ist, dass die Systeme nicht nur reine Ergebnisse ausgeben, sondern auch erklären können, warum eine bestimmte Diagnose zutreffend ist. Doch wie nützlich sind diese Erklärungen für das medizinische Fachpersonal wirklich?
Nicht jede KI-Hilfe ist gleich wertvoll
Ein interdisziplinäres Forschungsteam der Ludwig-Maximilians-Universität München (LMU), des LMU Klinikums, des Karlsruher Instituts für Technologie sowie der Universität Bayreuth ist dieser Frage nun auf den Grund gegangen. In einem groß angelegten, randomisierten Experiment werteten 101 Radiologinnen und Radiologen reale klinische Fälle aus. Anhand von Computertomographie- (CT) und Magnetresonanztomographie-Bildern (MRT) sollten sie jeweils eine Diagnose als Freitext formulieren.
Laut Forschern des LMU Klinikums geht es in der Radiologie oft darum, hochkomplexe Bildbefunde mit weiteren klinischen Informationen des Patienten zusammenzuführen. Sprachmodelle können hierbei eine wertvolle Stütze sein. Die Studienergebnisse zeigen jedoch deutlich: Es reicht nicht aus, wenn die KI dem Arzt einfach nur eine Diagnose präsentiert.
Der "Chain-of-Thought"-Ansatz als Schlüssel zum Erfolg
Die teilnehmenden Mediziner wurden in vier Gruppen unterteilt. Während eine Gruppe komplett ohne KI-Unterstützung arbeitete, erhielten die anderen drei Gruppen unterschiedliche Arten von KI-Hinweisen. Das erstaunliche Ergebnis: Die höchste Trefferquote erzielten die Ärzte, wenn die KI ihre Gedankengänge schrittweise und nachvollziehbar erklärte – ein Verfahren, das in der Fachsprache als "Chain-of-Thought" (Gedankenkette) bezeichnet wird.
- Deutliche Verbesserung: Mit diesen schrittweisen Erklärungen lag die diagnostische Genauigkeit der Ärzte um 12,2 Prozentpunkte höher als in der Kontrollgruppe ohne KI-Hilfe.
- Gefahr des blinden Vertrauens: Erhielten die Ärzte hingegen nur knappe Diagnoseausgaben oder reine Listen von möglichen Krankheiten (Differenzialdiagnosen), schnitten sie deutlich schlechter ab.
Besonders kritisch wurde es, wenn die KI-Vorschläge fehlerhaft waren. Präsentierte das System lediglich eine Liste von Diagnosen ohne Begründung, neigten die Ärzte häufiger dazu, den falschen Vorschlag unhinterfragt zu übernehmen. Experten sprechen hierbei vom sogenannten Automationsbias – einem übermäßigen und unkritischen Vertrauen in automatisierte Systeme.
Fazit: Die KI als transparenter Assistent
Die im Fachjournal "npj Digital Medicine" veröffentlichten Ergebnisse unterstreichen, dass KI-Modelle in der Radiologie ein enormes Potenzial bergen, um die Patientensicherheit zu erhöhen. Entscheidend ist jedoch die Transparenz. Eine Künstliche Intelligenz macht – genau wie der Mensch – Fehler. Nur wenn sie ihre Empfehlungen logisch und schrittweise begründet, können Ärztinnen und Ärzte die Vorschläge kritisch prüfen und fundierte medizinische Entscheidungen treffen. Die KI wird den Arzt somit nicht ersetzen, sondern sich zu einem unverzichtbaren, erklärenden Assistenten im Hintergrund entwickeln.
Brauchen Sie Unterstützung bei der Pflege?
PflegeHelfer24 ist Ihr verlässlicher Partner. Entdecken Sie unsere Ratgeber oder lassen Sie sich kostenlos zu Pflegehilfsmitteln, Treppenliften und Zuschüssen beraten.
