KI in der Medizin: Wie der Arbeitsaufwand bei der Mammographie um 44 % sinkt

Der Einsatz von KI senkte in einer schwedischen Studie den Aufwand für die Mammographie-Befundung um 44 %. Prof. Hirsch zeigte beim DGIM-Kongress weitere KI-Einsatzfelder in der Medizin.

Vom Large Language Model zu Large Multimodal Models bis hin zu persönlichen KI-Assistenten

Seit der Vorstellung von Konzepten künstlicher neuronaler Netzwerke im Jahr 2019 hat sich bereits viel getan auf dem Gebiet der KI – und es ist noch Luft nach oben, so Hirsch. Hardware-Beschleuniger feuerten die Entwicklung auf diesem Forschungsgebiet an, sodass es seitdem diverse Publikationen zum Einsatz der KI in der Medizin gibt. Laut dem Artificial Intelligence Index Report 2025 nahm die Anzahl an Veröffentlichungen zum Large Language Model von 353 im Jahr 2023 auf 1210 im Jahr 2024 zu. Die nächste Generation umfasst die Large Multimodal Models (LMMs). Diese Modelle sind – wie der Name bereits vermuten lässt – nicht nur auf Text trainiert, sondern auch auf Daten aus Bildern und Videoformaten.1

Chain-of-Thought-Technologie als Gamechanger

Hirsch stellte dem Auditorium die „Chain-of-Thought-Technologie“ vor. Diese ermöglicht es, komplexe Aufgaben durch schrittweises Denken besser zu lösen. Hirsch zufolge wird die KI voraussichtlich diese Methode standardmäßig integrieren.1

Wachsendes Interesse der Industrie an KI-Anwendungen im Medizinsektor

Aktuell besteht längst die Möglichkeit, persönliche KI-Assistenten zu nutzen. Dies geschieht bereits in diversen Berufsgruppen. Im Medizinsektor gibt es mittlerweile eine große Anzahl hochspezialisierter Language Models. Ein Kritikpunkt ist das wachsende Interesse der Industrie auf diesem Gebiet. Hierfür sollte die Ärzteschaft die richtigen Rahmenbedingungen für den Einsatz der KI in der Medizin schaffen. Auch ist fraglich, ob diese Entwicklung im Sinne der Ärzteschaft steht.1

Der Einsatz von KI für die Befundung von Mammographien reduziert in einer Studie den Arbeitsaufwand erheblich

Hirsch stellte eine schwedische randomisierte, kontrollierte, bevölkerungsbasierte Studie zur Mammographie-Früherkennung bei Frauen im Alter von 40 bis 80 Jahren vor. In dieser Studie wurden die Ergebnisse der KI-gestützten Vorsorgeuntersuchung mit der Befundung durch eine Ärztin/einen Arzt verglichen. Insgesamt wurden 80.033 Frauen entweder der KI-gestützten Vorsorgeuntersuchung (n = 40.003) oder der doppelten Befundung ohne KI (n = 40.030) zugewiesen. Dies geschah nach dem Zufallsprinzip im Verhältnis 1:1. Die KI-gestützte Befundung stellte die Interventionsgruppe dar. In der Kontrollgruppe erfolgte die herkömmliche doppelte Befundung ohne KI. Hierfür nutzte das KI-System (Transpara Version 1.7.0) einen untersuchungsbasierten Malignitäts-Risikoscore auf einer 10-stufigen Skala. Die Forschungsgruppe kam zu folgenden Ergebnissen:

„Überlegenheit“ der KI gegenüber konventionellen Methoden?

Hirsch stellte eine weitere Studie zur erfolgreichen Anwendung der KI bei der Befundung von medizinischen Bildaufnahmen vor. Aus dieser ging hervor, dass die KI in der onkologischen Bilddiagnostik eine „höhere Genauigkeit, Sensitivität und Spezifität„ als eine klassische Diagnostik zeigt. Die Rede ist von der Publikation von Alkhalifah B. et al. aus dem Jahr 2024. Hier wurde die KI zur Diagnose tödlicher Krankheiten wie Krebs eingesetzt. Die Forschungsgruppe schrieb, dass die mögliche Verringerung menschlicher Fehler, eine schnelle Diagnose sowie die Konsistenz der Beurteilung die wichtigsten Gründe für den Einsatz dieser Technologien seien. Sie ließen insgesamt 200 Krebsfälle (je 100 Fälle von Brust- und Lungenkrebs) mittels KI und der konventionellen Methode durch den Radiologen bewerten. Die KI-Technik wies in der Studie bei der Erkennung von Krebs eine höhere Sensitivität und Spezifität auf – verglichen mit der konventionellen Methode. Das Ergebnis war statistisch hochsignifikant.1,3

Von der Diagnostik bis zum persönlichen medizinischen KI-Assistenten

Hirsch stellte der Zuhörerschaft weitere Einsatzgebiete der KI in der Medizin vor. Mittels KI ist eine 4D-Analyse von u.a. Bewegungsmustern in Patientenvideos möglich. So kann nach Neurodegeneration oder Autismus gescreent werden. Die KI kann auch eingesetzt werden zur Prognose der männlichen Fertilität nach Analyse des jeweiligen Videos der Spermatozoen. Mittels Smartphone und passender App ist eine Selbstauskultation des Herzens durchführbar: Die Spezifität über alle Klassen liegt bei 92 %, die Gesamtgenauigkeit bei 96 % und die Sensitivität über alle Klassen bei 95 %. Einige sonographische Geräte enthalten bereits KI-Systeme, die die Handhabung erleichtern können. Hirsch stellte eine Studie aus München vor, aus der hervorging, dass die KI gestörte Bildsignale (MRT des Herzens z.B.) nachschärfen (Rekonstruktion über Algorithmen) kann. Die KI kann auch bei Metagenomics eingesetzt werden, um Muster und Korrelationen in großen Datenmengen zu detektieren. Aus einer von Hirsch vorgestellten Studie aus dem Jahr 2024 ging hervor, dass 93 % der durch die KI geschriebenen Arztbriefe keine Ergänzung benötigten. Mittels Ambient Scribes kann die KI Arzt-Patienten-Gespräche zusammenfassen. Selbst in der Medizinethik kann die KI kompetent in medizinethisch komplexen Situationen beraten.1

Fazit für die Praxis

Quellen

  1. Hirsch, Martin, Prof. Dr. med., KI im ärztlichen Alltag – Überblick und Fallbeispiele, 132. Kongress der Deutschen Gesellschaft für Innere Medizin, 19. April 2026 RheinMain CongressCenter (RMCC) in Wiesbaden.

  2. Lång K. et al. Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening accuracy study. The Lancet Oncology, 24, 936-944.

  3. Alkhalifah B. Artificial intelligence in the radiological diagnosis of cancer. Bioinformation. 2024 Sep 30;20(9): 1512-1515.