Künstliche Intelligenz hält besonders dort Einzug, wo Bilder, Muster und große Datenmengen eine zentrale Rolle spielen – etwa in der Mammographie, Dermatologie oder Koloskopie. Doch ihr Nutzen entscheidet sich nicht im Labor, sondern im Versorgungsalltag.
Die Erwartungen an KI in der Medizin sind groß: Sie soll Befunde schneller erfassen, Auffälligkeiten zuverlässiger erkennen und Fachkräfte entlasten. »Künstliche Intelligenz ist zweifellos ein mächtiges Werkzeug, das das Potenzial hat, die Medizin in den kommenden Jahren zu revolutionieren« –, davon ist die Bundesärztekammer überzeugt. Da die Medizin bei der Integration von KI derzeit jedoch noch »am Anfang einer aufregenden Reise« stehe, müssten ethische und technische Herausforderungen »weiterhin sorgfältig adressiert werden, um sicherzustellen, dass KI verantwortungsvoll und effektiv eingesetzt wird«. Wie unterschiedlich diese Reise in der Praxis aussieht, zeigen aktuelle Beispiele.
Assistenz bei der Mammographie
Beim Mammographie-Screening gilt in Deutschland normalerweise das Vier-Augen-Prinzip: Zwei unabhängige fachärztliche Befundungen sollen die Sicherheit erhöhen. In der PRAIM-Studie wurde geprüft, wie eine Software diesen Ablauf unterstützen kann. PRAIM steht für ›Prospective, multicenter observational Study of an integrated AI System with live Monitoring‹ – also für eine Beobachtungsstudie an mehreren Standorten, die den Einsatz eines KI-Systems im laufenden Screening begleitete.
Zwischen Juli 2021 und Februar 2023 wurden dafür an zwölf Screening-Standorten mehr als 460000 Frauen im Alter von 50 bis 69 Jahren untersucht, unter anderem in Hannover, Wiesbaden und Steinfurt.
Die eingesetzte Software ›Vara‹ unterstützte die Befundung der digitalen Mammographie-Aufnahmen. Die Radiologinnen und Radiologen konnten selbst entscheiden, ob sie das KI-System nutzen wollten. Mithilfe der Software lag die Brustkrebserkennungsrate bei 6,7 Fällen pro 1000 Frauen, beim klassischen Doppellesen bei 5,7. Die Rückrufrate, das heißt der Anteil der Frauen, die nach der Mammographie wegen eines auffälligen Befunds erneut zur Abklärung eingeladen werden, stieg nicht an. Mittlerweile hat Vara eine CE-Zertifizierung für die unabhängige Zweitbefundung in der Mammographie erhalten. Das System wird inzwischen in mehr als 50% der deutschen Screening-Einheiten genutzt. Zugleich wird der Einsatz schrittweise auf weitere Zentren in Europa ausgeweitet.
Vorsortieren bei Hautveränderungen
Auch in der Dermatologie wird digitale Unterstützung erprobt. Ein Beispiel ist ›Deep Ensemble for Recognition of Malignancy‹, kurz DERM, des Unternehmens Skin Analytics. Das System wird im britischen National Health Service (NHS) in tele-dermatologischen Angeboten zur Einschätzung verdächtiger Hautveränderungen genutzt. Das ›National Institute for Health and Care Excellence‹ (NICE) empfiehlt DERM seit Mai 2025 bedingt für den NHS – zunächst für drei Jahre, während weitere Daten erhoben werden.
Von der auffälligen Hautstelle werden dabei vergrößerte Aufnahmen mit Smartphone und Dermatoskop-Aufsatz erstellt und digital ausgewertet. Wird eine Läsion als gutartig eingestuft, kann sie aus dem dringenden Hautkrebs-Pfad herausgenommen werden. Bei Verdacht auf Krebs oder Vorstufen folgt die Prüfung durch eine Dermatologin oder einen Dermatologen. Getestet wurde das Verfahren unter anderem im Londoner Chelsea and Westminster Hospital NHS Foundation Trust. NICE empfiehlt während der weiteren Erprobung bei schwarzer oder brauner Hautfarbe eine zusätzliche fachliche Prüfung, weil DERM bislang vor allem bei heller Haut untersucht wurde und für andere Hauttöne weniger Daten vorliegen.
In Deutschland gibt es ebenfalls Ansätze: Die München Klinik nutzt KI-gestützte Verfahren in der Hautkrebsdiagnostik, etwa einen 3D-Ganzkörperscanner zur Früherkennung. Am Deutschen Krebsforschungszentrum entwickelte ein Team um den Hautarzt und Wissenschaftler Titus Brinker ein sogenanntes erklärbares KI-System für die Melanomdiagnostik. Gemeint ist eine Software, die nicht nur eine Einschätzung abgibt, sondern auch zeigt, welche Merkmale einer Hautveränderung dafür ausschlaggebend waren.
Unterstützung bei der Darmspiegelung
Bei der Koloskopie kann digitale Unterstützung direkt während der Untersuchung ansetzen. Ein Beispiel ist ›CADDIE‹ des Medizintechnikunternehmens Olympus – eine cloudbasierte Anwendung, die mögliche Polypen in Echtzeit erkennt. Dafür wertet die Software das laufende Videobild aus und markiert verdächtige Bereiche.
In der EAGLE-Studie von 2025, die für ›Evaluation of AI for Detection of Gastrointestinal Lesions in Endoscopy‹ steht, wurde CADDIE an acht Zentren in vier europäischen Ländern geprüft, in Deutschland am Sana Klinikum Lichtenberg in Berlin. Die primäre Analyse umfasste insgesamt 841 Patientinnen und Patienten. Mit der Software lag die Adenom-Erkennungsrate um 7,3 Prozentpunkte höher als bei der Standardkoloskopie.
Besonders relevant war die Erkennung schwer sichtbarer Befunde. Mit CADDIE wurden mehr große und flach wachsende Adenome entdeckt, gutartige Veränderungen der Darmschleimhaut, aus denen sich Krebs entwickeln kann. Die ärztliche Bewertung ersetzt die Software jedoch nicht. Ob tatsächlich ein Polyp vorliegt und welche Schritte folgen, entscheidet weiterhin das Endoskopie-Team.
Digitale Pathologie
In der Pathologie werden Gewebeproben, z.B. zur Krebsdiagnostik, bislang vor allem am Mikroskop beurteilt. Für KI-gestützte Assistenzsysteme reicht das nicht aus: Die Proben müssen zuerst als digitale Bilder vorliegen, um ausgewertet werden zu können. Dafür werden Gewebeschnitte mit Großscannern erfasst und digitalisiert.
Diesen Schritt setzte das Projekt DIGIPAT am Institut für Pathologie des Universitätsklinikums Carl Gustav Carus Dresden in den Jahren 2024 und 2025 um. Für den KI-Einsatz ist das eine Zwischenstufe: Auf der neu geschaffenen digitalen Infrastruktur können KI-gestützte Assistenzsysteme für die Routinediagnostik aufsetzen.
Molekulare Krebsdiagnostik
Ein Beispiel aus Heidelberg zeigt, dass auch molekulare Daten für die Diagnostik genutzt werden können: Der ›Heidelberg CNS Tumor Methylation Classifier‹ unterstützt die Einordnung von Tumoren des zentralen Nervensystems. CNS steht für ›Central Nervous System‹ – Gehirn und Rückenmark.
Das Verfahren analysiert DNA-Methylierungsmuster, winzige chemische Veränderungen am Erbgut, die je nach Tumorart unterschiedlich ausfallen. Daraus entsteht ein molekulares Profil, das hilft, Hirntumoren genauer zu klassifizieren. Das ist wichtig, weil die exakte Diagnose Einfluss auf Prognose und Therapieplanung haben kann. »Diese epigenetischen Spuren sind wie ein molekularer Fingerabdruck und erlauben eine eindeutige Zuordnung von Tumoren des zentralen Nervensystems«, so Prof. Dr. Dr.Felix Sahm, einer der leitenden Forscher.
Entwickelt wurde der Classifier in Heidelberg, unter anderem am Hopp-Kindertumorzentrum Heidelberg, am Deutschen Krebsforschungszentrum (DKFZ), an der Universität Heidelberg und am Universitätsklinikum Heidelberg. Laut DKFZ wurden über die Plattform inzwischen mehr als 160000 Hirntumorproben aus allen Kontinenten analysiert. Im Jahr 2025 berichtete das Forschungszentrum über eine neue Version, die mehr als 180 Tumorarten erkennen kann. Das Verfahren ergänzt die klassische Gewebeuntersuchung um molekulare Informationen und liefert zu jedem Ergebnis eine Wahrscheinlichkeitsbewertung.
Werkzeug mit Prüfauftrag
Die Beispiele zeigen, wie breit das Feld der KI-Einbindung in die Medizin bereits ist. In Summe werde deutlich, »dass KI die ärztliche Praxis sowie das ArztPatient-Verhältnis maßgeblich verändern kann und wird«, heißt es aus der Bundesärztekammer. Die Ärzteschaft solle das Thema daher »intensiv begleiten, die Chancen ergreifen und sich den Herausforderungen stellen, wenn sie die Entwicklungen in ihrem Sinne und zum Wohle ihrer Patientinnen und Patienten mitgestalten möchte«
