Praxis­beispiel [#2]: 
KI-gestützte klinische Prozessoptimierung

Onkologische Zentren behandelt jährlich mehrere Tausend Patient*innen. Der diagnostische Ablauf ist komplex: Bildgebung, Laborwerte, Genomdaten, Anamnese und Leitlinienempfehlungen müssen zu einem individuellen Therapieplan zusammengeführt werden.

Das kostet Zeit – besonders in interdisziplinären Tumorboards. Radiologische Befunde liegen häufig erst kurz vor dem Tumorboard vor. Ärzteteams verbringen viel Zeit damit, Einzelbefunde zu sichten und zu interpretieren. Durch die steigende Zahl onkologischer Leitlinien und Studien fällt es schwer, alle Neuerungen im Blick zu behalten. Individuelle Risikoprofile (z.B. genetische Marker, Komorbiditäten) werden teils zu wenig berücksichtigt, weil sie nur manuell verknüpft werden können.

Wie kann eine KI-basierte Lösung helfen?

Mal angenommen, das Zentrum implementiert eine KI, die in bestehende Bildgebungssysteme und das klinische Informationssystem eingebettet ist. Die Lösung unterstützt zwei Kernbereiche:

1. Bildanalyse in der Radiologie
   Die KI markiert auffällige Strukturen in CT- und MRT-Bildern (z.B. mögliche Tumorherde oder Lymphknotenvergrößerungen). Sie weist auf Volumenänderungen hin, indem sie aktuelle und vorherige Scanserien automatisch vergleicht. Der Radiologe prüft die Vorschläge, ergänzt oder verwirft sie: die Verantwortung bleibt also vollständig beim Facharzt.
2. Therapieunterstützung im Tumorboard
   Das System konsolidiert Daten aus Bildgebung, Labor, Pathologie und EHR. Es stellt strukturiert dar, welche Leitlinienempfehlungen für dieses individuelle Krankheitsbild einschlägig sind. KI-Modelle zeigen Studienrelevanzen, Risikoprofile und mögliche Therapieoptionen (z.B. Chemo, zielgerichtete Therapie, Immuntherapie) in einer Übersicht an. Ärzt*innen können jeden Vorschlag transparent nachvollziehen („Recommendation Explainability“).

Mögliche Ergebnisse nach sechs Monaten

• Tumorboards gewinnen im Schnitt 20 bis 30 Minuten pro Fall, da die Vorarbeit schneller und übersichtlicher verfügbar ist.
• Radiolog*innen berichten über eine höhere diagnostische Sicherheit, insbesondere bei kleineren Läsionen oder schwer erkennbaren Veränderungen.
• Die Therapieplanung wird konsistenter an Leitlinien ausgerichtet, da sie automatisch mit den individuellen Patientendaten verknüpft wird.
• Patient*innen erhalten nachvollziehbarere Therapieempfehlungen, da das System medizinische Begründungen strukturiert darstellt.

Nutzen für das onkologische Zentrum

• Beschleunigte Diagnostik und verbesserte Befundqualität
• Bessere Entscheidungsgrundlagen im Tumorboard
• Weniger Übersehen von relevanten Befunden
• Höhere Transparenz durch KI-begründete Therapiehinweise
• Fokus der Ärzt*innen auf komplexe Entscheidungen statt auf Datensichtung