Künstliche Intelligenz (KI) steht kurz davor, eine neue Ära im Gesundheitswesen einzuläuten – eine Ära, in der KI-gestützte medizinische Bildgebung den diagnostischen Nutzen und die Effizienz steigert und Ärzte dabei unterstützt, bessere Entscheidungen zu treffen.
Medizintechnikunternehmen wie Philips nehmen hierbei eine Vorreiterrolle ein, indem sie KI in hochentwickelte Geräte wie MRT- und CT-Scanner integrieren, um Geschwindigkeit und Genauigkeit der Diagnostik zu verbessern1Philips. (s. d.). MR SmartSpeed fast imaging technology. https://www.usa.philips.com/healthcare/resources/landing/smartspeed.
Auch öffentliche Institutionen ziehen nach: Der britische National Health Service (NHS) erprobt derzeit KI-gestützte Brustkrebsscreenings, mit dem Ziel, Krebs früher und zuverlässiger bei bis zu 700.000 Frauen zu erkennen2Largest trial of AI in breast cancer screening launched. Venkatesan, Priya. The Lancet Oncology, Volume 26, Issue 3, 285. Doch der Nutzen geht über die Diagnostik hinaus: KI hilft inzwischen auch bei chirurgischen Entscheidungen – beispielsweise durch die Visualisierung der Wirbelsäulenstruktur zur OP-Planung, ohne dass Patienten CT-Strahlung ausgesetzt werden3Rommelspacher, Y., Schulte, A. P., Tanner, S., Schellhammer, F., Kling, S., Seevinck, P., Sangüesa, M. G., & Strauss, A. C. (2025). Evaluation of MRI technologies for surgical spine planning and navigation. European Spine Journal. https://doi.org/10.1007/s00586-025-08703-5.
Diese Entwicklungen zeigen das enorme Potenzial von KI, den Druck auf Gesundheitssysteme zu mindern und die Patientenversorgung zu verbessern. Doch es bleiben entscheidende Fragen offen: Wie genau wird die Implementierung von KI auf klinischer Ebene aussehen? Wie groß ist die Bereitschaft zur Einführung bei medizinischem Fachpersonal? Und über welchen Zeitraum hinweg wird sich die Einführung von KI im Gesundheitswesen vollziehen?
In diesem Artikel beleuchten wir von Alcimed diese zentralen Fragen – und liefern entscheidende Erkenntnisse für Gesundheitseinrichtungen, die sich inmitten dieses technologischen Wandels orientieren möchten.
Bisher erfolgte die Einführung von KI in Kliniken vor allem durch Medizintechnikunternehmen, die eigene Algorithmen entwickeln und diese in ihre Geräteportfolios integrieren. Firmen wie Philips, Siemens Healthineers und GE Healthcare arbeiten an KI-Lösungen, die direkt in ihre Scanner eingebaut sind, um die Bildqualität und Geschwindigkeit zu verbessern. Ziel ist es, den diagnostischen Wert der Bilder zu erhöhen und das Vertrauen in medizinische Entscheidungen zu stärken1AI-Rad Companion. (s. d.). Siemens Healthineers USA. https://www.siemens-healthineers.com/en-us/digital-health-solutions/ai-rad-companion2SIGNA MR Vision. (s. d.). GE HealthCare (United States). https://www.gehealthcare.com/products/magnetic-resonance-imaging/signa-mr-vision. Durch proprietäre KI-Lösungen, die auf ihre Geräte zugeschnitten sind, wollen diese Unternehmen die klinische Integration einfach, verlässlich und umfassend gestalten. Mit der zunehmenden Einführung von KI wird der Wettbewerb dieser Anbieter über ihre integrierten KI-Ökosysteme steigen. Am Ende wird der Anbieter führend sein, der dem medizinischen Fachpersonal die funktionalsten und qualitativ hochwertigsten Algorithmen bietet – beispielsweise zur Bildsegmentierung, Morphologie-Quantifizierung oder diagnostischen Unterstützung.
Eine alternative Entwicklung ist das Aufkommen „unabhängiger“ Entwickler, die KI-Algorithmen für medizinische Bildgebung schaffen. Während große Unternehmen eher auf „aufgabenneutrale“ Algorithmen setzen (also zur Verbesserung der Bildgebung selbst), verfolgen kleinere Drittanbieter den Ansatz, spezialisierte Algorithmen für bestimmte Aufgaben zu entwickeln, um die Leistung zu maximieren – etwa zur Tumorerkennung3Wang, X., Zhao, J., Marostica, E., Yuan, W., Jin, J., Zhang, J., Li, R., Tang, H., Wang, K., Li, Y., Wang, F., Peng, Y., Zhu, J., Zhang, J., Jackson, C. R., Zhang, J., Dillon, D., Lin, N. U., Sholl, L.,. . . Yu, K. (2024). A pathology foundation model for cancer diagnosis and prognosis prediction. Nature, 634(8035), 970‑978. https://doi.org/10.1038/s41586-024-07894-z. Kliniken wählen diese Algorithmen dann basierend auf der höchsten Leistungsfähigkeit für den jeweiligen Anwendungsfall aus. Die Integration erfolgt über Radiologie-Informationssysteme (RIS) und Picture Archiving and Communication Systems (PACS), um eine nahtlose Implementierung zu gewährleisten. Langfristig könnte sich eine Dominanz von Middleware-Plattformen herausbilden, die als „App-Stores“ für Algorithmen fungieren, aus denen Kliniken frei wählen können. In diesem Szenario könnten mehrere Gewinner existieren, indem sie jeweils den besten Algorithmus für einen bestimmten Anwendungsfall bereitstellen.
Die Zukunft der Künstlichen Intelligenz im Gesundheitswesen wird vermutlich irgendwo dazwischen liegen – mit unterschiedlichen Verbreitungsgraden der Szenarien, hybriden Modellen, die Partnerschaften zwischen Geräteherstellern und Middleware-Plattformen ermöglichen, oder direkt mit unabhängigen KI-Entwicklern.
Während die Implementierung von KI in Kliniken voranschreitet, stellt die Akzeptanz durch das medizinische Fachpersonal die nächste große Herausforderung dar. Einige Fachkräfte äußern Bedenken hinsichtlich der Zuverlässigkeit der KI, wenn es darum geht, menschliches Urteilsvermögen zu ersetzen. Andere sorgen sich um den Schutz klinischer Patientendaten oder darum, durch KI vollständig ersetzt zu werden.
Die vorherrschende Meinung sieht KI jedoch als sicheres, robustes und ergänzendes Werkzeug, das die diagnostische Genauigkeit und Effizienz verbessert – vergleichbar mit anderen Tools, die bereits in Kliniken etabliert sind. So wurde am Hospital Universitario de A Coruña (CHUAC) in Spanien KI in den radiologischen Dienst integriert, um insbesondere in Notfallsituationen die Präzision und Geschwindigkeit zu erhöhen4Ser, C. (2024, 26 novembre). Cadena SER. Cadena SER. https://cadenaser.com/galicia/2024/11/26/la-inteligencia-artificial-revoluciona-el-radiodiagnostico-en-el-chuac-radio-coruna/. Auch Northwell Health in New York hat ein KI-Tool namens iNav entwickelt, das Bauchspeicheldrüsenkrebs früher erkennt, indem es MRT- und CT-Aufnahmen analysiert, die eigentlich aus anderen Gründen gemacht wurden. Dadurch konnte die Zeit von Diagnose bis Behandlung um 50 % verkürzt werden5Wilser, J. (2024, 30 octobre). Catching cancer early. TIME. https://time.com/7094712/northwell-health-inav/. Diese Beispiele zeigen: Wenn KI-Tools dazu dienen, das medizinische Fachpersonal zu unterstützen und nicht zu ersetzen, steigt die Bereitschaft, sich mit der Technik vertraut zu machen und sie im Arbeitsalltag einzusetzen.
Darüber hinaus konnte gezeigt werden, dass der Einsatz von KI diagnostische Fehler reduziert und die Patientenergebnisse verbessert – was wiederum das Vertrauen und die Akzeptanz bei Gesundheitsfachkräften stärkt. Bildungsinitiativen wie Workshops, Seminare und Konferenzen sind ein wichtiges Instrument für Entwickler, um Bedenken zu adressieren. Eine kontinuierliche Zusammenarbeit zwischen Entwicklern und Ärzten wird auch künftig entscheidend sein, um eine reibungslose Integration in die klinischen Abläufe sicherzustellen.
Erfahren Sie, wie unser Team Sie dabei begleiten kann, Workshops zu organisieren >
Besonders in der Kardiologie und Onkologie macht KI bereits große Fortschritte, die die Versorgungsqualität für Patienten deutlich verbessern. In der Kardiologie helfen KI-Algorithmen bei der Analyse von Echokardiogrammen und der Erkennung von Herzrhythmusstörungen, was Diagnosegenauigkeit und Effizienz steigert.
Beispielsweise entwickeln Forschende der University of Texas in San Antonio KI-Algorithmen zur Verbesserung der koronaren Bildgebung, die Echtzeitbewertungen des Gesundheitszustands des Herzens für präventive Maßnahmen ermöglichen6Hand-in-hand : UTSA, UT Health San Antonio researchers use AI to improve real-time coronary imaging. (s. d.). UTSA Today. https://www.utsa.edu/today/2024/01/story/utsa-ut-health-san-antonio-use-AI-for-coronary-heart-disease.html. Die Firma Nanox.AI nutzt KI, um asymptomatische und bislang unerkannten chronische Erkrankungen, etwa koronare Arterienverkalkung, in Routine-CT-Scans zu identifizieren. Die eingesetzten Algorithmen sind von der FDA zugelassen7Nanox. (2025, 17 février). Nanox.AI – Nanox. https://www.nanox.vision/ai/#broad-suite-of-fda-510k-cleared-solutions.
In der Onkologie unterstützt KI die Früherkennung von Krebs und die Therapieplanung. Modelle wie CHIEF, entwickelt an der Harvard Medical School, zeigen eine hohe Genauigkeit bei der Erkennung verschiedener Krebsarten und Prognose der Überlebensrate, was teure DNA-Sequenzierungen reduzieren kann8Williams, R. (2025, 6 février). Prostate cancer and AI : the exciting advances that could transform treatment. The Guardian. https://www.theguardian.com/research-to-reality/2025/jan/24/prostate-cancer-and-ai-the-exciting-advances-that-could-transform-treatment. Forschende der Queen’s University Belfast setzen KI ein, um digitale pathologische Bilddaten auszuwerten, die Entwicklung von Krebs vorherzusagen und die Reaktion auf Hormontherapien zu analysieren – ein wichtiger Schritt zu personalisierten Behandlungsstrategien für Prostatakrebspatienten9Pesheva, B. E. (2024, 12 décembre). A New Artificial Intelligence Tool for Cancer. Harvard Medical School. https://hms.harvard.edu/news/new-artificial-intelligence-tool-cancer.
Aufgrund der medizinischen Dringlichkeit und Marktgröße sind die Bereiche Kardiologie und Onkologie Vorreiter bei der Einführung von KI. Andere Bereiche wie die Orthopädie hinken hinterher, da dort lebensbedrohliche Erkrankungen seltener sind und Entscheidungen weniger auf der Basis von Bilddaten erfolgen. Die Einführung von KI in diesen Feldern könnte zunehmen, wenn die Technologie auf OP-Planung, Vorhersagemodelle und personalisierte Rehabilitation ausgeweitet wird.
Trotz der vielversprechenden Fortschritte wird die breite Einführung von KI in der medizinischen Bildgebung voraussichtlich ein schrittweiser Prozess sein, der sich über das nächste Jahrzehnt erstreckt. Laut Precedence Statistics lag der globale Markt für KI in der medizinischen Bildgebung 2024 bei rund 1,28 Milliarden USD und wird bis 2034 voraussichtlich auf etwa 14,46 Milliarden USD anwachsen, wobei Krankenhäuser und Kliniken den größten Marktanteil (64,80 % in 2024) halten10Statistics, P. (2025, 13 février). AI in Medical Imaging Market Size Projected to Reach USD 14.46 Bn By 2034. GlobeNewswire News Room. https://www.globenewswire.com/news-release/2025/02/13/3026027/0/en/AI-in-Medical-Imaging-Market-Size-Projected-to-Reach-USD-14-46-Bn-By-2034.html#:~:text=The%20global%20AI%20in%20medical,27.10%25%20from%202025%20to%202034.&text=Ottawa%2C%20Feb.. Diese Zahlen zeigen eine hohe Nachfrage nach KI-Technologie in Kliniken, was sich auch in einer Verdopplung der Marktgröße alle zwei Jahre widerspiegelt.
In den kommenden 2 bis 5 Jahren werden wichtige Meilensteine erwartet, darunter weitere Zulassungen durch Regulierungsbehörden, technische Integration in bestehende Gesundheitssysteme, mehr klinische Evidenz zum Einfluss von KI auf Patientenergebnisse, die Etablierung von Schulungsprogrammen für medizinisches Fachpersonal sowie ein steigendes Vertrauen der Fachkräfte.
Die Zusammenarbeit mit erfahrenen Beratern kann Gesundheitseinrichtungen und KI-Entwicklern helfen, die komplexen Herausforderungen rund um die Integration von KI zu bewältigen und klinische wie regulatorische Anforderungen in Einklang zu bringen. Alcimeds Data & AI Team, Nautilus.ai, begleitet Sie gerne dabei, die Chancen in diesem Bereich zu erschließen. Kontaktieren Sie unser Team.
Über die Autoren,
Steven, Senior Healthcare Consultant bei Nautilus.ai, Alcimeds Data & AI Team
Matthieu, Leiter von Nautilus.ai, Alcimeds Data & AI Team
Data - KI
Fallbeispiel Nr. 1: Verbesserung der Therapietreue durch Behandlungserinnerungen und Medikamentenmanagement In der komplexen Welt des Gesundheitswesens ist die Einhaltung von Behandlungs- und ...
Data - KI
Was ist Künstliche Intelligenz (KI)? Einfach ausgedrückt bezieht sich Künstliche Intelligenz auf Softwarelösungen, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliches ...
Data - KI
Aktuelle Zahlen zu Unfruchtbarkeit und verfügbare Methoden der künstlichen Befruchtung Ursachen des Anstiegs der Unfruchtbarkeit in Frankreich Laut dem neuesten Bericht der ...