KI kann unnötige Tests erkennen – ob sie sie verhindert, ist offen
Eine neue Studie prüft medizinische Sprachmodelle an 225 Fallbeispielen. Für die Schweiz liegt die entscheidende Hürde zwischen einer richtigen Antwort und einer besseren Behandlung.
Kann künstliche Intelligenz auch von einer Untersuchung abraten? Eine am 20. Oktober 2026 in den «Annals of Internal Medicine» veröffentlichte Studie liefert dafür ermutigende, aber begrenzte Hinweise. Sechs kommerzielle Sprachmodelle empfahlen in einem Test selten medizinisch unnötige Massnahmen. Nicht untersucht wurde, ob dadurch in einer Arztpraxis tatsächlich weniger getestet oder besser behandelt wird.
Diese Lücke ist für die Schweiz zentral. Die Kampagne smarter medicine setzt sich seit Jahren gegen Über- und Fehlbehandlung ein. Ihr Anliegen ist nicht möglichst wenig Medizin, sondern die passende Versorgung. Ein KI-System müsste deshalb beides nachweisen: Es darf unnötige Abklärungen bremsen, aber notwendige nicht verhindern. Eine tiefe Zahl von Untersuchungen allein wäre kein Qualitätsmerkmal.
Was die Studie tatsächlich getestet hat
Dean Ariel, Stav Endelman und Guy Laban entwickelten aus 15 Choosing-Wisely-Empfehlungen 225 Szenarien. Pro Empfehlung verlangten zehn Fälle Zurückhaltung, fünf eine medizinische Handlung. Die Modelle wurden zwischen Februar und März 2026 über ihre Programmierschnittstellen befragt. Drei Durchläufe je Modell ergaben insgesamt 4050 Antworten. Menschen nahmen nicht als Patientinnen oder Patienten teil.
In den dafür vorgesehenen Fällen betrug die Rate unnötiger Handlungsempfehlungen 5,4 Prozent. Der umgekehrte Fehler, eine angemessene Massnahme nicht zu empfehlen, trat mit 0,6 Prozent seltener auf. Die Prozentwerte bezeichnen Antworten innerhalb dieses Tests. Sie sind keine Erfolgsquote für beliebige Gesundheitsfragen und keine gemessene Schadensrate in der Versorgung.
Der Durchschnitt verdeckt schwierige Entscheidungen
Die meisten Überversorgungsempfehlungen konzentrierten sich auf Ultraschall bei zufällig entdeckten kleinen Schilddrüsenknoten und Routine-Elektrokardiogramme bei Erwachsenen mit niedrigem Risiko. Das bedeutet nicht, dass Ultraschall oder EKG grundsätzlich überflüssig wären. Entscheidend sind die im Fall beschriebenen Voraussetzungen. Die Schweizerische Gesellschaft für Radiologie betont entsprechend, dass Empfehlungslisten eine individuell zweckmässige Diagnostik nicht verhindern dürfen.
Auch die Messmethode setzt Grenzen. Die Forschenden verwendeten einzelne Aufforderungen ohne anschliessenden Dialog. Ein Sprachmodell beurteilte Antworten, mit ärztlicher Klärung strittiger Bewertungen. Das ist ein kontrollierter Vergleich, kein Ersatz für klinische Prüfung. Ob ein System bei unvollständigen Angaben oder wiederholtem Drängen auf einen Test gleich reagiert, bleibt damit offen.
Wissen allein beseitigt keine Fehlanreize
Für die Schweizer Debatte lohnt deshalb ein zweiter Blick: Warum erfolgt eine wenig nützliche Untersuchung überhaupt? Die Gesundheitsökonomen Katharina Blankart und Tobias Benjamin Müller erläutern in einem Beitrag der Berner Fachhochschule von 2024, wie finanzielle Anreize medizinische Entscheidungen beeinflussen können. Eine Vergütung pro Leistung belohnt zunächst die erbrachte Leistung. Bei Fallpauschalen entstehen wiederum andere Anreize, etwa die Kosten pro Fall zu begrenzen.
Dieser Hintergrundbeitrag ist keine Evaluation der neuen KI-Studie und beschreibt nicht automatisch jeden heutigen Tarif. Sein grundlegender Punkt bleibt für die Beurteilung eines digitalen Hilfsmittels wichtig: Ein richtiger Hinweis verändert nicht von selbst Vergütung, Arbeitsabläufe oder Erwartungen. Ein Spital müsste prüfen, wer einen Vorschlag kontrolliert, Abweichungen begründet und Verantwortung für die Entscheidung übernimmt.
Auch eingesparte Leistungen sind nicht automatisch eingesparte Gesamtkosten. Zur Prüfung gehörten die Einführung und der Betrieb des Systems ebenso wie zusätzliche Abklärungen nach falschen Empfehlungen. Das wäre ein notwendiger nächster Bewertungsmassstab, kein bereits nachgewiesener Effekt. Die vorliegende Arbeit enthält dafür keine Schweizer Kostenrechnung.
Wichtig wäre zudem der Vergleich mit der bisherigen Versorgung: Eine gute Antwort im Benchmark zeigt nicht, ob Ärztinnen mit KI besser entscheiden als ohne sie. Dafür bräuchte es eine geeignete Vergleichsgruppe, vergleichbare Krankheitsrisiken und eine Nachbeobachtung. Erst dann liessen sich vermiedene Überdiagnosen von einer blossen Verschiebung der Untersuchungen unterscheiden. Diese Anforderungen betreffen die praktische Einführung, nicht die Aussagekraft des Tests als ersten Forschungsbeitrag.
Das Gespräch bleibt der praktische Massstab
Patientinnen und Patienten können schon heute etwas Konkretes tun. smarter medicine empfiehlt Fragen nach Behandlungsalternativen, Vor- und Nachteilen, deren Wahrscheinlichkeit sowie den Folgen des Abwartens. Hinzu kommt die Frage, was man selbst beitragen kann. Diese Gesprächshilfe zielt auf eine gemeinsame Entscheidung, nicht auf die pauschale Ablehnung einer ärztlich empfohlenen Untersuchung.
KI könnte ein solches Gespräch vorbereiten oder Fachpersonen auf eine Empfehlung aufmerksam machen. Ob sie in Schweizer Praxen tatsächlich Überversorgung vermindert, müssten Untersuchungen im Alltag zeigen. Der überzeugende Nachweis wäre nicht ein besonders entschlossenes digitales Nein, sondern weniger unnötige Medizin bei mindestens ebenso guter Versorgung der Menschen, die eine Behandlung brauchen.
Quellen
- Ariel, Endelman und Laban: Originalabstract der Benchmarkstudie, PubMed
- smarter medicine: fünf Fragen vor der Behandlung
- Schweizerische Gesellschaft für Radiologie: Empfehlungen und individuelle Diagnostik
- Berner Fachhochschule: Gesundheitskosten und finanzielle Anreize, 25. November 2024
- Titelbild: Daniel Sone / National Cancer Institute via Wikimedia Commons, Public Domain
- Artikelbild: Harrison Keely / Wikimedia Commons
- Lizenz des Artikelbildes: Creative Commons BY 4.0
