Meta-Analyse KI in der Medizin: kein Selbstläufer

KI und Medizin scheinen ein echter Match zu sein. Tatsächlich sind die Effekte auf Arbeitsprozesse allerdings unklar. Bonner Forscher haben sich deshalb an eine Meta-Analyse gewagt.

Kaum eine neue Lösung ohne KI. Doch hat ihr Einsatz auch tatsächlich einen Effekt auf die klinischen Arbeitsprozesse? Dieser Frage sind nun Forscher des Universitätsklinikums Bonn (UKB) und der Universität Bonn in einer umfassenden Meta-Analyse nachgegangen. Ihre Quintessenz, die das Team in npj Digital Medicine veröffentlicht wurde: KI beschleunigt Arbeitsprozesse nicht automatisch.

„Wir wollten herausfinden, inwiefern KI-Lösungen die Effizienz in der medizinischen Bildgebung tatsächlich verbessern“, erläutert Katharina Wenderott, leitende Autorin der Studie und Doktorandin der Universität Bonn am Institut für Patientensicherheit (IfPS) des UKB. Die weit verbreitete Annahme, dass KI automatisch Arbeitsprozesse beschleunige, greife oft zu kurz. Und tatsächlich fehlt es besonders in datenintensiven Fachgebieten wie der Genomik, Pathologie und Radiologie, in denen KI bereits zur Mustererkennung in großen Datenmengen und zur Priorisierung von Fällen eingesetzt wird, an belastbaren Daten zur Effizienzsteigerung.

Einheitliche Bewertung schwierig

Das Team hat systematische 48 Studien überprüft, die den Einsatz von KI-Tools in klinischen Umfeldern untersucht haben – insbesondere in der Radiologie und Gastroenterologie. Von den 33 Studien, die sich Arbeitsprozessen befassten, berichteten zwar 67 Prozent über eine Verkürzung der Arbeitszeit, doch die Metaanalysen ergaben keine signifikanten Effizienzgewinne. „Einige Studien zeigten zwar statistisch signifikante Unterschiede, diese waren jedoch nicht ausreichend, um allgemeine Schlüsse zu ziehen“, fasst Wenderott zusammen.

Darüber hinaus analysierte das Team, wie gut KI beriets in bestehende Arbeitsabläufe integriert wird. Es zeigte sich, dass der Erfolg der Implementierung stark von den spezifischen Rahmenbedingungen und Prozessen vor Ort abhängt. Aufgrund der Heterogenität der Studiendesigns und der eingesetzten Technologien war eine einheitliche Bewertung jedoch schwierig.

„Unsere Ergebnisse verdeutlichen, dass der Einsatz von KI im klinischen Alltag differenziert betrachtet werden muss“, betont Prof. Matthias Weigl, Direktor des IfPS am UKB, der auch an der Universität Bonn forscht. „Lokale Bedingungen und die individuellen Arbeitsprozesse haben großen Einfluss auf den Erfolg der Implementierung.“

Ein zentrales Ergebnis der Arbeit sei, dass es in künftigen Studien eine klar strukturierte Berichterstattung brauche, um den wissenschaftlichen und praktischen Nutzen dieser Technologien besser bewerten zu können, fasst Prof. Weigl abschließend zusammen.