RöKo 2026 – Vier KI-Publikationen, die man kennen sollte

Lungenkarzinom: KI beschleunigt die Befundung, nicht den Patient:innenpfad 

Von LungIMPACT, einem multizentrischen Cluster-RCT zur Entdeckung von Lungenkarzinomen, berichtete Lisa Adams, München. Die Studie analysierte über 17 Monate mehr als 93.000 Röntgenbilder aus der hausärztlichen Versorgung fünf britischer NHS Trusts. KI diente der automatischen Priorisierung auffälliger Bilder, womit eine schnellere Befundung und Verkürzung der Zeit bis zur CT erreicht werden sollte. 

Das Ergebnis: Weder die Zeit bis zur CT, noch die Zeit bis zur korrekten Diagnose verkürzte die KI signifikant. Ebenso wenig zeigte sich eineVerbesserung beim Tumorstadium zum Zeitpunkt der Diagnose, noch wurde die Therapie schneller eingeleitet. 

Das Fazit: KI beschleunigt den Befund, aber nicht den Lungenkrebs-Pfad. 
Die Engpässe lagen im restlichen Teil des Versorgungspfads, beispielsweise bei der Terminierung der CT, sowie der weiteren Diagnostik und Therapie. „Es geht nicht nur um die Performance der KI, man muss sich den ganzen Versorgungspfad ansehen“, so Adams.

Verglichen wurden zwei Gruppen: mit und ohne KI-Priorisierung. Die KI lief in beiden Gruppen mit; allerdings wurden auffällige Bilder nur in einem Studienarm auf der Arbeitsliste priorisiert. 

Die diskordanten Fälle verdienen besondere Aufmerksamkeit. Die Verzögerung bis zur Diagnose betrug

• 106 Tage, wenn auffällig in der KI, aber unauffällig im Radiologie-Befund 
• 50 Tage, wenn in der KI unauffällig, aber auffällig im Radiologie-Befund 

Zum Vergleich: Bei in KI UND Radiologie auffälligen Fällen betrug die Zeit bis zur Diagnose nur 38 Tage. Hier sei gezielte Folgeforschung nötig, so Adams.

Prostatakarzinom: Potenzielle Turf-Battle Radiologie versus Urologie

Tobias Penzkofer, Berlin, stellte das Phase-3-RCT OPTIMUM vor. Es vergleicht die Prostata-MRT mit Mikro-Ultraschall anhand prospektiver Daten von 802 biopsienaiven Männern mit Verdacht auf Prostatakarzinom. Mikro-Ultraschall arbeitet mit 29 MHz statt 6-9 MHz im herkömmlichen Ultraschall. Er erreicht so eine Auflösung von 70 μm, was die Detektion von Tumoren in den Ductuli der Prostata erlaubt.

Die Studiendaten zeigten „methodisch sauber“, so Penzkofer, dass der Mikro-Ultraschall der MRT nicht unterlegen ist, also vergleichbare diagnostische Genauigkeit besteht. 

Dies könnte vor allem im Kontext des Screenings substanzielle Folgen haben, auch angesichts einer nicht ausreichenden Zahl an MRT-Scannern für alle zu screenenden Männer.
Damit könnte sich die Urologie diese Diagnostik wieder von der Radiologie zurückholen wollen. 

Eine Aussage zur Überlegenheit des Mikro-Ultraschalls macht die Studie nicht. Einschränkend nannte Penzkofer den Fakt, dass nur erfahrene Untersucher:innen beteiligt gewesen seien. Zu bemerken sei das Sponsoring der Studie durch den Hersteller.

Foundation Model Merlin: ChatGPT für die CT-Bildgebung

Boj Hoppe, München, erläuterte den Aufbau des KI-Modells ‚Merlin‘, das wegführt von der bisher gängigen „narrow AI“, die lediglich eine bestimmte Fragestellung bewertet, hin zu einem generalisierten KI-Modell. Als sogenanntes Foundation Model für CT ist Merlin vergleichbar mit einem GPT für CT-Bildgebung, das heißt es bildet die Grundlage („Foundation“) für weitere Anwendungen. Modell und Dataset sind frei verfügbar. 

Das Modell wurde mit mehr als 15.000 CT-Datensätzen trainiert und mit über 45.000 CT-Untersuchungen an drei US-amerikanischen Kliniken validiert. Es kann komplette volumetrische, dreidimensionale CT-Datensätze ähnlich generalisiert analysieren wie Radiolog:innen es können – also über viele verschiedene Aufgaben hinweg, ohne jeweils speziell dafür trainiert zu werden. Dazu kombiniert es CT-Bilddaten, Befunde und elektronische Krankenakten.

Es kann radiologische Befunde erkennen, Reports mit Bilddaten verknüpfen, Befundtexte generieren, Organe segmentieren, zukünftige Krankheitsrisiken abschätzen und komplexe Krankheitsmuster klassifizieren.

Die Ergebnisse seien bereits mit wenig Daten überproportional gut, so Hoppe.

Die Kommerzialisierung des Modells ist derzeit in Gang: Das vom Erstautor Louis Blankemeier mitgegründete Start-Up Cognita wurde im November 2025 für 80 Millionen Dollar an Radiology Partners verkauft. 

Die US-amerikanische Zulassungsbehörde FDA hat dem Cognita KI-Modell im März 2026 den „Breakthrough Device“ Status erteilt. Dies bedeutet unter anderem, dass der Zulassungsprozess der FDA beschleunigt und enger begleitetet wird.

Prüfen, für wen das System gut funktioniert 

Bianca Lassen-Schmidt, Bremen, verwies auf die fast zehn Jahre alte Studie ‚Gender Shades‘ als eine der wichtigsten initialen Arbeiten der KI-Ethik und Fairnessforschung, die wenig an Aktualität eingebüßt habe.

Die Studie zeigte, dass die Algorithmen kommerzieller KI-Systeme zur Gesichtsanalyse intersektionalen Bias aufweisen. Der Bias bezog sich auf Geschlecht und auf Hautfarbe und auf ethische Merkmale – besonders fehlerhaft war er bei dunkelhäutigen Frauen. Die Systeme hatten insgesamt zwar eine hohe Genauigkeit, die Fehler waren aber extrem ungleich verteilt. Die Durchschnittsgenauigkeiten führten also in die Irre.

Das Fazit: Trotz hoher durchschnittliche KI-Genauigkeit können einzelne Gruppen massiv benachteiligt sein. Man sollte besser nicht nur einzelne Kategorien betrachten, sondern deren Kombination („intersectionally“). 
 

Für die eigene KI-Anwendung bedeutet das: Man muss prüfen, für wen ein System gut funktioniert – und für wen nicht.