KI in der Medizin: Hoffnung im Kampf gegen Krebs, Alzheimer und Co.

Künstliche Intelligenz macht in der Medizin rasante Fortschritte und gibt neue Hoffnung im Kampf gegen schwere Krankheiten. Ein Beispiel: Ein KI-Programm entdeckte ein neues Antibiotikum namens Halicin, das in Labortests sogar multiresistente Bakterien abtötete und Infektionen in Mausversuchen heilte​. Solche Erfolge befeuern die Vision, dass Computer in Zukunft helfen könnten, Krankheiten wie Krebs, Alzheimer oder Diabetes wirksamer zu diagnostizieren und zu behandeln. Tatsächlich ist Krebs noch immer die zweithäufigste Todesursache in Deutschland – jährlich erhalten rund 500.000 Menschen die Diagnose​. Gleichzeitig steigen aufgrund der alternden Gesellschaft die Patientenzahlen etwa bei Demenz und Diabetes. Ärztinnen und Ärzte stoßen an Grenzen, denn Zeit und Ressourcen sind knapp​. Kann KI hier helfen? Ein genauer Blick zeigt: Bereits heute gibt es vielversprechende Beispiele, und in den nächsten Jahren könnte sich unser Gesundheitswesen durch KI grundlegend verändern.

KI als Assistent bei der Diagnose

In der Diagnostik zeigt sich KI schon jetzt als nützlicher Helfer. Medizinische Bilder – von Röntgenaufnahmen bis MRT-Scans – können von KI-Systemen in Sekundenbruchteilen analysiert werden. Das entlastet Radiologen, die mitunter Tausende Bilder pro Patient sichten müssen. „Wir brauchen Unterstützung – oft muss ich mir 6.000 bis 8.000 Bilder pro Patient anschauen, das ist irgendwann nicht mehr machbar“, betont David Bonekamp, Radiologe am Deutschen Krebsforschungszentrum​. KI-Programme können auffällige Details herausfiltern: Etwa winzige Knötchen in der Lunge, die ein frühes Anzeichen von Lungenkrebs sein könnten, werden markiert und den Ärzten zur Überprüfung präsentiert. Solch eine Software kommt am DKFZ Heidelberg bereits zum Einsatz – ebenso wie in vielen anderen Kliniken. Erste Studien deuten an, dass diese digitalen Assistenten die Krebsdiagnose verbessern: Bei einem Mammographie-Screening entdeckte eine KI 18 % mehr Tumore als Radiologen allein, ohne dass die Zahl falscher Alarme anstieg​. Auch unnötige Eingriffe können vermieden werden: Eine Patientin in den USA berichtet, dass eine KI-gestützte Ultraschalluntersuchung ihres Schilddrüsenknotens klar Entwarnung gab – die darauffolgende Biopsie erwies sich tatsächlich als überflüssig​. „Ich bin ein Beispiel dafür, dass meine Biopsie durch KI hätte vermieden werden können“, so ihr Fazit​. Solche Fälle zeigen, wie KI Früherkennung und Diagnose präziser machen kann: Auffälligkeiten werden früher entdeckt und Fehleingriffe reduziert.

Doch nicht nur bildgebende Verfahren profitieren. KI durchforstet auch andere medizinische Daten nach Frühwarnzeichen. So haben kanadische Forscher ein System entwickelt, das Diabetes an der Stimme erkennen kann​. Winzige Veränderungen im Klang der Stimme – für das menschliche Ohr unhörbar – entlarven beginnenden Diabetes, da erhöhte Blutzuckerwerte offenbar die Stimmbänder beeinflussen​. Ähnlich nutzen Neurologen KI, um Alzheimer früh aufzuspüren: In Dallas zeigte eine 2023 veröffentlichte Studie, dass Algorithmen subtile Sprachmuster erkennen, die auf beginnende Alzheimer-Demenz hindeuten, noch bevor Angehörige oder Hausärzte etwas bemerken​. KI kann also in Mustern und Signalen lesen, die Menschen oft verborgen bleiben. Je eher Krankheiten wie Alzheimer erkannt werden, desto schneller kann die Behandlung eingeleitet werden – ein entscheidender Vorteil, denn gerade bei Demenz zählt jede gewonnene Zeit für die Lebensqualität.

Durchbruch in der Medikamentenentwicklung

Nicht nur beim Erkennen von Krankheiten, auch bei deren Behandlung sorgt KI für Aufsehen. Insbesondere in der Medikamentenentwicklung eröffnet sie neue Wege. Traditionell dauert es viele Jahre, bis aus Millionen möglicher Substanzen ein wirksames und sicheres Medikament gefunden ist. KI kann diesen Prozess drastisch beschleunigen, indem sie gigantische Datenmengen durchkämmt und vielversprechende Kandidaten vorschlägt. Ein prominentes Beispiel ist das eingangs erwähnte Antibiotikum Halicin: Forschende am MIT ließen eine lernende Software eine Datenbank mit über 100 Millionen chemischen Verbindungen analysieren. Binnen weniger Tage spürte das Programm einen Wirkstoff auf, der in Tests einige der gefährlichsten resistenten Bakterienstämme abtötete​. Halicin war ursprünglich als anderes Medikament entwickelt worden und geriet in Vergessenheit – bis die KI sein verborgenes Antibiotikum-Potenzial erkannte. Angesichts der globalen Antibiotikaresistenzen weckt dieser Erfolg enorme Hoffnungen.

Einen weiteren Meilenstein setzte AlphaFold, ein KI-System des Google-Schwesterunternehmens DeepMind. AlphaFold sagte 2020 erstmals die 3D-Struktur von Proteinen mit hoher Genauigkeit voraus – ein Durchbruch, der die Biologie revolutionierte. Inzwischen enthält die öffentliche AlphaFold-Datenbank die berechneten Strukturen von über 200 Millionen Proteinen, darunter nahezu alle des menschlichen Körpers​. Warum ist das wichtig? Proteine sind die Bausteine des Lebens – und oft Angriffspunkte für Medikamente. Ihre Form entschlüsseln zu können, war früher aufwendig oder unmöglich. Dank KI können Forscher jetzt binnen Minuten virtuell betrachten, wie z.B. ein Alzheimer-Schlüsselprotein gefaltet ist, und Wirkstoffe gezielter entwickeln. Pharmaunternehmen auf der ganzen Welt setzen auf solche KI-gestützten Methoden, um neue Therapien zu finden. Erste von KI designte Wirkstoffe befinden sich bereits in klinischen Tests. Die Medikamentenentwicklung wandelt sich vom teuren Trial-and-Error hin zu einem datengesteuerten, schnelleren Ansatz.

Personalisiert statt Schema F: KI und maßgeschneiderte Medizin

Jeder Mensch und jede Erkrankung ist einzigartig – und KI hilft immer besser, personalisiert darauf einzugehen. In der Krebsmedizin beispielsweise stehen Ärzten heute Unmengen an Patienteninformationen zur Verfügung: Genanalysen des Tumors, digitale Gewebeproben, Krankheitsverläufe ähnlicher Fälle weltweit. Kein Mensch kann all diese Daten vollständig überblicken, doch eine KI schon. Moderne Krebs-KI-Systeme können Gewebeschnitte auf zellulärer Ebene analysieren und dabei nicht nur feststellen, dass es Krebs ist, sondern gleich auch, welche Genveränderungen der Tumor aufweist​. So ein System namens CHIEF wurde 2024 an der Harvard Medical School vorgestellt: Es wurde mit 60.000 digitalisierten Tumorgewebe-Bildern aus 19 Krebsarten trainiert und lernte dabei, verschiedenste Tumortypen zu erkennen​. Beeindruckend ist, dass CHIEF darüber hinaus Prognosen abgibt – etwa welche Patienten voraussichtlich auf eine bestimmte Therapie ansprechen werden​. Die KI entdeckte in den Gewebebildern sogar neue Muster, die bislang unbekannt waren, die aber offenbar den Krankheitsverlauf beeinflussen​. Solche Erkenntnisse könnten es in Zukunft ermöglichen, die Behandlung viel individueller zuzuschneiden: Patient A bekommt dann gezielt die Therapie, die bei seinem Tumorprofil am besten wirkt, während Patient B eine andere, maßgeschneiderte Option erhält. Das ist der Kern der personalisierten Medizin, in der nicht mehr das Schema F für alle gilt, sondern jeder das für ihn Beste.

Auch außerhalb der Krebsforschung bringt KI die maßgeschneiderte Versorgung voran. In der Diabetes-Therapie zum Beispiel kommen bereits smarte Algorithmen zum Einsatz, die für jeden Patienten in Echtzeit die Behandlung anpassen. Bei Typ-1-Diabetes existieren Apps und Insulinpumpen, die mithilfe von KI und kontinuierlicher Glukosemessung die Insulindosis automatisch steuern. So lassen sich gefährliche Unterzuckerungen oder Blutzuckerspitzen verhindern, bevor der Patient sie selbst bemerkt​. Ein engmaschiges, datengestütztes Monitoring ersetzt hier teilweise die manuelle Einstellung durch den Arzt – die Therapie wird laufend personalisiert, je nach aktueller Situation des Patienten. Auch für Krebspatienten wird an solchen Konzepten gearbeitet: KI könnte etwa anhand von regelmäßigen Blutwerten und Symptomen vorhersagen, ob ein Patient eine Chemo besser verträgt, ob die Dosis angepasst werden sollte oder ob rechtzeitig unterstützende Maßnahmen nötig sind.

Nicht zuletzt ermöglicht KI auch eine personalisierte Vorsorge. Bisher werden z.B. alle Frauen ab einem bestimmten Alter regelmäßig zur Mammografie eingeladen. Zukünftig ließe sich dieses Raster verfeinern: Eine KI könnte zahlreiche Risikofaktoren – von der genetischen Veranlagung über Lebensstil bis zur Brustgewebedichte – analysieren und dann entscheiden, wer wie oft zur Früherkennung eingeladen werden sollte. Frauen mit höherem Risiko bekämen häufiger eine Untersuchung angeboten, während solche mit geringem Risiko seltener belastet würden​. So würde die Vorsorge effizienter, und die berühmte „Nadel im Heuhaufen“ – wenige echte Krebsfälle unter Tausenden Untersuchten – ließe sich gezielter finden​. Personalisiert heißt hier: die richtige Maßnahme, zur richtigen Zeit, für die richtige Person.

KI in der Therapieplanung und Betreuung

Auch bei der Planung von Therapien und in der klinischen Entscheidungsfindung hält KI Einzug. In Tumorboards großer Kliniken fließen heute oft bereits KI-Analysen mit ein, wenn verschiedene Fachärzte gemeinsam den optimalen Behandlungsplan für einen komplizierten Fall diskutieren. KI kann zum Beispiel vorschlagen, welche Kombination aus Chemo- und Immuntherapie bei einem Patienten statistisch die höchsten Erfolgschancen hat – basierend auf dem Erfahrungsschatz tausender ähnlicher Krankheitsfälle aus Datenbanken. In der Strahlentherapie hilft KI-Software dabei, auf CT-Bildern die Tumorgrenzen präzise zu markieren und den Bestrahlungsplan so zu optimieren, dass umliegendes gesundes Gewebe bestmöglich geschont wird. Solche Unterstützungssysteme sparen Zeit und erhöhen die Genauigkeit.

In der täglichen medizinischen Betreuung von Patienten kann KI ebenfalls vieles erleichtern. Beispielsweise arbeiten einige Notaufnahmen mit KI-Systemen, die anhand von bestimmten Mustern im EKG oder im Tonfall eines Patienten am Telefon wichtige Diagnosen stellen. Ein bekanntes System namens Corti analysiert Notruf-Gespräche und erkennt innerhalb von Sekunden Anzeichen eines Herzinfarkts – oft noch bevor der Mensch am anderen Ende der Leitung alle Informationen preisgegeben hat. Dadurch kann der Rettungsdienst sofort gewarnt und passende Hilfe geschickt werden. In der Schlaganfall-Behandlung wiederum wurde berichtet, dass KI aus Hirnscans den genauen Zeitpunkt eines Schlaganfalls doppelt so präzise bestimmen kann wie bisherige Methoden​. Das ist kritisch, um im Krankenhaus die richtige Therapie (etwa eine Lyse) einzuleiten, da man nur ein enges Zeitfenster hat. Hier fungiert KI quasi als zusätzlicher Spezialist im Team, der wichtige Details beisteuert.

Sogar in der Psychotherapie und Rehabilitation taucht KI auf. 2024 sorgte ein Experiment für Schlagzeilen, bei dem ein Gelähmter mithilfe einer KI-gesteuerten Schnittstelle zwischen Gehirn und Rückenmark wieder aufrecht gehen konnte​. Die KI übersetzt dabei Gedanken in elektrische Impulse für die Muskeln. Und in der Seelsorge oder Verhaltenstherapie werden Chatbot-Programme erprobt, die Patienten Gespräche anbieten, um etwa Depressionen zu lindern – natürlich unter Aufsicht von Fachleuten. All das steckt noch in den Kinderschuhen, doch die Ansätze zeigen: KI kann in fast jedem Bereich der Medizin eine Rolle spielen, von der Hightech-Operation bis zur psychologischen Unterstützung.

Große Hoffnungen für die nächsten Jahre

Angesichts dieser Entwicklungen sind die Erwartungen hoch. Expertinnen und Experten erhoffen sich in den kommenden Jahren frühere Diagnosen und damit bessere Heilungschancen bei vielen Krankheiten. Wenn Tumore oder Alzheimer mithilfe von KI-Tools Jahre früher erkannt werden, steigt die Chance, sie erfolgreich zu behandeln oder ihr Fortschreiten zu verlangsamen. KI-gestützte Systeme könnten zudem helfen, neue Therapien für bislang unheilbare Erkrankungen zu finden – etwa wirksame Medikamente gegen Alzheimer, wofür die KI die Biologie der Krankheit tiefgreifender entschlüsseln müsste, als wir es heute können. Auch in der täglichen Versorgung liegen große Hoffnungen: Entlastung des Gesundheitssystems und mehr Zeit für den Menschen. Routineaufgaben könnten automatisiert werden, sodass sich Ärzte und Pflegekräfte stärker auf die persönliche Patientenbetreuung konzentrieren. Gleichzeitig könnten KI-Assistenten medizinisches Wissen demokratisieren. „Die Zwei-Klassen-Medizin ist massiv. Und das Tolle an Sprachmodellen: Sie bauen die Zwei-Klassen-Medizin im Informationsbereich wieder ab“, sagt Titus Brinker vom DKFZ Heidelberg​. Mit anderen Worten: KI könnte dafür sorgen, dass auch Patientinnen und Patienten jenseits der Elitekliniken Zugang zu topaktuellem medizinischem Rat haben​. Ein KI-Chatbot, der in verständlicher Sprache Fragen beantwortet – sei es zu Diabetesmanagement oder Nebenwirkungen einer Therapie – könnte Wissen, das früher nur Spezialisten hatten, allen verfügbar machen.

Die vielleicht größte Vision ist, dass KI das Gesundheitswesen grundlegend verändert: Weg von pauschalen Standards hin zu echter Präzisionsmedizin, in der Krankheiten gar nicht erst zum Ausbruch kommen, weil ein „smarter“ Algorithmus im Hintergrund ständig aufpasst. Man kann sich ausmalen, dass Wearables und Sensoren am Körper kontinuierlich Daten an eine KI liefern, die sofort Alarm schlägt, bevor ein Herzinfarkt passiert oder bevor ein Tumor metastasiert. Ganz so weit ist es zwar bislang nicht – aber die Bausteine dafür entstehen derzeit in rasantem Tempo.

Hürden und Herausforderungen

Trotz aller Euphorie darf man die Herausforderungen nicht übersehen. Der Einsatz von KI in der Medizin wirft technische, ethische und praktische Fragen auf. Eine davon ist die Transparenz: Viele KI-Modelle agieren wie eine Blackbox – sie liefern zwar ein Ergebnis, aber nicht unbedingt eine Erklärung. Für die Medizin ist es aber essenziell zu verstehen, warum eine KI z.B. Krebs diagnostiziert, damit Ärztinnen und Ärzte dem Urteil vertrauen können. „Eine KI muss transparent machen, auf welchen Leitlinien und an welcher Stelle dieser Leitlinien ihre Empfehlung beruht, damit man sicherstellen kann, dass die Information korrekt ist“, fordert Titus Brinker​. Er rät Endnutzern, also Ärzten, dazu, die KI-Aussagen immer wieder mit der Originalquelle abzugleichen​. Hier steckt die noch junge Technik in den Anfängen: Erklärbare KI (Explainable AI) ist ein aktives Forschungsfeld, um die „Gedanken“ der Maschine nachvollziehbar zu machen.

Ein weiteres Problem ist die Datenbasis. KI lernt aus Daten – doch medizinische Daten sind sensibel. Datenschutz und Patientenrechte haben oberste Priorität, was den Austausch großer Datenmengen erschwert. Zudem muss die Qualität der Daten stimmen: Wenn eine KI vor allem mit Bildern oder Patienten aus Europa trainiert wurde, funktioniert sie vielleicht für andere Bevölkerungsgruppen schlechter. Bias, also Verzerrungen durch unausgewogene Daten, könnten im schlimmsten Fall dazu führen, dass bestimmte Patientengruppen falsch beurteilt oder benachteiligt werden. Solche Risiken müssen Entwickler und Kliniken sehr ernst nehmen und durch sorgfältiges Training und Tests minimieren.

Auch rechtlich und regulatorisch gibt es Hürden. Bevor ein KI-System in der Klinik eingesetzt werden darf, muss es ähnlich wie ein Medikament zugelassen werden. „Alle KI-gestützten Anwendungen in der Onkologie müssen erstmal als Medizinprodukte zugelassen werden. Dazu braucht es klinische Studien, die im Schnitt mindestens zwei bis fünf Jahre dauern“, betont Moritz Gerstung vom DKFZ​. Das bremst die Einführung zwar, ist aber notwendig, um Sicherheit und Wirksamkeit zu garantieren. Die Medizin vertraut verständlicherweise keine Menschenleben einer unausgereiften Software an. Bis ein KI-Algorithmus also flächendeckend eingesetzt wird, kann einige Zeit vergehen – in dieser Zeit entwickelt sich die Technologie allerdings rasant weiter, was ein Dilemma darstellt. Hier einen sinnvollen Mittelweg zwischen Innovationstempo und Patientensicherheit zu finden, ist eine Herausforderung für Behörden, Entwickler und Ärzte.

Nicht zuletzt stellt sich die Frage nach der Rolle des Menschen. Wie viel soll KI entscheiden, wo braucht es weiterhin den Arzt aus Fleisch und Blut? Viele Expertinnen betonen: KI kann und soll den Menschen nicht ersetzen, sondern unterstützen. Die letzte Verantwortung muss beim behandelnden Arzt liegen. Doch damit diese Zusammenarbeit gelingt, müssen Ärzte lernen, mit KI-Entscheidungen umzugehen. Bonekamp beobachtete, dass manche Kollegen dazu neigen, der KI entweder gar nicht zu trauen – oder ihr blind zu folgen​. Beides ist problematisch. Die goldene Mitte ist gefragt: eine gesunde Skepsis gegenüber dem Computerurteil, kombiniert mit der Offenheit, es als zusätzlichen Rat zu nutzen. Zudem bringt ein Algorithmus keine Empathie mit. Einfühlsame Gespräche, Trost spenden, moralische Entscheidungen – all das bleibt dem Menschen vorbehalten. Die Technik kann Diagnosen stellen und Vorschläge machen, doch einen guten Arzt oder eine einfühlsame Pflege ersetzt sie nicht.

Fazit: KI ist dabei, die Medizin zu transformieren – vom Aufspüren tödlicher Krankheiten über die Entwicklung passgenauer Arzneien bis hin zur Begleitung von Patienten im Alltag. In Bereichen wie Krebs, Alzheimer oder Diabetes sind dank KI bereits greifbare Fortschritte erzielt worden, die vor wenigen Jahren noch utopisch schienen. Gleichzeitig gilt es, realistisch zu bleiben: Der Weg von vielversprechenden Studienergebnissen bis zur breiten Anwendung ist lang, und es gibt Stolpersteine von technischen bis ethischen Aspekten. Doch wenn Mensch und Maschine klug zusammenwirken, könnte die Vision einer effizienteren, personalisierten und letztlich lebensrettenden Medizin Schritt für Schritt Wirklichkeit werden – zur Freude von Patienten und Ärzten gleichermaßen.

Folgende Referate könnten Dich ebenfalls interessieren:

Die nachfolgenden Dokumente passen thematisch zu dem von Dir aufgerufenen Referat:

• Künstliche Intelligenz - Wissensexplosion durch KI? Wird unser Wissen exponentiell wachsen?
• Alzheimer-Krankheit (lateinisch Morbus Alzheimer) - eine neurodegenerative Erkrankung
• Irak - Krieg gegen den Irak (Pro und Contra)
• Alzheimer - Erkrankung des Gehirns
• Röntgen - Revolution in der Medizin