Macht KI den Arzt besser – oder überflüssiger?

Eine der meistdiskutierten Studien des Jahres in der medizinischen KI zeigt: Wenn ein KI-System dem Arzt die Arbeit abnimmt, kann die ärztliche Fähigkeit messbar nachlassen. Für FUSE-AI ist das kein Argument gegen KI – sondern für eine bestimmte Art, sie zu bauen.

2025 veröffentlichte eine Forschungsgruppe im Lancet Gastroenterology & Hepatology eine Beobachtungsstudie, die weit über die Gastroenterologie hinaus Wellen schlug. Untersucht wurde, wie sich die dauerhafte Nutzung eines KI-Assistenzsystems auf die Fähigkeiten der Ärztinnen und Ärzte auswirkt, die es verwenden.

Das Ergebnis war unerwartet. Vor der Einführung des KI-Werkzeugs entdeckten die untersuchten Endoskopiker in rund 28 % der Untersuchungen relevante Befunde. Nach drei Monaten regelmäßiger KI-Nutzung fiel ihre Trefferquote ohne KI-Unterstützung signifikant – auf etwa 22 %. Die Autoren beschreiben dies als erste reale klinische Evidenz für einen „Deskilling“-Effekt: Die Fähigkeit, die das Werkzeug hinzufügte, war in dem Moment verschwunden, in dem man das Werkzeug weglegte.

Die Debatte reichte weit über die Endoskopie hinaus – ausdrücklich wurden Radiologie, Dermatologie und Pathologie als Felder mit ähnlichem Risiko benannt. Ein zweiter Befund verstärkte die Diskussion: Ein 2026 in einem ESMO-Journal veröffentlichtes Review zeigte, dass erfahrene Radiologen, denen bei der Brustbildbefundung bewusst falsche KI-Vorschläge gezeigt wurden, ihre Falsch-Positiv-Rate um bis zu 12 % steigerten. Selbst Experten ließen sich von einem fehlerhaften Maschinensignal mitziehen.

Zwei Lehren – und warum sie zusammengehören

Auf den ersten Blick klingen beide Befunde wie eine Warnung vor KI in der Medizin. Auf den zweiten Blick sagen sie etwas Präziseres: Nicht KI an sich ist das Problem, sondern eine bestimmte Rolle, die man ihr gibt. Deskilling entsteht dort, wo ein System dem Arzt das Denken abnimmt, statt es zu unterstützen. Wenn die Maschine sucht und der Mensch nur noch bestätigt, verkümmert die eigene Kompetenz – und die Bestätigung wird zur Formsache, auch dann, wenn die Maschine falsch liegt. Die entscheidende Frage ist damit nicht, ob ein Mensch im Prozess ist, sondern wie aktiv er bleibt.

Wie wir bei Prostate.Carcinoma.ai damit umgehen

Für uns bestätigen diese Studien eine Designentscheidung: KI soll den ärztlichen Blick fordern, nicht ersetzen. Prostate.Carcinoma.ai unterstützt bei Segmentierung, Volumetrie und PI-RADS-konformer Befundung und hält die Herleitung dabei für den Befunder einsehbar – von der Segmentierung über die Volumetrie bis zur zonalen Zuordnung. Der Arzt sieht nicht nur ein Ergebnis, das er abzeichnet, sondern behält Zugriff auf den Weg dorthin. Genau das hält ihn im aktiven Teil des Prozesses – dort, wo Kompetenz erhalten bleibt und ein falsches Signal auffällt. Reproduzierbarkeit und Nachvollziehbarkeit sind für uns deshalb keine regulatorische Pflichtübung im Rahmen der MDR, sondern die Grundlage dafür, dass Effizienzgewinn und ärztliche Kompetenz nicht gegeneinander laufen.

„Der Nutzen von KI in der Radiologie ist real – aber nur nachhaltig, wenn er die Menschen, die ihn nutzen, nicht schwächt. Deshalb bauen wir ein Werkzeug, das schneller macht, ohne stumpf zu machen“, sagt Matthias Steffen, Geschäftsführer von FUSE-AI.

Angesichts steigender Bildvolumina und knapper Fachkräfte kann KI Zeit schaffen und Konsistenz erhöhen. Unser Anspruch ist, den Radiologen dabei nicht aus der Schleife zu nehmen, sondern ihn in ihr stark zu halten.