EUVIMEDEUVIMED entdecken
ÜbersichtsarbeitOpen Access · CC BY 4.0

KI-gestützte klinische Entscheidungsunterstützungssysteme: Herausforderungen und Potenziale

Maximilian Tschochohei, Lisa Christine Adams, Keno Kyrill Bressem, Jacqueline Lammert

Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz · 2025-08 · 68 (8) · 872-879

DOI: 10.1007/s00103-025-04092-8 ↗

Kurz gefasst

Übersichtsarbeit in der Zeitschrift Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz, online erschienen am 25.06.2025. Verfasst von Maximilian Tschochohei und 3 weiteren Autor:innen. Beteiligte Einrichtung: Institut für Künstliche Intelligenz und Informatik in der Medizin, Technische Universität München, School of Medicine and Health, TUM Klinikum, Münch…. Hauptthemen laut MEDLINE: Decision Support Systems, Clinical, Artificial Intelligence. Die Arbeit wurde bisher 11-mal zitiert (Crossref) und nennt 39 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Technische Universität München.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Klinische Entscheidungsfindung ist komplex, zeitkritisch und fehleranfällig. Klinische Entscheidungsunterstützungssysteme (CDSS) sind computergestützte Anwendungen, die Ärzt:innen und andere Gesundheitsfachkräfte bei medizinischen Entscheidungen unterstützen – etwa in der Diagnosestellung, Therapieplanung oder Risikoeinschätzung. Unterschieden werden regelbasierte, wissensbasierte und KI-gestützte Ansätze von CDSS. KI-gestützte CDSS gewinnen zunehmend an Bedeutung. Sie ermöglichen die Analyse großer Datenmengen und liefern evidenzbasierte Empfehlungen zur Unterstützung klinischer Entscheidungen. Zu den Herausforderungen zählen die Datenqualität, die Integration in klinische Abläufe und die Akzeptanz durch das Fachpersonal. Auch ethische und rechtliche Fragen, insbesondere bzgl. Datenschutz, bleiben kritisch. Derzeit finden KI-gestützte CDSS vor allem in der Radiologie (z. B. Lungenrundherde, Mammographie) und Kardiologie erfolgreich Anwendung. Sie tragen dort zur Verbesserung der Diagnosegenauigkeit und der Versorgungsqualität bei. Zukünftig können Chat- und Voicebots auf Basis großer Sprachmodelle (LLMs) im Bereich Shared Decision Making (SDM) eine wichtige Rolle spielen, indem sie Patient:innen gezielt informieren und in Entscheidungsprozesse einbeziehen. Für eine effektivere, effizientere und patientenzentrierte Gesundheitsversorgung bieten KI-gestützte CDSS ein großes Potenzial. Voraussetzung dafür ist ein verantwortungsvoller Einsatz von KI, der ethische und rechtliche Anforderungen berücksichtigt. Eine passende Applikationsarchitektur kann diesen Anspruch unterstützen – etwa durch die Verknüpfung von KI-Modellen mit domänenspezifischen Daten, die Anonymisierung von Anfragen sowie die Validierung der generierten KI-Antworten.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Decision Support Systems, ClinicalArtificial IntelligenceGermanyHumansForecasting

Stichwörter der Autor:innen

Artificial intelligenceData protectionGenerative AILarge Language ModelsShared decision-making

Autor:innen und Institutionen

  • Institut für Künstliche Intelligenz und Informatik in der Medizin, Technische Universität München, School of Medicine and Health, TUM Klinikum, München, Deutschland.
  • Google Deutschland GmbH, München, Deutschland.
  • Institut für Diagnostische und Interventionelle Radiologie, Technische Universität München, School of Medicine and Health, Klinikum rechts der Isar, TUM Klinikum, München, Deutschland.
  • Institut für Kardiovaskuläre Radiologie und Nuklearmedizin, Technische Universität München, School of Medicine and Health, Deutsches Herzzentrum München, TUM Klinikum, München, Deutschland.
  • Institut für Künstliche Intelligenz und Informatik in der Medizin, Technische Universität München, School of Medicine and Health, TUM Klinikum, München, Deutschland. Jacqueline.Lammert@tum.de.
  • Frauenklinik und Poliklinik, Technische Universität München, School of Medicine and Health, Klinikum rechts der Isar, TUM Klinikum, TUM Klinikum, Ismaninger Str. 22, 81675, München, Deutschland. Jacqueline.Lammert@tum.d…

Förderung

  • Technische Universität München

Zitieren

APA

Tschochohei, M., Adams, L. C., Bressem, K. K., & Lammert, J. (2025). KI-gestützte klinische Entscheidungsunterstützungssysteme: Herausforderungen und Potenziale. Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz, 68(8), 872-879. https://doi.org/10.1007/s00103-025-04092-8

Vancouver

Tschochohei M, Adams LC, Bressem KK, Lammert J. KI-gestützte klinische Entscheidungsunterstützungssysteme: Herausforderungen und Potenziale. Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz. 2025;68(8):872-879. doi:10.1007/s00103-025-04092-8

BibTeX
@article{Tschochohei2025,
  author = {Tschochohei, Maximilian and Adams, Lisa Christine and Bressem, Keno Kyrill and Lammert, Jacqueline},
  title = {KI-gestützte klinische Entscheidungsunterstützungssysteme: Herausforderungen und Potenziale},
  journal = {Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz},
  year = {2025},
  volume = {68},
  number = {8},
  pages = {872--879},
  doi = {10.1007/s00103-025-04092-8}
}
Kostenlos starten →