Im Podcast „JAMA+ AI Conversations“ diskutiert JAMA+ AI-Chefredakteur Roy Perlis mit dem Kardiologen und Digital-Health-Pionier Eric Topol. Der sieht das Potenzial von KI weniger in Chatbots oder automatisierten Arztbriefen, sondern in der Möglichkeit, Erkrankungen Jahre vor ihrem Auftreten vorherzusagen.
Für Eric Topol liegt das vielleicht größte Potenzial künstlicher Intelligenz in der Medizin nicht darin, bestehende Prozesse effizienter zu machen. Vielmehr könne KI dazu beitragen, das zu schaffen, was alle schon lange wollen: Die Medizin von einer reaktiven zu einer präventiven Disziplin weiterzuentwickeln.
Bislang werden viele chronische Erkrankungen erst behandelt, wenn klinische Symptome oder manifeste Organschäden vorliegen. Multimodale KI-Modelle könnten dagegen künftig sehr unterschiedliche Informationen – elektronische Patientenakten, Laborwerte, Bildgebung, Proteomdaten, immunologische Marker und Umweltfaktoren – zusammenführen und daraus individuelle Krankheitsrisiken ableiten.
Topols Vision geht dabei deutlich über die heute etablierten Risikoscores hinaus. Perspektivisch könnten Algorithmen nicht nur abschätzen, ob für einen Menschen ein erhöhtes Risiko beispielsweise für einen Herzinfarkt oder eine neurodegenerative Erkrankung besteht. Sondern auch, wann mit ersten klinischen Manifestationen zu rechnen ist. Und der entscheidende Schritt wäre die Verknüpfung dieser Vorhersage mit gezielten präventiven Interventionen.
Eine Rolle könnten dabei sogenannte Organ-, Zell- oder Immun-Clocks spielen. Anders als derzeit kommerziell angebotene epigenetische Tests sollen sie Veränderungen spezifischer Organsysteme abbilden. Grundlage sind unter anderem hochdimensionale Proteomdaten, deren Auswertung durch KI erst praktikabel wird. Topol betont allerdings ausdrücklich, dass sich viele dieser Ansätze noch in der Entwicklung befinden und derzeit nicht für die klinische Routine zur Verfügung stehen.
Gleichzeitig kritisiert Topol eine aus seiner Sicht widersprüchliche Entwicklung: Einige KI-Anwendungen mit vergleichsweise guter klinischer Evidenz – wie KI-unterstützte Mammografiesysteme – würden bislang nur zögerlich implementiert, während generative KI-Systeme und Chatbots mit deutlich dünnerer Evidenzbasis innerhalb kurzer Zeit breite Anwendung gefunden hätten.
Die vielleicht weitreichendste Botschaft des Gesprächs lautet: Die spektakulärste Anwendung künstlicher Intelligenz in der Medizin muss nicht der medizinische Chatbot sein. Wesentlich bedeutsamer könnte die Fähigkeit werden, bislang verborgene Muster in großen Mengen individueller Gesundheitsdaten zu erkennen.
Ob diese Vision Realität wird, hängt allerdings nicht allein von leistungsfähigeren Algorithmen ab. Topols zentrale Forderung zieht sich durch das gesamte Gespräch: Medizinische KI braucht dieselben Maßstäbe wie andere medizinische Interventionen – robuste klinische Validierung, nachgewiesenen Nutzen und eine Implementierung, die letztlich den Patienten zugutekommt.
Text: Reinhard Merz
Bild: openAI für arztCME
Quelle: Perlis R. From Aging to AI and Beyond: A Conversation With Eric Topol. JAMA. Published online September 10, 2026. doi:10.1001/jama.2026.13053
