<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>MedicalLearning Archiv - arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</title>
	<atom:link href="https://www.arztcme.de/medicallearning/feed/" rel="self" type="application/rss+xml" />
	<link>https://www.arztcme.de/medicallearning/</link>
	<description>Sammeln Sie Fortbildungspunkte auf arztCME – kostenfrei!</description>
	<lastBuildDate>Mon, 16 Nov 2026 09:04:16 +0000</lastBuildDate>
	<language>de</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	

<image>
	<url>https://www.arztcme.de/wp-content/uploads/cropped-arztcme_favicon_512-32x32.gif</url>
	<title>MedicalLearning Archiv - arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</title>
	<link>https://www.arztcme.de/medicallearning/</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>KI-Chatbots als Lernbegleiter in der medizinischen Ausbildung?</title>
		<link>https://www.arztcme.de/medicallearning/ki-chatbots-als-lernbegleiter-in-der-medizinischen-ausbildung/</link>
		
		<dc:creator><![CDATA[wolfram.wiegers]]></dc:creator>
		<pubDate>Mon, 16 Nov 2026 09:04:16 +0000</pubDate>
				<category><![CDATA[Chatbot]]></category>
		<category><![CDATA[Studium]]></category>
		<guid isPermaLink="false">https://www.arztcme.de/?post_type=medicallearning&#038;p=9521</guid>

					<description><![CDATA[<p><img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/Medizinstudent-lernt-mit-KI-Chatbot-150x150.jpg" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" />Können KI-Chatbots Medizinstudenten beim Lernen unterstützen? Eine kleine randomisierte Pilotstudie liefert Hinweise auf bessere Vorbereitung und Falldiskussionen. Ob das Wissen länger erhalten bleibt, ist offen. Untersucht wurde die medizinische Ausbildung, nicht die ärztliche Fortbildung. Ein gedachtes Beispiel: Ein Medizinstudent bereitet eine Fallbesprechung vor. Statt die Lösung einzublenden, fragt der KI-Lernbegleiter: Welche Diagnose halten Sie für [&#8230;]</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/ki-chatbots-als-lernbegleiter-in-der-medizinischen-ausbildung/">KI-Chatbots als Lernbegleiter in der medizinischen Ausbildung?</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></description>
										<content:encoded><![CDATA[<img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/Medizinstudent-lernt-mit-KI-Chatbot-150x150.jpg" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" /><p><strong>Können KI-Chatbots Medizinstudenten beim Lernen unterstützen? Eine kleine randomisierte Pilotstudie liefert Hinweise auf bessere Vorbereitung und Falldiskussionen. Ob das Wissen länger erhalten bleibt, ist offen. Untersucht wurde die medizinische Ausbildung, nicht die ärztliche Fortbildung.</strong></p>
<p>Ein gedachtes Beispiel: Ein Medizinstudent bereitet eine Fallbesprechung vor. Statt die Lösung einzublenden, fragt der KI-Lernbegleiter: Welche Diagnose halten Sie für wahrscheinlich? Welche Information fehlt Ihnen? Und was würde Ihre Einschätzung ändern? Der Student muss seinen Gedankengang formulieren, bevor er eine Rückmeldung erhält. So könnte ein Chatbot zum Übungspartner werden.</p>
<p>Einen solchen Ansatz untersuchten Kasie Roark und Kollegen in einer am 6. November 2026 veröffentlichten Pilotstudie. 44 Medizinstudenten im zweiten Studienjahr einer US-Hochschule bereiteten zwei Pathologiefälle vor, jeweils einen mit einem auf die Lernziele abgestimmten Chatbot und einen auf übliche Weise. Das angepasste GPT sollte durch Rückfragen zum Begründen anregen. [1]</p>
<p>Beurteiler, die die Vorbereitungsmethode nicht kannten, bewerteten die schriftliche Vorbereitung mit durchschnittlich 10,3 statt 9,4 von zwölf Punkten. In der Falldiskussion waren es 14,9 statt 13,7 von 16 Punkten. Beide Unterschiede waren statistisch signifikant. Für das spätere Behalten zeigte sich dagegen kein signifikanter Unterschied; geprüft wurden nur zwei Prüfungsfragen je Fall.</p>
<p>Die Aussagekraft bleibt begrenzt: eine Hochschule, zwei Fälle, keine objektiv gemessene Lernzeit. Außerdem nutzten manche Studenten auch bei der üblichen Vorbereitung allgemeine KI-Werkzeuge. Ob die Anpassung des Chatbots selbst den Vorteil erklärt, ist daher offen. Ein Nutzen für die Patientenversorgung wurde nicht untersucht.</p>
<p><strong>Was sich daraus für die Ausbildung ableiten lässt.</strong> Gute Bewertungen in vorbereiteten Fallbesprechungen zeigen noch nicht, ob ein Student später einen unbekannten Fall selbstständig bearbeiten kann. Für weitere Studien wäre deshalb eine zusätzliche Aufgabe ohne KI-Unterstützung sinnvoll. Auch der Zeitaufwand müsste erfasst werden. So ließe sich prüfen, ob die Vorteile bei vergleichbarer Lernzeit bestehen bleiben.</p>
<p>Bei solchen Lernangeboten sollten die Rückfragen einem klaren Lernziel folgen. Eine fachlich geprüfte Auflösung könnte anschließend zeigen, welche Begründung trägt. Auch die Rückmeldung des Chatbots müsste geprüft werden: Eine überzeugend formulierte Bestätigung ist noch kein fachliches Urteil. Das sind Anforderungen an die Gestaltung, keine nachgewiesenen Wirkungen dieser Pilotstudie.</p>
<p><strong>Für arztCME bleibt die Frage interessant, ob sich ein solcher Ansatz auch für die ärztliche Fortbildung eignet.</strong> Die Studie beantwortet sie nicht. Berufserfahrene Ärzte bringen andere Vorkenntnisse und Lernziele mit als Studenten. Ein Einsatz in CME-Angeboten müsste deshalb eigenständig untersucht werden, einschließlich der Frage, was die Teilnehmer anschließend ohne KI-Unterstützung leisten können.</p>
<h1>Quelle</h1>
<ol>
<li>Roark K, Choi Y, Hoy E et al. Curriculum-Aligned Conversational AI to Support Pathology Self-Directed Learning in Preclinical Medical Students: Crossover Randomized Pilot Study. JMIR Med Educ. 2026;12:e102908. <a href="https://doi.org/10.2196/102908">doi:10.2196/102908</a></li>
</ol>
<p>Text: Redaktion arztCME</p>
<p>Bild: KI-generiert, Open AI für arztcme</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/ki-chatbots-als-lernbegleiter-in-der-medizinischen-ausbildung/">KI-Chatbots als Lernbegleiter in der medizinischen Ausbildung?</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Wie schlagen sich DiGAs im Alltag?</title>
		<link>https://www.arztcme.de/medicallearning/wie-schlagen-sich-digas-im-alltag/</link>
		
		<dc:creator><![CDATA[Reinhard Merz]]></dc:creator>
		<pubDate>Sun, 08 Nov 2026 15:38:10 +0000</pubDate>
				<guid isPermaLink="false">https://www.arztcme.de/?post_type=medicallearning&#038;p=9504</guid>

					<description><![CDATA[<p><img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/DioGA_Sonne-150x150.png" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" />2025 wurden in Deutschland rund 695.000 Freischaltcodes für digitale Gesundheitsanwendungen eingelöst. Das waren 63 Prozent mehr als im Vorjahr. Doch was passiert nach dem Freischalten?   Wer eine digitale Gesundheitsanwendung (DiGA) verordnen möchte, findet im BfArM-Verzeichnis die Indikation, den Listungsstatus und Informationen zur Evidenz. Wie die Anwendung auf dem Handy aussieht und was sie den [&#8230;]</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/wie-schlagen-sich-digas-im-alltag/">Wie schlagen sich DiGAs im Alltag?</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></description>
										<content:encoded><![CDATA[<img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/DioGA_Sonne-150x150.png" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" /><p><em>2025 wurden in Deutschland rund 695.000 Freischaltcodes für digitale Gesundheitsanwendungen eingelöst. Das waren 63 Prozent mehr als im Vorjahr. Doch was passiert nach dem Freischalten? </em></p>
<p><strong> </strong></p>
<p>Wer eine digitale Gesundheitsanwendung (DiGA) verordnen möchte, findet im BfArM-Verzeichnis die Indikation, den Listungsstatus und Informationen zur Evidenz. Wie die Anwendung auf dem Handy aussieht und was sie den Patientinnen und Patienten im Alltag abverlangt, lässt sich aus dem Eintrag schwerer ablesen. Genau da setzen die DiGADocs an. Die Hamburger Ärzte Maximilian Lüders, Lars Lomberg und Felix Schellenberger probieren die Anwendungen selbst aus. Ihre Videos und Screenshots zeigen, wie die Programme aufgebaut sind, welche Übungen anstehen und wie man sich bei Fragen Hilfe holt.</p>
<p>Die <em>Ärzte Zeitung</em> beschreibt, wie das Team in seiner Praxis vorgeht. Interessierte können sich die Anwendung zunächst anhand der Videos und Bildschirmaufnahmen ansehen und sich danach für eine Verordnung entscheiden. Dabei kommen ganz praktische Dinge zur Sprache. Ist die Schrift gut lesbar? Gibt es bei technischen Problemen jemanden, den man fragen kann? Und passt das Übungsprogramm überhaupt in den Tagesablauf? Die Hamburger planen außerdem vor Ablauf der Nutzungszeit ein Gespräch ein. So lässt sich klären, ob die Anwendung zum Einsatz kam, was sie gebracht hat und wo es gehakt hat (<a href="https://www.aerztezeitung.de/Wirtschaft/DiGADocs-Hausaerzte-testen-Digitale-Gesundheitsanwendungen-fuer-Kollegen-und-Patienten-464918.html" target="_blank" rel="noopener">Link</a>).</p>
<p>&nbsp;</p>
<p><strong>Was zeigen die Studien?</strong></p>
<p>Auf dem DGGG-Kongress 2026 stellte die Gynäkologin Pia Wülfing, Gründerin der DiGA-App PINK! Coach vor, Anwendungen für die FGynäkologie vor. PINK! begleitet Patientinnen mit Brustkrebs während der Behandlung und in der Nachsorge. Sie übersetzt Themen wie Bewegung und mentale Gesundheit in kleine Tagesaufgaben. In einer randomisierten Studie mit 434 Teilnehmenden fiel der PHQ-9-Wert für depressive Symptome nach zwölf Wochen im Mittel um rund 1,6 Punkte stärker als in der Wartelisten-Kontrollgruppe mit üblicher Versorgung (<a href="https://pubmed.ncbi.nlm.nih.gov/38699636/" target="_blank" rel="noopener">Link)</a>.</p>
<p>Bei der Endo-App verbesserte sich die endometriosespezifische Lebensqualität nach zwölf Wochen im Mittel um rund zehn Punkte mehr als in der Wartelisten-Kontrollgruppe, gemessen auf der 100-Punkte-Skala EHP-5. Für den Alltag gibt es inzwischen auch Daten aus einer freiwilligen In-App-Befragung. Die antwortenden Nutzerinnen berichteten nach drei sowie nach sechs bis sieben Monaten im Mittel weniger Schmerzen als zu Beginn. Nach sechs bis sieben Monaten lagen allerdings nur noch von 55 Nutzerinnen Antworten auf zumindest einen Teil der Fragen vor. Ohne Vergleichsgruppe und mit freiwilliger Teilnahme bleibt offen, wie viel der Veränderung auf die App zurückgeht und wie repräsentativ die Antworten sind.</p>
<p>&nbsp;</p>
<p><strong>Und nach dem Freischalten?</strong></p>
<p>Von den seit 2020 bis Ende 2025 ausgegebenen Freischaltcodes wurden laut GKV-Spitzenverband 82 Prozent eingelöst. Damit lässt sich der Einstieg beziffern. Wie regelmäßig die Versicherten danach übten und wie es ihnen dabei ging, beantwortet die Zahl der Freischaltungen allein kaum. Seit Juli 2026 müssen Hersteller dauerhaft gelisteter DiGAs für die anwendungsbegleitende Erfolgsmessung Nutzungsdaten erheben. Ab 2027 sollen Angaben zur Zufriedenheit und zum selbst berichteten Gesundheitszustand hinzukommen.</p>
<p>Für die Sprechstunde lässt sich die Frage schon heute konkreter stellen. Was soll sich bis zum nächsten Termin verändern? Bei einer Patientin mit Endometriose kann das zum Beispiel heißen, den eigenen Schmerzverlauf besser einzuschätzen und herauszufinden, welche Übungen ihr an belastenden Tagen helfen. Beim nächsten Termin lässt sich dann besprechen, welche davon sie tatsächlich in ihren Alltag übernommen hat und ob sie ihr etwas bringen.</p>
<p>Text: Reinhard Merz<br />
Bild: OpenAI für arztCME</p>
<p>&nbsp;</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/wie-schlagen-sich-digas-im-alltag/">Wie schlagen sich DiGAs im Alltag?</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Was ärztliche Fortbildung über KI vermitteln sollte</title>
		<link>https://www.arztcme.de/medicallearning/was-aerztliche-fortbildung-ueber-ki-vermitteln-sollte/</link>
		
		<dc:creator><![CDATA[wolfram.wiegers]]></dc:creator>
		<pubDate>Mon, 02 Nov 2026 10:27:29 +0000</pubDate>
				<category><![CDATA[KI]]></category>
		<category><![CDATA[Liste]]></category>
		<category><![CDATA[Patienten]]></category>
		<guid isPermaLink="false">https://www.arztcme.de/?post_type=medicallearning&#038;p=9493</guid>

					<description><![CDATA[<p><img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/Chatbot-Vorschlaege-150x150.jpg" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" />KI-Kompetenz erschöpft sich nicht darin, gute Prompts zu schreiben. Wer KI in der Praxis nutzt, muss Empfehlungen fachlich prüfen und ihren Stellenwert im Patientengespräch erklären können. Genau hier sollte ärztliche Fortbildung ansetzen. Ein gedachtes Beispiel: Ein Patient bringt eine vom Chatbot erstellte Liste möglicher Untersuchungen mit. Warum will sein Hausarzt nicht alle Tests veranlassen? Die [&#8230;]</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/was-aerztliche-fortbildung-ueber-ki-vermitteln-sollte/">Was ärztliche Fortbildung über KI vermitteln sollte</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></description>
										<content:encoded><![CDATA[<img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/Chatbot-Vorschlaege-150x150.jpg" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" /><p><strong>KI-Kompetenz erschöpft sich nicht darin, gute Prompts zu schreiben. Wer KI in der Praxis nutzt, muss Empfehlungen fachlich prüfen und ihren Stellenwert im Patientengespräch erklären können. Genau hier sollte ärztliche Fortbildung ansetzen.</strong></p>
<p>Ein gedachtes Beispiel: Ein Patient bringt eine vom Chatbot erstellte Liste möglicher Untersuchungen mit. Warum will sein Hausarzt nicht alle Tests veranlassen? Die fachliche Bewertung allein reicht als Antwort kaum aus. Der Arzt muss auch herausfinden, welche Sorge hinter der Liste steht, und sein Vorgehen verständlich begründen.</p>
<p>Robert J. McGrath schlägt dafür im Oktober 2026 in <em>JMIR Medical Education</em> ein Modell ärztlicher Beziehungskompetenz unter Beteiligung von KI vor. Seine sechs Bereiche lassen sich mit konkreten Situationen aus der Praxis verbinden. [1]</p>
<p><strong>Empathische Präsenz</strong> bedeutet, die Aufmerksamkeit beim Patienten zu halten und auf seine Ängste einzugehen. <strong>Vertrauenswürdigkeit</strong> verlangt, Unsicherheit offenzulegen, statt eine plausible KI-Antwort als gesicherte Erkenntnis darzustellen. Zur <strong>Transparenz</strong> gehört die verständliche Erklärung, wofür ein KI-Werkzeug eingesetzt wurde. Das <strong>situative Beziehungsurteil</strong> betrifft die Frage, wann es das Gespräch unterstützt und wann es stört. Wird ein Patient beispielsweise wegen einer laufenden KI-Dokumentation zurückhaltend, sollte der Arzt diese Sorge ansprechen. <strong>Verantwortliche menschliche Entscheidung</strong> heißt, eine Empfehlung unabhängig vom KI-Text medizinisch begründen zu können. <strong>Vertrauensbildung mit Blick auf Benachteiligung und Verzerrungen</strong> bedeutet schließlich, die Frage ernst zu nehmen, ob ein System für den konkreten Patienten geeignet ist. Diese Praxisbeispiele veranschaulichen die Kompetenzbereiche; sie sind keine geprüften Trainingsaufgaben.</p>
<p>Eine ergänzende US-Befragung von 2.039 Erwachsenen zeigt, dass Vertrauen nicht selbstverständlich ist: 65,8 Prozent äußerten geringes Vertrauen darin, dass ihr Gesundheitssystem KI verantwortungsvoll einsetzt. Die 2025 veröffentlichte Untersuchung basiert allerdings auf Daten von 2023 und bildet nicht die heutige Situation in Deutschland ab. [2]</p>
<p>Im Patientengespräch lohnt sich deshalb neben der fachlichen Klärung eine einfache Frage: „Was macht Ihnen an diesem Einsatz Sorgen?“ Wer Angst um sensible Informationen hat, benötigt eine andere Antwort als jemand, der an der medizinischen Qualität zweifelt. Eine allgemeine Erklärung der Technik beantwortet nicht automatisch beides.</p>
<p><strong>Was das für arztCME bedeutet.</strong> Für Fortbildungsanbieter ergibt sich daraus ein konkreter Ansatz: KI nicht nur erklären, sondern an Fällen beurteilen lassen. Ein Teilnehmer könnte zunächst selbst entscheiden, anschließend eine KI-Antwort prüfen und schließlich seine Einschätzung für den Patienten formulieren.</p>
<p>Beim eingangs beschriebenen Fall wären dabei drei Fragen wichtig: Welche Angaben fehlen zur Bewertung der vorgeschlagenen Tests? Wie lässt sich das weitere Vorgehen erklären, ohne die Patientensorge abzuwerten? Und welche offenen Fragen müssen Arzt und Patient gemeinsam klären? Auch ein KI-Lernbegleiter könnte solche Begründungen einfordern: „Welche Information würde Ihre Entscheidung ändern?“ Ob dies tatsächlich besseres Lernen fördert, müsste geprüft werden. Eine überzeugend klingende Rückmeldung ist noch kein Beleg für didaktische Qualität.</p>
<h6>Quellen</h6>
<ol>
<li>McGrath RJ. <em>AI-Mediated Relational Competence in Medical Education: Construct Rationale and Curriculum Maturity Framework.</em> JMIR Med Educ. 2026;12:e105459. <a href="https://doi.org/10.2196/105459">doi:10.2196/105459</a></li>
<li>Nong P, Platt J. <em>Patients’ Trust in Health Systems to Use Artificial Intelligence.</em> JAMA Netw Open. 2025;8(2):e2460628. <a href="https://doi.org/10.1001/jamanetworkopen.2024.60628">doi:10.1001/jamanetworkopen.2024.60628</a></li>
</ol>
<p>&nbsp;</p>
<p>Text: Redaktion arztCME</p>
<p>Bild: Open AI für arztCME</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/was-aerztliche-fortbildung-ueber-ki-vermitteln-sollte/">Was ärztliche Fortbildung über KI vermitteln sollte</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Die KI greift zum Rezeptblock</title>
		<link>https://www.arztcme.de/medicallearning/die-ki-greift-zum-rezeptblock/</link>
		
		<dc:creator><![CDATA[wolfram.wiegers]]></dc:creator>
		<pubDate>Mon, 26 Oct 2026 14:23:37 +0000</pubDate>
				<category><![CDATA[Dermatologie]]></category>
		<category><![CDATA[KI]]></category>
		<category><![CDATA[Utah]]></category>
		<guid isPermaLink="false">https://www.arztcme.de/?post_type=medicallearning&#038;p=9485</guid>

					<description><![CDATA[<p><img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/utah-150x150.jpg" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" />In Utah darf eine künstliche Intelligenz erstmals selbst Aknemedikamente verschreiben. Ein Pilotprojekt, das grundsätzliche Fragen zur Zukunft des Arztberufs aufwirft. Was bislang Ärzten vorbehalten war, übernimmt in den USA erstmals eine KI: Der Bundesstaat Utah hat dem Unternehmen Nolla Health erlaubt, eine Anwendung zur eigenständigen Behandlung leichter bis mittelschwerer Akne zu erproben. Patienten fotografieren ihr [&#8230;]</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/die-ki-greift-zum-rezeptblock/">Die KI greift zum Rezeptblock</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></description>
										<content:encoded><![CDATA[<img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/utah-150x150.jpg" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" /><p><em><strong>In Utah darf eine künstliche Intelligenz erstmals selbst Aknemedikamente verschreiben. Ein Pilotprojekt, das grundsätzliche Fragen zur Zukunft des Arztberufs aufwirft.</strong></em></p>
<p>Was bislang Ärzten vorbehalten war, übernimmt in den USA erstmals eine KI: Der Bundesstaat Utah hat dem Unternehmen Nolla Health erlaubt, eine Anwendung zur eigenständigen Behandlung leichter bis mittelschwerer Akne zu erproben.</p>
<p>Patienten fotografieren ihr Gesicht, beantworten Fragen zu ihrer Krankengeschichte und erhalten anschließend eine KI-gestützte Diagnose und gegebenenfalls ein Rezept. Zugelassen sind ausschließlich bestimmte äußerlich anzuwendende Aknemedikamente. Schwere Krankheitsverläufe und Risikopatienten sind ausgeschlossen. Der zunächst auf ein Jahr begrenzte Versuch erfolgt unter ärztlicher Aufsicht. Anfangs kontrollieren zwei Ärzte jede Verordnung. Später sollen Rezepte ohne vorherige ärztliche Freigabe ausgestellt und nur noch nachträglich oder stichprobenartig überprüft werden. Voraussetzung sind positive Sicherheitsergebnisse und die Zustimmung der Aufsichtsbehörde.</p>
<p>Die medizinische Aufgabe ist bewusst überschaubar gewählt. Doch entscheidend ist nicht die Behandlung der Akne, sondern das Prinzip: Erstmals darf ein KI-System im Rahmen eines staatlich genehmigten Versuchs eigenständig eine medikamentöse Therapie einleiten. Für Patienten könnte das kürzere Wartezeiten und einen unkomplizierten Zugang zur Behandlung bedeuten. Gleichzeitig stellen sich Fragen nach Fehldiagnosen, übersehenen Begleiterkrankungen und der Haftung bei Behandlungsfehlern.</p>
<p>In Deutschland wäre eine solche autonome Verschreibung derzeit nicht zulässig. Die Bundesärztekammer betont ausdrücklich, dass die Verantwortung für Diagnostik, Indikationsstellung und Therapie beim Arzt bleiben muss.</p>
<p>Noch ersetzt die KI keinen Dermatologen. Aber Utah erprobt eine neue Grenze zwischen ärztlicher Entscheidungsunterstützung und eigenständigem medizinischem Handeln.</p>
<p>Quellen:</p>
<ol>
<li><strong>Utah Department of Commerce (2026):</strong> AI Authorized Pilots – Nolla Health. Staatliche Genehmigung und Rahmenbedingungen des Pilotprojekts.<br />
<a href="https://commerce.utah.gov/ai/regulatory-relief-4/authorized-pilots/">https://commerce.utah.gov/ai/regulatory-relief-4/authorized-pilots/</a></li>
<li><strong>Nolla Health (05.10.2026):</strong> Nolla Health Launches the Nation&#8217;s First AI-Powered Prescriptions, Starting in Utah.<br />
<a href="https://www.nollahealth.com/blog/ai-prescriptions-utah">https://www.nollahealth.com/blog/ai-prescriptions-utah</a></li>
<li><strong>Thubron R. (06.10.2026):</strong> Utah will become first state to let AI examine patients and prescribe medication without direct human oversight. <em>TechSpot</em>.<br />
<a href="https://www.techspot.com/news/114111-utah-become-first-state-ai-examine-patients-prescribe.html">https://www.techspot.com/news/114111-utah-become-first-state-ai-examine-patients-prescribe.html</a></li>
<li><strong>Bundesärztekammer (2025):</strong> Von ärztlicher Kunst mit Künstlicher Intelligenz. Stellungnahme zum Einsatz von KI in der Medizin und zur ärztlichen Verantwortung.<br />
<a href="https://www.bundesaerztekammer.de/fileadmin/user_upload/BAEK/Politik/Programme-Positionen/Von_aerztlicher_Kunst_mit_Kuenstlicher_Intelligenz_27.05.2025.pdf">https://www.bundesaerztekammer.de/fileadmin/user_upload/BAEK/Politik/Programme-Positionen/Von_aerztlicher_Kunst_mit_Kuenstlicher_Intelligenz_27.05.2025.pdf</a></li>
<li><strong>Bundesministerium der Justiz:</strong> Arzneimittelverschreibungsverordnung (AMVV), § 2 – Anforderungen an die Verschreibung von Arzneimitteln.<br />
<a href="https://www.gesetze-im-internet.de/amvv/__2.html">https://www.gesetze-im-internet.de/amvv/__2.html</a></li>
</ol>
<p>Text: Redaktion arztCME<br />
Bild: OpenAI für arztCME</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/die-ki-greift-zum-rezeptblock/">Die KI greift zum Rezeptblock</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Frauengesundheit im Wandel: Die neue Rolle medizinischer Information</title>
		<link>https://www.arztcme.de/medicallearning/frauengesundheit-im-wandel-die-neue-rolle-medizinischer-information/</link>
		
		<dc:creator><![CDATA[Reinhard Merz]]></dc:creator>
		<pubDate>Wed, 21 Oct 2026 06:41:10 +0000</pubDate>
				<guid isPermaLink="false">https://www.arztcme.de/?post_type=medicallearning&#038;p=9478</guid>

					<description><![CDATA[<p><img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/IMG_4464-edited-150x150.jpg" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" />Heute startet der DGGG-Kongress 2026 in München. Er zeigt: Forschung und Digitalisierung verändern die Frauenheilkunde. Damit wird die Vermittlung verlässlichen medizinischen Wissens immer wichtiger. Patientinnen informieren sich heute über soziale Medien, Gesundheits-Apps und KI-Chatbots – oft schon vor dem Praxisbesuch. Mehr Information bedeutet jedoch nicht automatisch mehr Orientierung. Unter dem Motto „Unsere Zukunft mit Wissenschaft [&#8230;]</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/frauengesundheit-im-wandel-die-neue-rolle-medizinischer-information/">Frauengesundheit im Wandel: Die neue Rolle medizinischer Information</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></description>
										<content:encoded><![CDATA[<img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/IMG_4464-edited-150x150.jpg" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" /><p><em>Heute startet der DGGG-Kongress 2026 in München. Er zeigt: Forschung und Digitalisierung verändern die Frauenheilkunde. Damit wird die Vermittlung verlässlichen medizinischen Wissens immer wichtiger.</em></p>
<p>Patientinnen informieren sich heute über soziale Medien, Gesundheits-Apps und KI-Chatbots – oft schon vor dem Praxisbesuch. Mehr Information bedeutet jedoch nicht automatisch mehr Orientierung. Unter dem Motto „Unsere Zukunft mit Wissenschaft – Die Frau im Blick“ stellt der 66. Kongress der Deutschen Gesellschaft für Gynäkologie und Geburtshilfe (DGGG) in München eine grundlegende Frage: Wie kommt wissenschaftliche Evidenz tatsächlich bei den Patientinnen an?</p>
<p><strong>Neue Erkenntnisse, neues Krankheitsverständnis</strong></p>
<p>Ein Beispiel ist die Umbenennung des polyzystischen Ovarsyndroms (PCOS) in Polyendokrines Metabolisches Ovarialsyndrom (PMOS). Der neue Begriff betont auch in Richtung der Patientinnen, dass es sich nicht allein um eine ovarielle Störung handelt, sondern um eine komplexe endokrin-metabolische Erkrankung mit metabolischen, kardiovaskulären und psychischen Risiken. Aufklärung und Beratung in der Gyn-Praxis müssen diesen ganzheitlichen Blick widerspiegeln.</p>
<p>Bei der Prävention des Zervixkarzinoms kommt es ebenfalls auf gute Kommunikation an. HPV-Impfung und organisiertes Screening ergänzen sich, ihre Möglichkeiten und Grenzen müssen aber verständlich erklärt werden. 2025 waren nur 54 % der 15-jährigen Mädchen in Deutschland vollständig gegen HPV geimpft – da ist noch viel Luft nach oben. Evidenzbasierte Impfberatung bleibt daher eine zentrale Aufgabe.</p>
<p><strong>Wissen in Entscheidungen übersetzen</strong></p>
<p>Zyklus-Apps und Wearables erleichtern die Selbstbeobachtung, ersetzen aber weder eine medizinische Diagnose noch eine zuverlässige Verhütungsmethode. Digitale Gesundheitsanwendungen (DiGA) können dagegen bei Indikationen wie Endometriose oder Brustkrebs die Versorgung zwischen Arztterminen sinnvoll ergänzen.</p>
<p>Auch KI eröffnet Chancen – muss aber differenziert bewertet werden. In der deutschen PRAIM-Studie stieg bei KI-unterstützter Mammographie-Doppelbefundung die Brustkrebs-Entdeckungsrate von 5,7 auf 6,7 pro 1.000 Untersuchungen. Ob dadurch langfristig bessere klinische Ergebnisse erzielt werden, ist noch offen. Gerade die Unterscheidung zwischen Studienbefund und belegtem Patientinnennutzen kennzeichnet gute medizinische Information.</p>
<p>Der DGGG-Kongress 2026 zeigt damit: Die Zukunft der Frauengesundheit wird nicht allein von Innovationen bestimmt. Ebenso wichtig ist die Fähigkeit, wissenschaftliche Erkenntnisse kritisch zu prüfen, verständlich zu vermitteln und gemeinsam mit den Patientinnen einzuordnen. Im Informationszeitalter wird aus medizinischem Wissen erst durch gute Kommunikation eine Grundlage für mehr Frauengesundheit.</p>
<p>Text und Bild: Reinhard Merz</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/frauengesundheit-im-wandel-die-neue-rolle-medizinischer-information/">Frauengesundheit im Wandel: Die neue Rolle medizinischer Information</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>KI könnte jede fünfte ambulante Versorgungsleistung übernehmen</title>
		<link>https://www.arztcme.de/medicallearning/ki-koennte-jede-fuenfte-ambulante-versorgungsleistung-uebernehmen/</link>
		
		<dc:creator><![CDATA[Reinhard Merz]]></dc:creator>
		<pubDate>Mon, 12 Oct 2026 08:05:27 +0000</pubDate>
				<guid isPermaLink="false">https://www.arztcme.de/?post_type=medicallearning&#038;p=9458</guid>

					<description><![CDATA[<p><img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/Blog_AI_Care-150x150.png" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" />Eine aktuelle McKinsey-Analyse zeigt, wie grundlegend künstliche Intelligenz die Gesundheitsversorgung verändern könnte. Dabei geht es längst nicht mehr nur um effizientere Dokumentation oder diagnostische Assistenz. KI könnte künftig selbst zum ersten Ansprechpartner für Patienten werden. &#160; Bislang wurde künstliche Intelligenz im Gesundheitswesen vor allem als Unterstützung für Ärztinnen und Ärzte diskutiert. Sie analysiert Röntgenbilder, fasst [&#8230;]</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/ki-koennte-jede-fuenfte-ambulante-versorgungsleistung-uebernehmen/">KI könnte jede fünfte ambulante Versorgungsleistung übernehmen</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></description>
										<content:encoded><![CDATA[<img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/Blog_AI_Care-150x150.png" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" /><p><em>Eine aktuelle McKinsey-Analyse zeigt, wie grundlegend künstliche Intelligenz die Gesundheitsversorgung verändern könnte. Dabei geht es längst nicht mehr nur um effizientere Dokumentation oder diagnostische Assistenz. KI könnte künftig selbst zum ersten Ansprechpartner für Patienten werden.</em></p>
<p>&nbsp;</p>
<p>Bislang wurde künstliche Intelligenz im Gesundheitswesen vor allem als Unterstützung für Ärztinnen und Ärzte diskutiert. Sie analysiert Röntgenbilder, fasst Patientenakten zusammen, erstellt Arztbriefe oder hilft bei der Diagnosestellung. Doch das könnte erst der Anfang sein. Eine im September 2026 veröffentlichte Analyse der Unternehmensberatung McKinsey &amp; Company beschreibt einen deutlich umfassenderen Wandel: KI könnte künftig wesentliche Teile der ambulanten Patientenversorgung eigenständig organisieren und teilweise sogar übernehmen.</p>
<p>Die Autoren haben dazu amerikanische Abrechnungsdaten aus dem Jahr 2024 ausgewertet. Ihr Ergebnis: Rund 16 bis 22 % aller ambulanten Leistungen betreffen Tätigkeiten, die nach Einschätzung der Analysten bereits mit heutigen KI-Technologien automatisierbar wären. Bezogen auf die ambulanten Gesundheitsausgaben entspricht dies einem Anteil von 13 bis 19 %.</p>
<p>Allerdings ist diese Zahl mit Vorsicht zu interpretieren. Sie beschreibt das theoretische Automatisierungspotenzial ausgewählter Versorgungsleistungen und nicht deren bereits klinisch validierte oder tatsächlich erfolgte Übernahme durch KI.</p>
<p>&nbsp;</p>
<p><strong>Von der Informationssuche zur medizinischen Versorgung</strong></p>
<p>McKinsey bezeichnet die erste Phase dieser Entwicklung als <em>Discursive Care</em>. Gemeint sind sämtliche medizinischen Leistungen, die im Wesentlichen auf Kommunikation, Informationsverarbeitung und klinischer Entscheidungsfindung beruhen und keine unmittelbare körperliche Untersuchung oder Intervention erfordern.</p>
<p>Dazu zählen beispielsweise die strukturierte Anamnese, die Ersteinschätzung von Symptomen, diagnostische Überlegungen, Therapieempfehlungen, Überweisungsentscheidungen und die Betreuung chronisch Erkrankter.</p>
<p>Die Dimension wird anhand der amerikanischen Versorgungsdaten deutlich: Rund 1,5 bis 2 Milliarden abgerechnete Leistungen entfallen auf ärztliche Evaluation und Betreuung ohne zusätzliche oder mit nur gering komplexen Maßnahmen. Weitere 700 bis 900 Millionen betreffen die professionelle Interpretation diagnostischer Befunde.</p>
<p>Besonders groß erscheint das Automatisierungspotenzial in der virtuellen Versorgung und in der Akutversorgung. Hier identifiziert McKinsey Anteile von rund 34 bzw. 32 % der jeweiligen Leistungen. In klassischen Arztpraxen und ambulanten Kliniken liegt der Wert bei etwa 22 %.</p>
<p>&nbsp;</p>
<p><strong>Wird die KI zum Primärarzt?</strong></p>
<p>Die vielleicht interessanteste Konsequenz betrifft jedoch weniger die Automatisierung einzelner Leistungen als vielmehr die Organisation der Versorgung. Bereits heute wenden sich viele Menschen mit medizinischen Fragen zunächst an einen KI-Chatbot. Laut McKinsey nutzt nahezu jeder dritte Erwachsene in den USA mindestens einmal monatlich KI für gesundheitsbezogene Informationen.</p>
<p>Was bislang überwiegend der Informationssuche dient, könnte sich zu einem neuen Versorgungsmodell entwickeln: Patienten schildern ihre Beschwerden zunächst einer KI, die ihre medizinische Vorgeschichte berücksichtigt, Symptome einordnet, zusätzliche Fragen stellt und entscheidet, ob eine ärztliche Konsultation erforderlich ist.</p>
<p>Die KI würde damit gewissermaßen die Rolle eines digitalen Gatekeepers übernehmen. Sie könnte unkomplizierte Anliegen selbst bearbeiten und komplexere Fälle gezielt an medizinisches Fachpersonal weiterleiten.</p>
<p>&nbsp;</p>
<p><strong>Weniger Routine, mehr Zeit für komplexe Patienten?</strong></p>
<p>Auch für die medizinischen Berufe prognostiziert McKinsey erhebliche Veränderungen. Nach den Berechnungen könnten KI-Systeme bereits heute etwa 50 % der Kernaufgaben von Ärztinnen und Ärzten sowie rund 40 % derjenigen von Pflegefachpersonen grundsätzlich übernehmen.</p>
<p>Das bedeutet allerdings keineswegs, dass die Hälfte dieser Berufsgruppen überflüssig würde. Vielmehr dürften sich die Tätigkeitsprofile verschieben. Standardisierte Informationsverarbeitung, Dokumentation und Routineentscheidungen könnten zunehmend automatisiert werden. Ärztinnen und Ärzte hätten dadurch mehr Kapazitäten für komplexe Krankheitsbilder, körperliche Untersuchungen, therapeutische Interventionen und die persönliche Patientenbetreuung.</p>
<p>&nbsp;</p>
<p><strong>Mehr Qualität – oder neue Risiken?</strong></p>
<p>Die Autoren verbinden mit KI auch die Hoffnung auf eine gleichmäßigere Versorgungsqualität. Leistungsfähige Systeme könnten seltene Erkrankungen früher erkennen, diagnostische Fehler reduzieren und medizinische Entscheidungen kontinuierlich anhand aktueller Informationen überprüfen.</p>
<p>Doch diese Perspektive hat eine Kehrseite. Die klinische Leistungsfähigkeit eines KI-Systems unter kontrollierten Testbedingungen ist nicht mit seiner Sicherheit im Versorgungsalltag gleichzusetzen. Hinzu kommen Fragen nach Haftung, Datenschutz, algorithmischen Verzerrungen und dem möglichen Verlust ärztlicher Kompetenzen durch übermäßige Automatisierung.</p>
<p>Gerade das sogenannte <em>Deskilling</em> verdient Aufmerksamkeit: Wenn diagnostische und therapeutische Entscheidungen zunehmend von Algorithmen vorbereitet werden, besteht die Gefahr, dass medizinisches Fachpersonal bestimmte kognitive Fähigkeiten seltener trainiert.</p>
<p>&nbsp;</p>
<p><strong>Fazit: Die entscheidende Frage ist nicht mehr, ob KI kommt</strong></p>
<p>McKinsey skizziert drei Entwicklungsstufen: Auf die kommunikative und kognitive Unterstützung durch <em>Discursive Care</em> sollen zunehmend personalisierte Behandlungspfade und schließlich autonome medizinische Interventionen folgen, bei denen KI und Robotik zusammenwirken.</p>
<p>Ob diese Vision im prognostizierten Umfang Realität wird, ist offen. Insbesondere die Übertragbarkeit der amerikanischen Berechnungen auf das deutsche Gesundheitssystem ist begrenzt. Versorgungsstrukturen, Vergütungsmodelle und regulatorische Anforderungen unterscheiden sich erheblich.</p>
<p>Dennoch macht die Analyse einen wichtigen Punkt deutlich: KI verändert möglicherweise nicht nur, wie Medizin praktiziert wird, sondern auch, wer künftig den ersten Kontakt zum Patienten herstellt und den weiteren Versorgungsweg steuert. Zur Debatte steht eine grundlegende Neuverteilung medizinischer Aufgaben und Entscheidungskompetenzen.</p>
<p>Text: Reinhard Merz<br />
Bild: OpenAI für arztCME</p>
<p>&nbsp;</p>
<p>Quelle:<a href="https://www.mckinsey.com/industries/healthcare/our-insights/the-ai-powered-future-of-care" target="_blank" rel="noopener"> Lee A, Eastburn J, Lamb J, VanLare J. The AI-powered future of care. McKinsey &amp; Company. September 2026.</a></p>
<p>&nbsp;</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/ki-koennte-jede-fuenfte-ambulante-versorgungsleistung-uebernehmen/">KI könnte jede fünfte ambulante Versorgungsleistung übernehmen</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Milliarden Mutationen auf einen Blick – Googles AlphaGenome Atlas</title>
		<link>https://www.arztcme.de/medicallearning/milliarden-mutationen-auf-einen-blick-googles-alphagenome-atlas/</link>
		
		<dc:creator><![CDATA[wolfram.wiegers]]></dc:creator>
		<pubDate>Mon, 05 Oct 2026 12:33:21 +0000</pubDate>
				<category><![CDATA[Atlas]]></category>
		<category><![CDATA[Genom]]></category>
		<category><![CDATA[Google]]></category>
		<category><![CDATA[Seltene Krankheiten]]></category>
		<guid isPermaLink="false">https://www.arztcme.de/?post_type=medicallearning&#038;p=9431</guid>

					<description><![CDATA[<p><img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/DNA-150x150.jpg" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" />Mit dem AlphaGenome Atlas will Google DeepMind die möglichen Auswirkungen von rund neun Milliarden genetischen Varianten vorhersagbar machen Das menschliche Genom besteht aus rund drei Milliarden Basenpaaren. An praktisch jeder Position kann theoretisch eine der drei jeweils anderen DNA-Basen auftreten. So ergeben sich rund neun Milliarden mögliche einzelne Basenaustausche. Welche davon bedeutungslos sind und welche [&#8230;]</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/milliarden-mutationen-auf-einen-blick-googles-alphagenome-atlas/">Milliarden Mutationen auf einen Blick – Googles AlphaGenome Atlas</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></description>
										<content:encoded><![CDATA[<img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/DNA-150x150.jpg" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" /><p><em><strong>Mit dem AlphaGenome Atlas will Google DeepMind die möglichen Auswirkungen von rund neun Milliarden genetischen Varianten vorhersagbar machen</strong></em></p>
<p>Das menschliche Genom besteht aus rund drei Milliarden Basenpaaren. An praktisch jeder Position kann theoretisch eine der drei jeweils anderen DNA-Basen auftreten. So ergeben sich rund neun Milliarden mögliche einzelne Basenaustausche. Welche davon bedeutungslos sind und welche möglicherweise zu Krankheiten beitragen, lässt sich experimentell unmöglich vollständig untersuchen.<br />
Google DeepMind versucht deshalb, diese Frage mit künstlicher Intelligenz zu beantworten. Im September 2026 stellte das Unternehmen den AlphaGenome Atlas vor: eine vorausberechnete Karte der möglichen Auswirkungen von rund neun Milliarden Einzelnukleotidvarianten. Grundlage ist das KI-Modell AlphaGenome, dessen Leistungsfähigkeit Anfang 2026 in Nature veröffentlicht wurde.<br />
Nur ein kleiner Teil unserer DNA kodiert direkt für Proteine. Große Bereiche des Genoms steuern vielmehr, wann, wo und wie stark Gene abgelesen werden. Viele genetische Varianten, die mit Erkrankungen in Verbindung gebracht werden, liegen in diesen nichtkodierenden Bereichen. Ihre funktionelle Bedeutung ist oft schwer einzuschätzen. Eine Veränderung kann beispielsweise die Genexpression oder das RNA-Spleißen beeinflussen.<br />
AlphaGenome analysiert DNA-Sequenzen und versucht vorherzusagen, welche biologischen Prozesse durch eine Variante verändert werden. Dazu gehören unter anderem Genexpression, Chromatinzugänglichkeit, Transkriptionsfaktorbindung und RNA-Spleißen. In der Nature-Publikation erreichte AlphaGenome bei der Vorhersage von Varianteneffekten in 25 von 26 Tests mindestens die Leistung der jeweils besten Vergleichsmodelle.<br />
Mit dem AlphaGenome Atlas wurden die möglichen Auswirkungen praktisch jeder einzelnen Basenveränderung des menschlichen Referenzgenoms im Voraus berechnet. Damit wird aus einem KI-Modell eine Art genomisches Nachschlagewerk. Forscher können eine Variante aufrufen und prüfen, welche molekularen Prozesse nach Berechnung des Modells möglicherweise betroffen sind. Ein zusätzlicher Variant Impact Score soll helfen, besonders auffällige Varianten zu priorisieren.<br />
Besonders relevant könnte das Verfahren für seltene genetische Erkrankungen werden. Bei Genomsequenzierungen werden häufig Varianten gefunden, deren klinische Bedeutung unklar ist. Solche Variants of Uncertain Significance sind ein bekanntes Problem der Humangenetik. AlphaGenome könnte helfen, aus vielen Varianten diejenigen herauszufiltern, die funktionell besonders plausibel erscheinen. Das Modell liefert dabei aber keine Diagnose, sondern zunächst nur eine Hypothese für weitere Untersuchungen.<br />
Die Vorhersage eines molekularen Effekts ist nicht gleichbedeutend mit dem Nachweis einer Krankheitsursache. Wenn eine Variante beispielsweise wahrscheinlich die Expression eines Gens verändert, heißt das noch nicht automatisch, dass sie bei einem Patienten eine Erkrankung verursacht. Weitere genetische Faktoren, Gewebe, Zelltyp und Umwelteinflüsse spielen ebenfalls eine Rolle. Hinzu kommt: Die grundlegende AlphaGenome-Arbeit ist bereits in Nature publiziert, die Ergebnisse zum AlphaGenome Atlas liegen derzeit jedoch noch als Preprint vor.</p>
<p><strong>Weiterführende Literatur</strong><br />
&#8211; Avsec Ž, Latysheva N, Cheng J et al. Advancing regulatory variant effect prediction with AlphaGenome. Nature. 2026;649:1206–1218.<br />
&#8211; Murphy AE, Nagai M, Koo PK. Predicting non-coding variant effects with AlphaGenome. Cell Research. 2026;36:467–468.<br />
&#8211; Google DeepMind. AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome. 8. September 2026.<br />
&#8211; Avsec Ž et al. AlphaGenome Atlas: in silico mutagenesis of the entire human genome improves prioritization and interpretation of non-coding variants. medRxiv. 2026. Preprint.</p>
<p><em>Text: Redaktion arztCME</em><br />
<em>Bild: OpenAI für arztCME</em></p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/milliarden-mutationen-auf-einen-blick-googles-alphagenome-atlas/">Milliarden Mutationen auf einen Blick – Googles AlphaGenome Atlas</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Telematikinfrastruktur: 2026 als Jahr des Umbruchs?</title>
		<link>https://www.arztcme.de/medicallearning/telematikinfrastruktur-2026-als-jahr-des-umbruchs/</link>
		
		<dc:creator><![CDATA[Reinhard Merz]]></dc:creator>
		<pubDate>Tue, 29 Sep 2026 09:35:04 +0000</pubDate>
				<guid isPermaLink="false">https://www.arztcme.de/?post_type=medicallearning&#038;p=9387</guid>

					<description><![CDATA[<p><img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/TI20-150x150.png" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" />In dieser Woche geht es einmal nicht um KI, sondern um die zweite Dauerbaustelle für die Zukunft der medizinischen Information. Eine Bestandsaufnahme der Telematikinfrastruktur – Stand Ende September 2026. E-Rezept, elektronische Patientenakte und digitale Kommunikation sind inzwischen im Versorgungsalltag angekommen. Gleichzeitig kämpfen Arztpraxen weiterhin mit technischen Störungen, umständlicher Software und wiederkehrenden Umstellungen. Lange galt die [&#8230;]</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/telematikinfrastruktur-2026-als-jahr-des-umbruchs/">Telematikinfrastruktur: 2026 als Jahr des Umbruchs?</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></description>
										<content:encoded><![CDATA[<img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/TI20-150x150.png" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" /><p><em>In dieser Woche geht es einmal nicht um KI, sondern um die zweite Dauerbaustelle für die Zukunft der medizinischen Information. Eine Bestandsaufnahme der Telematikinfrastruktur – Stand Ende September 2026.</em></p>
<p>E-Rezept, elektronische Patientenakte und digitale Kommunikation sind inzwischen im Versorgungsalltag angekommen. Gleichzeitig kämpfen Arztpraxen weiterhin mit technischen Störungen, umständlicher Software und wiederkehrenden Umstellungen.</p>
<p>Lange galt die Telematikinfrastruktur (TI) vielen Ärztinnen und Ärzten vor allem als Synonym für Konnektoren, Kartenterminals, Fehlermeldungen und zusätzlichen administrativen Aufwand. Dieses Bild beginnt sich zu verändern. 2026 sind zentrale TI-Anwendungen tatsächlich im Versorgungsalltag angekommen. E-Rezept, Kommunikation im Medizinwesen (KIM) und die elektronische Patientenakte (ePA) werden inzwischen in großer Breite genutzt. Von einer störungsfreien digitalen Infrastruktur kann allerdings noch keine Rede sein.</p>
<p>Der TI-Atlas 2026 der gematik zeichnet erwartungsgemäß ein vergleichsweise positives Bild. Knapp 70 % der Arztpraxen arbeiten demnach bereits intensiv mit der ePA, in Krankenhäusern nutzt etwa die Hälfte die Akte kontinuierlich. Unter den regelmäßig ePA-nutzenden Praxen berichten 54 %, dass sie Patientinnen und Patienten mithilfe der ePA beziehungsweise der elektronischen Medikationsliste (eML) bereits besser behandeln konnten [1].</p>
<p>Besonders deutlich wird der potenzielle Nutzen bei der Arzneimitteltherapiesicherheit. Mehr als 90 % der Apotheken, die regelmäßig auf die eML zugreifen, haben nach Angaben des TI-Atlas bereits mindestens einmal ein potenzielles Medikationsrisiko erkannt [1]. Wichtig ist allerdings: Dies sind Befragungsdaten und keine kontrollierten Daten zu klinischen Endpunkten.</p>
<p>Auch der Informationsaustausch scheint sich zu verbessern. 70 % der befragten Arztpraxen und 85 % der Krankenhäuser bewerten den Austausch von Gesundheitsdaten inzwischen positiver als zuvor [1]. Damit beginnt sich eines der zentralen Versprechen der TI – medizinische Informationen sektorenübergreifend verfügbar zu machen – zumindest teilweise einzulösen.</p>
<p>&nbsp;</p>
<p><strong>Die Technik bleibt die Achillesferse</strong></p>
<p>Der Blick aus den Praxen fällt jedoch deutlich weniger euphorisch aus. Eine KBV-Befragung von rund 4.500 Praxen zeigte Anfang 2026 zwar, dass 80 % bereits Dokumente in die ePA eingestellt hatten. Gleichzeitig berichteten fast 60 % der Befragten, in den vorausgegangenen Wochen mindestens einmal keinen Zugriff auf eine Patientenakte gehabt zu haben. Bei 53 % war der Zugriff zeitweise sehr langsam, mehr als ein Drittel konnte zeitweise keine Dokumente einstellen. Bei 27 % war seit Einführung der ePA mindestens einmal das Praxisverwaltungssystem abgestürzt [2].</p>
<p>Dass Digitalisierung nicht automatisch Entlastung bedeutet, zeigt auch das PVS-Monitoring des Zentralinstituts für die kassenärztliche Versorgung (Zi). Die Daten aus der Befragung 2025 zeigen weiterhin eine verbreitete Unzufriedenheit mit Praxisverwaltungssystemen. Fehler bei TI-Anwendungen und insbesondere beim E-Rezept werden als relevanter Belastungsfaktor beschrieben. Rund ein Drittel der Praxen erwog einen Wechsel des PVS [3].</p>
<p>Auch in der ÄrzteZeitung berichten digital affine Praktiker von einem paradoxen Effekt: Gut integrierte Anwendungen können Prozesse deutlich vereinfachen. Instabile TI-Verbindungen, schlecht implementierte Schnittstellen oder notwendige Techniker-Einsätze können diesen Gewinn jedoch schnell wieder zunichtemachen [4]. Entscheidend ist deshalb zunehmend nicht mehr allein, ob eine TI-Anwendung verfügbar ist, sondern wie gut sie in das jeweilige PVS und den Praxisworkflow integriert wurde.</p>
<p>Immerhin deutet sich auch bei der technischen Zuverlässigkeit eine Verbesserung an. Im TI-Atlas 2026 bewerten 69 % der Arztpraxen die TI inzwischen als stabil. Gegenüber dem Vorjahr entspricht dies einem deutlichen Anstieg [1]. Einen Anteil daran dürfte das TI-Gateway haben, das klassische Konnektorstrukturen schrittweise ablösen soll. Insbesondere Krankenhäuser berichten nach der Umstellung häufiger über stabilere Verbindungen und schnellere Reaktionszeiten.</p>
<p>Die Entwicklung weist damit bereits in Richtung TI 2.0. Im Juni 2026 haben die Gesellschafter der gematik die Erarbeitung eines Fahrplans zur grundlegenden Modernisierung beschlossen. Statt vieler separat betriebener technischer Strukturen sollen zentrale Dienste künftig stärker auf einer gemeinsamen Plattformarchitektur aufbauen. Vorgesehen sind unter anderem Open-Source-Komponenten, cloudbasierte Betriebsmodelle, digitale Identitäten und weniger spezielle Hardware in den Einrichtungen [5].</p>
<p>Das ist allerdings noch Zukunftsmusik: Der Übergang zur TI 2.0 hat begonnen, die neue Architektur ist aber längst noch nicht flächendeckende Realität.</p>
<p>Wie anspruchsvoll der Betrieb einer solchen Infrastruktur bleibt, zeigt aktuell die Umstellung der Kryptografie von RSA auf ECC. Praxen sollen ihre Konnektoren bis zum 30. September 2026 entsprechend aktualisieren. Ab dem 1. Oktober werden neue elektronische Gesundheitskarten ausgegeben, die ausschließlich das modernere ECC-Verfahren unterstützen [6]. Die Migration erhöht langfristig das Sicherheitsniveau, bringt kurzfristig jedoch erneut Updatebedarf und potenzielle Störungen mit sich.</p>
<p>&nbsp;</p>
<p><strong>Fazit: Nach dem Spiel ist vor dem Spiel</strong></p>
<p>2026 lässt sich die Telematikinfrastruktur kaum noch als gescheitertes Digitalprojekt abtun. E-Rezept, ePA und KIM werden millionenfach genutzt, und erstmals lässt sich auch ein konkreter medizinischer Nutzen erkennen. Gleichzeitig ist die Kritik aus den Praxen keineswegs überholt.</p>
<p>Der Gesamtzustand ähnelt von daher Ende September 2026 dem der deutschen Fußballnationalmannschaft. Die Veränderungen der letzten Monate geben schon ein wenig Anlass zum Optimismus. Doch die aktuellen Ergebnisse machen weder die Nationalmannschaft noch die Telematikinfrastruktur zu Anwärtern auf einen internationalen Titel. Da wartet noch eine Menge Arbeit.</p>
<p>Text: Reinhard Merz<br />
Bild: openAI für arztCME</p>
<p>&nbsp;</p>
<p><strong>Quellen:</strong></p>
<ol>
<li>gematik. TI-Atlas 2026: Digitalisierung im Gesundheitswesen. 2026.</li>
<li>Kassenärztliche Bundesvereinigung. Umfrage zeigt: Praxen setzen die ePA aktiv ein – Technische Umsetzung muss weiter verbessert werden. 5. Februar 2026.</li>
<li>Zentralinstitut für die kassenärztliche Versorgung. Unzufriedenheit mit Praxissoftware nach wie vor weit verbreitet. 15. Januar 2026.</li>
<li>ÄrzteZeitung. Wo drückt Ärzten bei der Digitalisierung am meisten der Schuh, Herr Eckert? 10. März 2026.</li>
<li>gematik. Gesellschafter beschließen nächste Schritte zur Weiterentwicklung der Telematikinfrastruktur. 19. Juni 2026.</li>
<li>Kassenärztliche Bundesvereinigung. Konnektoren: Update bis 30. September einspielen. 27. August 2026.</li>
</ol>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/telematikinfrastruktur-2026-als-jahr-des-umbruchs/">Telematikinfrastruktur: 2026 als Jahr des Umbruchs?</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>KI und die Medizin des Alterns</title>
		<link>https://www.arztcme.de/medicallearning/ki-und-die-medizin-des-alterns/</link>
		
		<dc:creator><![CDATA[Reinhard Merz]]></dc:creator>
		<pubDate>Mon, 21 Sep 2026 13:10:53 +0000</pubDate>
				<guid isPermaLink="false">https://www.arztcme.de/?post_type=medicallearning&#038;p=9379</guid>

					<description><![CDATA[<p><img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/KI_und_Altern-150x150.png" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" />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.   &#160; Für Eric Topol liegt das vielleicht größte Potenzial künstlicher Intelligenz in der Medizin nicht [&#8230;]</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/ki-und-die-medizin-des-alterns/">KI und die Medizin des Alterns</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></description>
										<content:encoded><![CDATA[<img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/KI_und_Altern-150x150.png" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" /><p><em>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.  </em></p>
<p>&nbsp;</p>
<p>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.</p>
<p>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.</p>
<p>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.</p>
<p>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.</p>
<p>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.</p>
<p>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.</p>
<p>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.</p>
<p>Text: Reinhard Merz<br />
Bild: openAI für arztCME</p>
<p>&nbsp;</p>
<p><strong>Quelle:</strong> Perlis R. <em>From Aging to AI and Beyond: A Conversation With Eric Topol.</em> JAMA. Published online September 10, 2026. doi:10.1001/jama.2026.13053</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/ki-und-die-medizin-des-alterns/">KI und die Medizin des Alterns</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>SEIG-Loop: So kann KI zum klinischen Partner werden</title>
		<link>https://www.arztcme.de/medicallearning/seig-loop-so-kann-ki-zum-klinischen-partner-werden/</link>
		
		<dc:creator><![CDATA[Reinhard Merz]]></dc:creator>
		<pubDate>Mon, 14 Sep 2026 08:12:12 +0000</pubDate>
				<guid isPermaLink="false">https://www.arztcme.de/?post_type=medicallearning&#038;p=9372</guid>

					<description><![CDATA[<p><img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/ChatGPT-Image-14.-Sept.-2026-09_03_34-150x150.png" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" />Die Qualität medizinischer KI lässt sich nicht allein daran messen, wie intelligent ein Sprachmodell wirkt. Entscheidend ist, ob sich seine Aussagen nachvollziehen, überprüfen und gegebenenfalls widerlegen lassen. Die SEIG-Loop macht&#8217;s möglich. Large Language Models (LLMs) sind in der medizinischen Versorgung längst angekommen. Sie formulieren Arztbriefe, fassen komplexe Patientenakten zusammen, erstellen Informationsmaterialien oder unterstützen bei Literaturrecherchen. [&#8230;]</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/seig-loop-so-kann-ki-zum-klinischen-partner-werden/">SEIG-Loop: So kann KI zum klinischen Partner werden</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></description>
										<content:encoded><![CDATA[<img width="150" height="150" src="https://www.arztcme.de/wp-content/uploads/ChatGPT-Image-14.-Sept.-2026-09_03_34-150x150.png" class="attachment-thumbnail size-thumbnail wp-post-image" alt="" decoding="async" loading="lazy" /><p><em>Die Qualität medizinischer KI lässt sich nicht allein daran messen, wie intelligent ein Sprachmodell wirkt. Entscheidend ist, ob sich seine Aussagen nachvollziehen, überprüfen und gegebenenfalls widerlegen lassen. Die SEIG-Loop macht&#8217;s möglich.</em></p>
<p>Large Language Models (LLMs) sind in der medizinischen Versorgung längst angekommen. Sie formulieren Arztbriefe, fassen komplexe Patientenakten zusammen, erstellen Informationsmaterialien oder unterstützen bei Literaturrecherchen. Gerade in der Psychiatrie zeigt sich jedoch besonders deutlich, wo die Grenzen dieser Systeme liegen: Sprachlich überzeugende Antworten sind nicht automatisch klinisch korrekt.</p>
<p>Darauf weisen Martin P. Paulus und John Torous in einem aktuellen Viewpoint in <em>JAMA Psychiatry</em> hin. LLMs können Informationen erfinden, relevante Details auslassen oder widersprüchliche Befunde zu einer scheinbar schlüssigen Geschichte zusammenfügen. Die Autoren plädieren deshalb dafür, KI nicht als autonomen klinischen Akteur, sondern als klinisches Instrument zu verstehen. Die Verantwortung für Diagnostik und Therapie bleibt beim qualifizierten Behandler.</p>
<p><strong>Vier Schritte für einen sichereren Umgang mit LLMs</strong></p>
<p>Als praktisches Konzept schlagen Paulus und Torous den sogenannten SEIG-Loop vor. Das Akronym steht für <em>Specify – Elicit – Interrogate – Ground</em>.</p>
<ol>
<li>Specify – Aufgabe präzisieren:<br />
Vor jeder Anfrage sollte festgelegt werden, welche Aufgabe die KI übernehmen soll, für wen die Antwort bestimmt ist, welche Quellen verwendet werden dürfen und welche Entscheidungen ausdrücklich nicht delegiert werden.</li>
<li>Elicit – strukturierte Antworten verlangen:<br />
Das Modell sollte Fakten, Schlussfolgerungen, fehlende Informationen und Unsicherheiten klar voneinander trennen. Gerade diese Differenzierung kann verhindern, dass Vermutungen unbemerkt als gesicherte Tatsachen übernommen werden.</li>
<li>Interrogate – die erste Antwort hinterfragen:<br />
Statt das initiale Ergebnis einfach zu akzeptieren, sollte die KI gezielt nach alternativen Erklärungen, möglichen Verzerrungen und Gegenargumenten gefragt werden: Welche Befunde sprechen gegen die vorgeschlagene Interpretation? Welche zusätzlichen Informationen könnten die Einschätzung verändern?</li>
<li>Ground – Aussagen an Quellen rückbinden:<br />
Faktische Aussagen müssen auf konkrete Quellen zurückgeführt werden – beispielsweise Befundberichte, Untersuchungszeitpunkte, Scores oder Medikationsdaten. Fehlt ein Beleg, sollte dies ausdrücklich gekennzeichnet werden. Damit verändert sich die Rolle des LLM: vom vermeintlichen „Antwortgenerator“ zum kontrollierten Hypothesengenerator.</li>
</ol>
<p>Entscheidend ist nach Ansicht der Autoren die Qualität der Interaktion zwischen Arzt und System: Wurden Fakten und Interpretation getrennt? Wurden fehlende Informationen erkannt? Ist die Unsicherheit sichtbar? Und wurde erkannt, wann eine Entscheidung nicht an eine KI delegiert werden darf?</p>
<p>Aussagen wie „unzureichende Evidenz in der Akte“, „direkte erneute Untersuchung erforderlich“ oder „das Modell sollte für diese Entscheidung nicht eingesetzt werden“ sind in diesem Verständnis Zeichen eines kompetenten Umgangs mit KI.</p>
<p><strong>Klinische Verantwortung bleibt undelegierbar</strong></p>
<p>Besonders klare Grenzen ziehen Paulus und Torous bei Entscheidungen mit unmittelbaren Konsequenzen für Patientinnen und Patienten. Diagnostische Gesamtbewertung, Einschätzung des Suizidrisikos, Änderungen einer Medikation oder Entscheidungen über unfreiwillige Behandlungen müssen in der Verantwortung qualifizierter Ärztinnen und Ärzte bleiben. KI kann Informationen strukturieren, Optionen vorbereiten und auf offene Fragen hinweisen – sie ersetzt jedoch keine klinische Verantwortlichkeit.</p>
<p>Gleichzeitig genügt es nicht, die Verantwortung allein beim einzelnen Anwender abzuladen. Gesundheitseinrichtungen benötigen validierte Anwendungsfälle, freigegebene Templates, Versionskontrollen, Auditmöglichkeiten und systematische Verfahren zum Umgang mit Fehlern, Halluzinationen, Auslassungen und Bias. Für die klinische Praxis könnte genau diese Haltung entscheidend werden: Nicht der perfekte Prompt macht KI sicher – sondern ein Arbeitsprozess, der Fehler sichtbar macht, bevor sie die Patientenversorgung beeinflussen.</p>
<p>Text: Reinhard Merz<br />
Bild: openAI für arztCME</p>
<p>&nbsp;</p>
<p>Quelle:<br />
Paulus MP, Torous J. LLMs as Clinical Instruments—Toward Verifiable Reasoning. <em>JAMA Psychiatry 2026</em>. doi:10.1001/jamapsychiatry.2026.2211.</p>
<p>Der Beitrag <a href="https://www.arztcme.de/medicallearning/seig-loop-so-kann-ki-zum-klinischen-partner-werden/">SEIG-Loop: So kann KI zum klinischen Partner werden</a> erschien zuerst auf <a href="https://www.arztcme.de">arztCME - Zertifizierte Fortbildung für Ärztinnen und Ärzte</a>.</p>
]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
