Wenn von Künstlicher Intelligenz (KI) in der Medizin die Rede ist, geht es schnell um große Veränderungen: Apps, die Diagnosen stellen, Tools, die Ärzt:innen ersetzen oder Bots, die Patient:innen autonom beraten. In der Dermatologie scheint der Einsatz besonders naheliegend, weil Hautveränderungen gut fotografisch dokumentiert und bildbasiert analysiert werden können.

Doch wie wird KI im klinischen Alltag wirklich bereits eingesetzt? Und was könnte die Zukunft bringen? Darum wird sich der Dermatologie-Kongress drehen. Und auch im Verlag der Österreichischen Akademie der Wissenschaften ist das Fach präsent: Die Zeitschrift SKINdeep bietet als erstes wissenschaftliches Journal dieser Art in Österreich eine internationale Plattform für aktuelle Forschung in der Dermatologie.

Im Interview sprechen Harald Kittler und Philipp Tschandl von der Med Uni Wien über den Unterschied zwischen KI-Hype und Wirklichkeit, Chancen für eine effizientere Medizin und die Frage, welche Entscheidungen beim Menschen bleiben müssen.

Zwischen Hype und Wirklichkeit

Herr Kittler, Herr Tschandl, KI in der Dermatologie wird oft als große Veränderung beschrieben. Wo stehen wir derzeit wirklich?

Harald Kittler: Es gibt eine gewisse Diskrepanz zwischen Hype und Wirklichkeit. Also zwischen dem, was als Gamechanger propagiert wird, und dem, was tatsächlich im klinischen Alltag implementiert ist. KI fließt bereits teilweise in den Alltag ein, vor allem in der Hautkrebsdiagnostik. Meist ist das mit kommerzieller Hardware verbunden. Es gibt zugelassene Anwendungen, die pigmentierte Läsionen oder hautkrebsverdächtige Veränderungen KI-gestützt auswerten können – vom Sortieren über diagnostische Unterstützung bis zum Entdecken von Veränderungen. Das ist derzeit die etablierteste Anwendung in der Dermatologie. Studien erforschen natürlich noch viel mehr Möglichkeiten. Aber im klinischen Alltag verwenden wir KI derzeit wie ein zusätzliches Instrument, ähnlich wie ein Dermatoskop: Sie liefert Informationen, die eine Entscheidung stützen können. Aber wir sind weit davon entfernt, dass KI als selbstständiger Agent agiert.

Wir sind weit davon entfernt, dass KI als selbstständiger Agent agiert.

Philipp Tschandl: Bei KI in der Medizin denkt man oft zuerst an eine übermächtige Technologie, die alles kann und Jobs ersetzt. In der tatsächlichen Umsetzung sind es aber häufig viel unscheinbarere Dinge, die gar nicht als KI wahrgenommen werden, obwohl sie längst da sind. Ein Beispiel ist automatische Transkription. Auch das wird im klinischen Alltag bereits genutzt. Oder Qualitätskontrollen in Laborgeräten, wenn histologische Schnitte digitalisiert werden. Solche Systeme stellen keine Diagnose, sondern geben etwa einen Qualitätsscore zurück: Ist dieses Material gut genug oder muss der Prozess wiederholt werden? Diese kleinen Schritte helfen uns schon heute, gehen aber in der öffentlichen Wahrnehmung oft unter.

KI ist also schon in der Dermatologie angekommen ist, aber nicht dort, wo man sie am ehesten vermutet?

Tschandl: Genau. KI ersetzt derzeit kein medizinisches Personal. Das ist einerseits nicht wünschenswert und andererseits auch viel zu schwierig. Die Anwendungen, die bereits zugelassen sind, werden in der Regel von medizinischem Fachpersonal genutzt – nicht von Patient:innen allein. Das ist ein wichtiger Unterschied. Ein System, das von Fachpersonal verwendet wird, hat andere Anforderungen als eines, das Laien nutzen. Das ist wie beim Auto: Ein Spurhalteassistent ist etwas anderes als ein völlig autonomes Taxi ohne Fahrer.

KI ersetzt derzeit kein medizinisches Personal.

Kittler: Spannend wird es dort, wo man über sogenannte agentische KI spricht – also Systeme, die in komplexeren Abläufen selbstständiger handeln und mit Nutzer:innen interagieren, etwa in Form einer Konversation. Das wird in anderen Fächern bereits exploriert, in der Dermatologie aber noch kaum. Gleichzeitig wird es weiter viele enge, spezialisierte Anwendungen geben, die gar nicht besonders spektakulär wirken, aber nützlich sind. Man darf diese kleinen Dinge nicht unterschätzen. Sie laufen oft im Hintergrund und übernehmen sehr konkrete Aufgaben, die uns das Leben erleichtern.

Engpass ist die Digitalisierung

Wo liegen die größten Hürden?

Kittler: In manchen Bereichen ist der Gap gar nicht, dass es keine passende KI gäbe. Die gibt es schon. Der Gap ist eher die fehlende Digitalisierung. Ein praktisches Beispiel sind Schnittstellen zu Patienteninformationssystemen. Man könnte KI relativ gut einsetzen, um bei der Anmeldung bei den Ärzt:innen oder am dermatologischen Schalter eine kleine Triage zu machen. Patient:innen könnten Symptome eingeben, oder das System könnte Informationen vorab sammeln, die Ärzt:innen später mühsam erfragen müssen. KI-technisch wäre das vergleichsweise einfach. Aber es fehlen Schnittstellen in den Praxen. Dazu kommen Datenschutzfragen und organisatorische Hürden. Die Schwierigkeit liegt also oft nicht in der KI selbst, sondern in den Rahmenbedingungen.

Ohne substanzielle Effizienzsteigerung werden wir gewisse Standards vielleicht nicht halten können.

Tschandl: Es wird mehr Digitalisierung und KI brauchen. Da muss man nur an die demografische Entwicklung denken: Wenn man 20 Jahre in die Zukunft schaut, ist medizinische Unterversorgung zumindest plausibel. Ohne substanzielle Effizienzsteigerung werden wir gewisse Standards vielleicht nicht halten können. Deshalb sollte man nicht Angst davor haben, dass einzelne Arbeitsschritte effizienter werden, im Gegenteil: In manchen Bereichen wird das notwendig sein. Es geht nicht darum zu sagen: „Ich werde als Dermatologe ersetzt.“ Sondern: Welche Tätigkeiten können sicherer, schneller oder besser durch KI werden?

Ein oft genanntes Szenario wäre eine App, mit der Patient:innen Hautveränderungen fotografieren und von einer KI einschätzen lassen. Ist das im großen Stil realistisch?

Kittler: Man muss hier unterscheiden: Es gibt KI-Anwendungen für Ärzt:innen und medizinisches Fachpersonal – und es gibt Produkte für Konsument:innen, also etwa Apps, Wearables oder vielleicht irgendwann smarte Badezimmerspiegel. Da sind der Fantasie keine Grenzen gesetzt. Aber genau dort wird es schwierig: Ist das wirklich ein medizinischer Nutzen oder vor allem gutes Marketing? Die Frage ist: Wird unsere Gesundheit besser, wenn wir im Alltag ständig alles messen und überprüfen lassen? Oder erzeugt das vor allem neue Unsicherheit? Wenn eine App oder ein smarter Spiegel sagt: „Dieses Muttermal sollte man anschauen“, klingt das zuerst sinnvoll. In der Praxis kann es aber dazu führen, dass sehr viele Menschen mit harmlosen Befunden ins Gesundheitssystem kommen. Dann werden gesunde Menschen verunsichert, und Ärzt:innen werden zusätzlich belastet. Anders ist es, wenn solche Systeme im Gesundheitssystem eingesetzt werden – also von geschultem Personal und in einem klaren medizinischen Rahmen. Dann können sie durchaus helfen und Abläufe effizienter machen. Aber dafür braucht es eine Strategie: Wo wollen wir KI einsetzen? Wer ist verantwortlich? Und wie stellen wir sicher, dass sie sinnvoll genutzt wird? Das ist kein Selbstläufer.

Die Entscheidung bleibt also beim Menschen, aber ein Teil manueller Vorarbeit wird abgenommen.

Herr Tschandl, wo sehen Sie in Ihrem Bereich konkrete Einsatzmöglichkeiten?

Tschandl: Meine Haupttätigkeit liegt in der Histopathologie, das heißt: Ich untersuche Gewebeproben unter dem Mikroskop oder am Bildschirm und stelle Diagnosen, also Proben bestimmten Krankheiten zuzuordnen. Die Arbeitslast wird in diesem Bereich größer, während das Personal knapp ist. Hier könnte KI helfen, bestimmte Vorarbeiten automatisch zu erledigen, ohne dass man den gesamten Diagnoseprozess an die Maschine abgibt. Ein Beispiel wären Messungen: Die KI könnte bestimmte Strukturen im Gewebe automatisch vermessen und anzeigen. Die Ärztin oder der Arzt überprüft diese Ergebnisse dann, bestätigt oder korrigiert sie. Die Entscheidung bleibt also beim Menschen, aber ein Teil manueller Vorarbeit wird abgenommen. Die wichtige Frage ist: Wie baut man solche Systeme so in den Arbeitsalltag ein, dass sie wirklich Zeit sparen und nicht zusätzliche Arbeit machen? Dafür muss man genau überlegen, wie Mensch und Maschine zusammenarbeiten, wie die Technik in bestehende Geräte passt und wie Informationen angezeigt werden.

Ein zweites Feld ist medizinische Fachliteratur. Es erscheinen so viele Studien, dass kein Mensch mehr alles lesen und überblicken kann. Sprachmodelle könnten helfen, dieses Wissen zugänglicher zu machen. Gleichzeitig muss man vorsichtig sein: Solche Modelle können Fehler machen und halluzinieren. Eine wichtige Forschungsfrage ist daher, wie wir aus großen Mengen medizinischer Literatur verlässlich Wissen extrahieren können. Dank des von der EU geförderten ERC Starting Grant Projekts „AUTODIAL“ werden wir uns in den kommenden Jahren diesen Fragestellungen und Anwendungsmöglichkeiten widmen können.

Entlastung, Datenschutz und falsches Vertrauen

Worauf freuen Sie sich – und was bereitet Ihnen Sorgen?

Kittler: Positiv sehe ich vor allem administrative Entlastung. Ärzt:innen verbringen viel Zeit mit nicht-ärztlichen Tätigkeiten wie Briefe schreiben oder Krankengeschichten zusammenfassen. Voice-to-Text und KI-gestützte Anwendungen bringen hier schon jetzt Erleichterung, und das wird besser werden. Natürlich muss eine Ärztin oder ein Arzt nochmal drüber schauen, aber Unterstützung ist willkommen. Die größte Gefahr sehe ich hingegen beim Datenschutz. Wenn es keine geschützten Systeme gibt, weichen Menschen im Alltag auf fragwürdige Lösungen aus – etwa indem sie Teile einer Krankengeschichte in ein Large Language Model eingeben und sagen: „Ich habe es eh anonymisiert.“ In der Medizin ist das besonders heikel. Überall, wo viele Daten liegen, können sie auch missbraucht werden.

Tschandl: Ich sehe zusätzlich das Problem des falschen Vertrauens. Bei Transkriptionsmodellen etwa wird das Problem der Halluzinationen aus meiner Sicht paradoxerweise größer, je besser die Modelle werden. Wenn etwas fast perfekt funktioniert, hinterfragen wir es weniger. Dann können sich Fehler leichter einschleichen. Gleichzeitig kann KI so etwas wie ein Fahrrad fürs Hirn sein. Die Medizin umfasst eine enorme Zahl an Situationen und seltenen Konstellationen, die man sich nicht alle merken kann. Große Sprachmodelle könnten helfen, komplexe Fälle früher zu lösen – nicht erst an der fünften oder zehnten Institution. Das wäre positiv für Patient:innen, Ärzt:innen und das Gesundheitssystem.

Welche Entscheidungen müssen trotz technischer Entwicklung beim Menschen bleiben?

Kittler: Egal, wie sich KI weiterentwickelt: Wir müssen entscheiden, was wir ihr im Gesundheitsbereich erlauben. Man sagt oft, die KI, die wir jetzt benutzen, sei die schlechteste, die wir jemals haben werden. Das stimmt wahrscheinlich. Es liegt an uns, diese Entwicklung in die richtigen Bahnen zu lenken. Wir werden nicht einfach von KI überrollt. Wir entscheiden, in welchen Bereichen wir sie einsetzen und was wir ihr zugestehen. Auch ethisch schwierige Entscheidungen müssen getroffen werden: Welche menschlichen Entscheidungen darf KI übernehmen und welche nicht? Das ist auch eine politische Frage. Man muss die Balance zwischen Regulierung und Überregulierung finden.

Tschandl: Wir müssen von der Vorstellung wegkommen, KI sei eine einzelne Firma und ein einziger Chatbot. Der Markt wird groß genug sein, dass es viele unterschiedliche Lösungen geben kann. Das wäre auch wichtig für Pluralität und Souveränität. Wertvoll sind aus meiner Sicht heute weniger die Algorithmen als die Daten. Es geht also nicht nur um Artificial Intelligence, sondern auch um Data Intelligence. Die Daten haben wir in unseren jeweiligen Bereichen selbst. Damit kann man gemeinsam mit Techniker:innen viele sinnvolle Anwendungen entwickeln, ohne einer großen Firma ausgeliefert zu sein.