Es versteht sich von selbst, dass künstliche Intelligenz (KI) weiterhin viele Gespräche über Gesundheitstechnologie dominiert. Krankenhäuser stehen nach wie vor vor einigen der größten Herausforderungen aller Zeiten: vom Arbeitskräftemangel über Burnout bei Ärzten und Personal bis hin zu den knappsten Betriebsbudgets aller Zeiten. Das Potenzial der Nutzung von KI-Technologie zur Bewältigung dieser Herausforderungen ist vielversprechend.
Und während sich diese Gespräche weiterentwickeln, gehören laut NVIDIAs Bericht „State of AI in Healthcare 2025“ große Sprachmodelle (LLM) mittlerweile zu den drei wichtigsten KI-Arbeitslasten im Gesundheitswesen, wobei 53 % der Unternehmen sie aktiv nutzen. Die klinische Entscheidungsunterstützung ist einer der am schnellsten wachsenden Anwendungsfälle, und 83 % der Führungskräfte im Gesundheitswesen glauben, dass KI die Gesundheitsversorgung in den nächsten fünf Jahren revolutionieren wird.
In diesem Artikel wird eine der weniger diskutierten Möglichkeiten beschrieben, wie KI genutzt werden kann, um die Herausforderungen zu bewältigen, mit denen Ärzte im Zusammenhang mit fragmentierten Daten und eingeschränkter Sicht auf sich schnell ändernde Patientenzustände konfrontiert sind, insbesondere in Umgebungen wie der Intensivstation (ICU). Dies ist besonders problematisch für die gebrechlichsten und gefährdetsten Patienten, da Lücken in den physiologischen Daten zeitnahe, lebensrettende Interventionen behindern können. Es ist ein seit langem bestehendes Problem, das heute auf neue Weise angegangen wird – dank der Fähigkeit, die Leistungsfähigkeit von KI und LLMs zu nutzen, um aus fragmentierten Daten aussagekräftige klinische Erkenntnisse zu gewinnen.
Ein kompliziertes Ökosystem
Wer die Intensivstation betritt, wird von ständigen Alarmen und Piepsern aus allen Richtungen bombardiert, die sofortige Aufmerksamkeit fordern. Überall liegen Monitore, medizinische Geräte, Kabel und Schläuche. Die Patienten hier sind so schwer krank, dass sie nicht sprechen können und sich auf eine 24-Stunden-Betreuung verlassen, um selbst die kleinsten Veränderungen ihres Zustands, die auf eine Verschlechterung hinweisen könnten, aufmerksam zu beobachten. Fragen Sie jeden Intensivmediziner und er wird Ihnen sagen, dass es sich tatsächlich um ein komplexes, einzigartiges Ökosystem handelt und selbst für die erfahrensten Ärzte und Krankenschwestern wohl der überwältigendste, anspruchsvollste und stressigste Job im Krankenhaus ist.
Und darüber hinaus überwinden sie immer noch die gleichen Hindernisse wie der Rest des Krankenhauses – ausgebranntes Personal, knappe Ressourcen und mehr.
Lücken schließen
Ein spezifisches Hindernis, das nicht nur auf der Intensivstation auftritt, aber eine besondere Herausforderung darstellen kann, hängt mit dem Umgang mit fragmentierten Daten in Bereichen wie, aber nicht beschränkt auf, der elektronischen Gesundheitsakte (EHR) zusammen. Glücklicherweise ist diese Herausforderung für KI und LLMs gut geeignet, sie zu bewältigen. Während die EHR gute Arbeit bei der Verfolgung grundlegender Informationen wie Medikamente, Ein- und Ausgänge sowie wichtige Vitalfunktionen leistet, fehlt ihr die Fähigkeit, umsetzbare Erkenntnisse in Echtzeit bereitzustellen, um Patienten zu identifizieren, bei denen sich ihr Zustand verändert hat, und um auch dynamisch über das Patientenrisiko zu berichten.
Der Zustand kritisch erkrankter Patienten kann sich im Handumdrehen ändern, und für Pflegeteams ist es schwierig, alle Patienten auf der Intensivstation genau im Auge zu behalten und festzustellen, in welchem Stadium der Verschlechterung sie sich möglicherweise befinden. Behandlungsentscheidungen müssen oft sehr schnell getroffen werden, und die falsche Behandlung zur falschen Zeit kann tödlich sein.
Hier kommen KI und LLMs ins Spiel, mit der Fähigkeit, ein vollständiges Bild eines Patienten zu liefern und Plattformlösungen voranzutreiben, die Algorithmen und aggregierte Datenströme über seine spezifischen Erkrankungen nutzen und dann kontinuierlich aus anderen Dateneingaben lernen, um klare, genaue Risikobewertungen zu liefern. Diese Kontext- und Risikobewertung für jeden Patienten bietet Ärzten Orientierung bei der Bereitstellung der richtigen personalisierten Versorgung zum richtigen Zeitpunkt, um lebensbedrohlichen Zuständen vorzubeugen, die auf der Intensivstation häufig auftreten, darunter kardiogener Schock, Atemversagen, akutes Atemnotsyndrom und Sepsis. Auf der anderen Seite zeigen diese Informationen nicht nur eine Verschlechterung des Zustands des Patienten an, sondern können auch Hinweise und Benachrichtigungen liefern, wenn sich bei einem Patienten eine positive Entwicklung zeigt. Dies ist äußerst hilfreich, da eine angemessene Deeskalation der Pflege dazu führen kann, dass Patienten von bestimmten Hochrisikomedikamenten befreit werden und die Zeit verkürzt wird, die sie tatsächlich auf der Intensivstation verbringen müssen. Das kommt nicht nur den Patienten zugute, es macht auch benötigte Betten frei und trägt zur Kosten- und Ressourceneinsparung bei.
Da diese Plattformen eine krankenhausweite Überwachung wichtiger Patientengruppen ermöglichen, können gefährdete Personen unabhängig von ihrem Aufenthaltsort kontinuierlich überwacht werden, ohne dass ein Mitarbeiter physisch an ihrer Seite sein muss. Dies wirkt sich erheblich positiv auf die Effizienz aus und verringert so die Belastung des Intensivpersonals.
Zusätzlich zu diesen Vorteilen nutzen Krankenhäuser die Technologie auch, um die ordnungsgemäße Einhaltung von Krankenhausprotokollen und branchenweiten klinischen Richtlinien sicherzustellen. Darüber hinaus helfen die bereitgestellten Daten und gewonnenen Erkenntnisse Krankenhäusern, Versorgungslücken und systemische Probleme zu erkennen und zu schließen, sodass sie Protokolle und Personalschulungen auf der Grundlage realer, umsetzbarer Daten kontinuierlich verfeinern können. Dies bietet die Möglichkeit, ein echtes lernendes Gesundheitssystem aufzubauen.
Zur Unterstützung da, nicht zum Ersetzen
Trotz der anfänglichen weit verbreiteten Zurückhaltung unter Ärzten, KI als Teil ihres Arbeitsablaufs zu nutzen, wächst ihr Komfort. Im Februar 2025 veröffentlichte die American Medical Association (AMA) neue Daten zur Stimmung von Ärzten in den Jahren 2023 bis 2024. Die Ergebnisse zeigten, dass sich die Einstellung gegenüber KI im Gesundheitswesen verändert. Ihre Umfrage ergab:
68 % der im Jahr 2024 befragten Ärzte gaben an, dass sie zumindest einen gewissen Vorteil im Einsatz von KI-Tools sehen (leichter Anstieg gegenüber 63 % im Jahr 2023). 36 % der Ärzte gaben an, dass sie sich über KI eher aufgeregt als besorgt fühlen (gegenüber 30 % im Jahr 2023). Zwei Drittel der im Jahr 2024 befragten Ärzte gaben an, dass sie derzeit KI in ihrer Praxis einsetzen, ein deutlicher Anstieg gegenüber 38 % im Jahr 2023.
Ich denke gerne über KI in dem Sinne nach, wie wir sie hier diskutieren, als virtuellen Assistenten. Es handelt sich um ein Tool, das Pflegedienstleistern Unterstützung bietet, das immer funktioniert, immer hilfsbereit ist und niemals müde wird. Es lässt sich nahtlos in bereits bestehende Arbeitsabläufe integrieren und optimiert die Pflegekoordination und -kommunikation. Denn letzten Endes handelt es sich hierbei um ein Tool, das für ein verbessertes Situationsbewusstsein sorgt und Ärzte dazu bringt, sich auf das zu konzentrieren, was sie am besten können: alle relevanten Kenntnisse und Informationen zusammen mit ihrem klinischen Expertenwissen und Urteilsvermögen am Krankenbett zu nutzen, um die bestmögliche Entscheidung für den Patienten zu treffen.
Blick in die Zukunft
Für diejenigen von uns, die Teil des Gesundheitsökosystems sind, ist es unsere Pflicht, unseren Teil dazu beizutragen, Wege zu finden, die Patientenergebnisse zu verbessern und die Gesundheitskosten zu senken. Dies bedeutet oft, kontinuierlich bessere und effizientere Wege zur Problemlösung zu finden und dabei die optimalsten Tools und Daten zu nutzen, die uns zur Verfügung stehen. Und das bedeutet ab sofort und in absehbarer Zukunft, geeignete Anwendungsfälle zu finden, um die Leistungsfähigkeit von KI und LLMs dort zu nutzen, wo es am sinnvollsten ist.
Weltweit implementieren immer mehr Krankenhäuser mit großem Erfolg KI-gestützte Lösungen, die sich in ihre EHR integrieren lassen. Sie verzeichnen verbesserte Patientenergebnisse und Genesungszeiten, eine Vermeidung von Komplikationen, eine Verringerung der Belastung an vorderster Front auf der Intensivstation und Kosteneinsparungen durch eine Verkürzung der Aufenthaltsdauer und der Wiedereinweisungen. Wir können nur davon ausgehen, dass sich dieser Trend fortsetzt.
Foto: AdrianHillman, Getty Images
Shane Cooke kam 2019 als Präsident und CEO zu Etiometry und bringt über 20 Jahre Erfahrung im Medizingeräte- und Pharmamarkt in verschiedenen Vertriebs-, Marketing-, Strategie- und Portfoliomanagementfunktionen mit. Bevor er zu Etiometry kam, war Shane mehr als fünf Jahre lang Chief Strategy Officer von Cheetah Medical, das 2019 von Baxter International übernommen wurde. Vor Cheetah war Shane 11 Jahre bei Covidien in den Bereichen Patientenversorgung, Gefäßtherapien und Unternehmenssektoren tätig, mit Positionen wie Unternehmensstrategie, Markt- und Wettbewerbsinformationen, Leitung des Kompetenzzentrums für Marktentwicklung und Leitung der Strategiebemühungen für Japan, Europa, Australien und Kanada. Shane hat einen BA in Psychologie von der University of Rochester sowie einen MBA von der Suffolk University.
Dieser Beitrag erscheint über das MedCity Influencers-Programm. Über MedCity Influencer kann jeder seine Sicht auf Wirtschaft und Innovation im Gesundheitswesen auf MedCity News veröffentlichen. Klicken Sie hier, um herauszufinden, wie.
