Künstliche Intelligenz im Gesundheitswesen: Bewertung der klinischen und organisatorischen Effekte ausgewählter KI-Anwendungen in Krankenhäusern

Laufzeit: Mitte April – Mitte November 2025 (6 PM)
Sprache: Englisch (mit ausführlicher deutscher Zusammenfassung)

Hintergrund:
Künstliche Intelligenz (KI), ist ein Teilgebiet der Informatik mit dem Ziel, menschliche kognitive Fähigkeiten nachzuahmen. Sie gewinnt zunehmend an Bedeutung, und es wird erwartet, dass sie großen Einfluss auf verschiedene gesellschaftliche Bereiche wie Bildung, Forschung und Medizin haben wird [1]. KI wird bereits in verschiedenen Bereichen des Gesundheitswesens eingesetzt [2]. KI kann in den meisten Anwendungsfällen im Gesundheitsbereich als digitale Gesundheitstechnologie (DHT) verstanden werden, die entweder ein eigenständiges Medizinprodukt (Software as Medical Device) oder in einem Medizinprodukt integriert ist (Software in Medical Device) [3]. Mit fortschreitender Digitalisierung des Gesundheitswesens ist davon auszugehen, dass KI-gestützte DHTs in verschiedenen medizinischen Anwendungsbereichen, insbesondere im Krankenhausbereich, zunehmend integriert werden [4].

Das Austrian Institute für Health Technology Assessment (AIHTA) veröffentlichte einen Bericht [4]über die methodischen Ansätze zur Nutzenbewertung von KI-gestützten DHTs bei Beschaffungsentscheidungen in Krankenhäusern und stellte darin einen umfassenden Überblick über internationale HTA-Bewertungen von KI-gestützten DHTs zur Verfügung. Der Überblick zeigte, dass KI-gestützte DHTs in einer Vielzahl von medizinischen Fachgebieten bereits eingesetzt werden (Radiologie, Neurologie, Onkologie, Allgemeinmedizin, Augenheilkunde und Dermatologie). In 90% der internationalen HTA-Bewertungen wurden KI-gestützte DHTs im diagnostischen Kontext eingesetzt, insbesondere in der Radiologie und Inneren Medizin. Insgesamt konnten in 27 dieser internationalen Bewertungen im Bereich Diagnostik 134 einzelne KI-DHTs identifiziert werden. Ein früherer Bericht der Gesundheit Österreich GmbH (GÖG) [5]aus dem Jahr 2022 identifizierte in Österreich bereits 43 KI-gestützte DHTs, die entweder im Rahmen von Pilotprojekten oder bereits im Routinebetrieb in Krankenhäusern zum Einsatz kommen. Die Anwendungen wurden in drei Hauptkategorien eingeteilt: Diagnostik (54%), Behandlungsverbesserung (27%) und Risikovorhersage (18%). Der Schwerpunkt liegt sowohl auf internationaler als auch auf nationaler Ebene in der diagnostischen Nutzung von KI.

Hinsichtlich der methodischen Vorgehensweise bei der Bewertung formulierte der AIHTA-Bericht die Empfehlung, bestehende Frameworks für Gesundheitstechnologien als Ausgangspunkt zu nutzen und diese durch KI-spezifische Komponenten zu ergänzen [4]. Neben dem AIHTA Bericht wurde auch auf europäischer Ebene, beispielsweise durch das ASSESS-DHT-Projekt, an der Weiterentwicklung der HTA-Methodik zur Bewertung von KI-gestützten DHTs gearbeitet [6].

Auf Basis des AIHTA-Berichts [4]und des GÖG-Berichts [5]wurden KI-gestützte DHTs in den Bereichen diagnostische Bildgebung und Dokumentations-/Verwaltungsunterstützung im Krankenhausbereich für eine weiterführende Bewertung durch Entscheidungsträger:innen ausgewählt. Administrative KI-Tools, wie automatische Protokollierung, wurden bereits in mehreren Ländern implementiert und zeigen Potenzial zur Verbesserung der Effizienz, indem sie zeitliche Freiräume für Kliniker:innen für medizinische Tätigkeiten schaffen. Gleichzeitig gewinnen KI-gestützte DHTs in der diagnostischen Bildgebung zunehmend an Bedeutung, da sie das Potenzial haben, die diagnostische Genauigkeit zu verbessern. Dem großen Potenzial dieser Technologien stehen jedoch nicht zu vernachlässigende Risiken gegenüber (z.B. Fehler oder Halluzinationen bei der Dokumentation, Risiko der Überdiagnostik und Überbehandlung bei der bildgebenden Diagnostik), die eine sorgfältige Nutzen-Risiko-Abwägung vor Implementierung erfordern [7].

Während KI-gestützte DHTs großes Potenzial für die Verbesserung von Effizienz, Genauigkeit und Zugänglichkeit bieten, werfen sie auch kritische Fragen auf und es ist zu erwarten, dass die Einführung von KI viele Aspekte der Versorgung beeinflusst, einschließlich Ressourcenzuweisung, Personalbesetzung, Patient:innenergebnisse sowie die Organisation von Gesundheitssystemen. Ethische und rechtliche Aspekte wie Datenschutz, Gleichheit des Zugangs und rechtliche Verantwortung bei KI-unterstützten Entscheidungen stellen zusätzliche Aspekte dar, die in bestimmten Anwendungsfällen relevant sein können [7].

Projektziele:
Das Ziel dieser Arbeit ist:

1.       Eine Übersicht von KI-gestützten DHTs im Bereich der Dokumentationsunterstützung und diagnostischen Bildgebung zu erstellen und diejenigen zu priorisieren, die derzeit in österreichischen Krankenhäusern eingesetzt werden oder als am relevantesten angesehen werden.

2.       Die klinischen und organisatorischen Effekte sowie die bei einer Implementierung zu berücksichtigenden Ressourcenkategorien von zwei aus dieser Übersicht von österreichischen Gesundheitsexpert:innen ausgewählten KI-gestützten DHTs zu bewerten.

Nicht-Ziele:
Folgendes liegt außerhalb des Rahmens dieses Projekts:

• Die systematische Bewertung von anderen als die ausgewählten, KI-gestützten DHTs,
• Die systematische Recherche bzw. vollständige Marktübersicht von KI-Systemen (Gesundheitstechnologien, Produkte) in den ausgewählten Bereichen,
• Die systematische Analyse ethischer und rechtlicher Aspekte der ausgewählten KI-gestützten DHTs sowie eine Quantifizierung der Kosten einer Implementierung.

Forschungsfragen:
Die folgenden Forschungsfragen (FF) werden im Laufe des Berichts beantwortet:

FF1: Welche KI-gestützten Gesundheitstechnologien in den Bereichen Dokumentationsunterstützung und diagnostische Bildgebung werden von österreichischen Gesundheitsexpert:innen in österreichischen Krankenhäusern als am relevantesten angesehen?

FF2: Welche klinischen und organisatorischen Auswirkungen ergeben sich durch den Einsatz ausgewählter KI-gestützter DHTs in der Dokumentationsunterstützung und diagnostischen Bildgebung und welche Arten von Ressourcen sind für eine Implementierung nötig? Insbesondere werden folgende spezifische Unterfragen für die ausgewählten Anwendungen untersucht:

FF2 A: Dokumentationsunterstützung:

• Inwiefern beeinflussen die ausgewählten KI-gestützten Dokumentations-unterstützungssysteme den zeitlichen Aufwand, den Gesundheitsdienstleister:innen in Krankenhäusern für administrative Tätigkeitgen aufbringen?
• Was sind die potenziellen Vorteile von KI-Dokumentationssystemen aus der Perspektive von Gesundheitsdienstleister:innen in Bezug auf Benutzerfreundlichkeit, Genauigkeit und Zufriedenheit und was sind mögliche Nachteile?
• Welche Arten von Ressourcen sind bei der Beschaffung und Implementierung der neuen Technologie zu berücksichtigen?
• Wie verändert die Technologie den Bedarf an anderen Technologien sowie den Ressourceneinsatz?

FF2 B: Diagnostische Bildgebung:

• Wie beeinflussen die ausgewählten KI-Anwendungen in der bildgebenden Diagnostik die Genauigkeit und Effizienz von Diagnosen in Krankenhäusern – einschließlich potenzieller Risiken, Einschränkungen oder unbeabsichtigter Folgen?
• Welche organisatorischen Auswirkungen hat die Integration von KI in diagnostische Bildgebungsverfahren in Bezug auf Arbeitsablauf, Mitarbeiter:innenschulung und Ressourcenzuweisung?
• Welche Arten von Ressourcen sind bei der Beschaffung und Implementierung der neuen Technologie zu berücksichtigen?
• Wie verändert die Technologie den Bedarf an anderen Technologien sowie den Ressourceneinsatz?

Methoden:

FF1:

• Unter Verwendung der GÖG- und AIHTA-Berichte als Hauptquellen, wird eine Übersicht von KI-Systemen für die diagnostische Bildgebung und Dokumentationsunterstützung erstellt.
• Mit ausgewählten österreichischen Stakeholdern (d.h. Expert:innen aus dem GÖG-Bericht und aus dem internen Expert:innenpool sowie ausgewählte Vertreter:innen österreichischer Krankenhausträger) wird eine strukturierte Expert:innenbefragung durchgeführt. Die Expert:innen werden gebeten, KI-Anwendungen aus der umfassenden Liste anhand verschiedener Kriterien zu priorisieren. Zu diesen Kriterien zählen die klinische Relevanz (Innovationsgrad der Technologie, Adressierung des klinischen Bedarfs, Potenzial zur Verbesserung der Patient:innenenergebnisse oder klinischer Arbeitsabläufe sowie Verfügbarkeit von Evidenz), die wirtschaftliche Relevanz (Nutzungshäufigkeit, Kostenaspekte, erwartete Auswirkungen auf die Inanspruchnahme von Gesundheitsressourcen) und die praktische Umsetzbarkeit (einschließlich potenzieller Hürden wie organisatorischer Widerstand, infrastrukturelle Einschränkungen und Bedenken hinsichtlich der Datensicherheit) sowie potenzieller Risiken oder unbeabsichtigte Folgen (z.B. Diagnosefehler, erhöhte Arbeitsbelastung, ethische Bedenken).
• Das Surveydesign (noch festzulegen) kann entweder auf einem Punktezuweisungssystem basieren (wobei jede befragten Person eine festgelegte Anzahl von Punkten, beispielsweise 100, zur Verfügung gestellt wird, die auf Grundlage der wahrgenommenen Relevanz oder Bedeutung auf die verschiedenen KI-DHTs verteilt werden soll, wobei als besonders wichtig erachtete Elemente entsprechend mehr Punkte erhalten würden) oder auf einer Top-N-Auswahl (wobei die Befragten anstelle einer Bewertung aller Elemente gebeten werden, ihre wichtigsten 3, 5 oder 10 Elemente aus der Liste auszuwählen).

FF2:

• Für die Evidenzbewertung ausgewählter KI-DHTs wird das EUnetHTA Core Model [8]als etablierter europäischer Bewertungsrahmen verwendet. Der AIHTA Leitfaden [7]und die neue europäische HTA-Methodik (derzeit in Erarbeitung; ASSESS DHT [6]) wird dabei als Ergänzung hinzugezogen. Die Bewertungen stellen dabei eine Pilotierung der ASSESS-DHT Methodik dar.

Die endgültigen Protokolle für FF2 (A+B) werden nach Abschluss der Priorisierungsphase entwickelt und im Juni über die Open Science Framework (OSF) Plattform der Öffentlichkeit zugänglich gemacht.

Sämtliche Arbeitsschritte (Literatur-Screening und -Auswahl, Datenextraktion und Qualitätskontrolle) werden von zwei Forscherinnen durchgeführt. Die Ergebnisse durchlaufen anschließend sowohl eine interne Überprüfung durch einen AIHTA-Gutachter als auch eine externe Peer-Review durch mindestens eine:n Fachexpert:in.

Zeitplan und Meilensteine:

Referenzen:
[1]  Al Kuwaiti A. N. K., Al-Reedy A., Al-Shehri S., Al-Muhanna A., Subbarayalu A. V., et al. A Review of the Role of Artificial Intelligence in Healthcare. J Pers Med. 2023;13(6):951.
[2]  Bures D., Hosters B., Reibel T., Jovy-Klein F., Schramm J., Brendt-Müller J., et al. Die transformative Wirkung von künstlicher Intelligenz im Krankenhaus. Die Innere Medizin. 2023;64(11):1025-1032. DOI: 10.1007/s00108-023-01597-9.
[3]  IMDRF SaMD Working Group. Software as a Medical Device (SaMD): Key Definitions. 2013 [cited 25.04.2025]. Available from: https://www.imdrf.org/sites/default/files/docs/imdrf/final/technical/imdrf-tech-131209-samd-key-definitions-140901.pdf.
[4] Riegelnegg M., Giess D. and Goetz G. Artificial Intelligence in Health Care with a Focus on Hospitals: Methodological Considerations for Health Technology Assessment. A scoping review Vienna: 2024. Available from: https://eprints.aihta.at/1546/1/HTA-Projektbericht_Nr.164.pdf.
[5] Degelsegger-Márquez A., Dick D. and Trunner K. Telemedizin und Künstliche Intelligenz im intramuralen Bereich Österreichs. Ereignisbericht. Wien: 2022 [cited 02.04.2025]. Available from: https://jasmin.goeg.at/id/eprint/2443/1/Telemedizin_und_KI_in_Krankenanstalten_bf.pdf.
[6] ASSESS DHT. Development & harmonisation of methodologies for assessing digital health technologies in Europe. 2025. Available from: https://assess-dht.eu/.
[7] Canadian Journal of Health Technologies. 2025 Watch List: Artificial Intelligence in Health Care. 2025 [cited 02.04.2025]. Available from: https://www.cda-amc.ca/sites/default/files/Tech%20Trends/2025/ER0015%3D2025_Watch_List.pdf.
[8] EUnetHTA. HTA Core Model Version 3.0. 2016.