KI in der Medizin — verkauft ihr da nicht kommerzielle Interessen?

Admin

Frage von Pham T. (fiktiv):

Bei „KI-gestützte Diagnostik in allen Krankenhäusern" denke ich sofort an Big Tech und milliardenschwere Industrieinteressen. Wie trennt ihr das von echten Patientenvorteilen?

Klare Unterscheidung, die wir im Programm noch deutlicher machen müssen:

KI-Anwendungen, die Patient:innen nutzen (Beispiele mit belastbarer Evidenz):

Mammographie-Auswertung — Studien zeigen ähnliche oder bessere Erkennungsraten als Radiolog:innen, vor allem in Regionen mit wenigen Spezialist:innen (Lancet 2023)
Sepsis-Frühwarnung in Intensivstationen — verkürzt Diagnosezeit um Stunden, was Leben rettet
Hautkrebs-Vorscreening per App, evaluiert in Hausarztpraxen

KI-Anwendungen, die wir kritisch sehen:

„Wellness"-Apps mit medizinischer Diagnose-Anmutung ohne klinische Validierung (in Deutschland leider durch DiGA teilweise sogar erstattungsfähig)
Versicherungs-Tarifgestaltung auf Basis von Gesundheits-Daten („Wer mehr läuft, zahlt weniger")
Intransparente „Risiko-Scoring"-Systeme in der Triage

Was wir konkret fordern:

Zertifizierungspflicht mit Wirksamkeitsnachweis (Standard wie bei Medikamenten, nicht weniger)
Verbot von Versicherungs-Diskriminierung auf Basis von KI-erzeugten Risikoprofilen
Open-Data-Pflicht für KI-Modelle, die in der GKV erstattet werden

Heißt: nicht „KI in die Medizin", sondern „nur die KI in die Medizin, die nachweislich Patient:innen hilft, nicht primär Konzernen".

Du hast recht, dass das im Programm bisher zu pauschal formuliert ist. Ich nehme das mit.

— Oliver Deppe

Admin

Nachfrage von Pham T. (Eingangs-Frage zu KI in der Medizin):

Du hast DiGAs erwähnt („teilweise erstattungsfähig ohne klinische Validierung"). Wie kommt man als Patient da überhaupt durch? Ich kenne meine eigene App-Liste nicht.

Realistische Frage. DiGAs (Digitale Gesundheitsanwendungen) sind seit 2020 verschreibungsfähig, was viele nicht wissen. Es gibt aktuell ₇₅ zugelassene DiGAs im BfArM-Verzeichnis.

Das Problem mit der Validierung: Es gibt zwei Zulassungs-Wege:

„Vorläufige Aufnahme" (12 Monate): Wirksamkeit muss nur plausibel sein, nicht klinisch nachgewiesen. ₆₀% aller DiGAs nutzen diesen Weg.
„Endgültige Aufnahme": Wirksamkeitsnachweis durch RCT (Randomisierte Kontrollierte Studie). Nur ₃₀% der DiGAs erreichen das je.

Praktischer Tipp für Patient:innen heute:

Im DiGA-Verzeichnis BfArM prüfen, ob die App „dauerhaft aufgenommen" oder nur „vorläufig" ist
Bei „vorläufig": Wirksamkeitsnachweis-Studien-Design lesen (steht im DiGA-Detail-PDF). Bei n<200 Patient:innen: skeptisch sein.
Krankenkassen-Hotline anrufen: viele DiGAs werden nur erstattet, wenn die Verschreibung konkret begründet ist.

Was unsere Forderung konkret ändern würde:

Vorläufige Aufnahme nur für 6 Monate (statt 12)
RCT-Pflicht ab dem Tag der Vorläufigkeit, nicht erst 12 Monate später
Öffentliches Wirksamkeits-Register, nicht nur BfArM-PDF
Veröffentlichung nicht-erfolgreicher Studien (Publication-Bias-Schutz, wie in der Pharmaforschung)

Das ist ein technisches Detail, das in Wahlkämpfen normalerweise verloren geht — aber digitale Gesundheitsanwendung Wirksamkeit ist genau die Art Detail, an der KI-Partei-Politik sich abheben sollte.

— Oliver

Admin

Nachfrage von Petra M. (Krankenkassen-Mitarbeiterin, fiktiv):

Du erwähnst „Versicherungs-Diskriminierung auf Basis von KI-erzeugten Risikoprofilen". Ist das nicht in Deutschland eh schon verboten? GKV-Beiträge sind doch einkommensbasiert.

Stimmt für die GKV-Beiträge — die sind tatsächlich einkommensgekoppelt und nicht KI-verändbar.

Aber das Risiko liegt anderswo: GKV-Risikoscoring im Leistungskontext (also: was die Kasse genehmigt) und PKV-Tarifgestaltung (Privat-Versicherte).

Konkrete Bereiche, in denen KI-erzeugte Risikoprofile schon eingesetzt werden:

GKV-Bewilligungs-Algorithmen für teure Therapien. Mehrere große Kassen nutzen ML-Modelle, um vorherzusagen, welche Patient:innen-Anträge auf Reha, hochpreisige Medikamente oder spezialisierte OPs „statistisch wahrscheinlich" Nutzen bringen. Das ist nicht öffentlich gemacht — aber Insider-Hinweise gibt's seit 2023, und der GKV-Spitzenverband hat 2025 eine Studie dazu gestartet.
PKV-Tarif-Erneuerung. Bei Vertragsverlängerung greift „dynamisches Risiko-Reassessment" mit Daten aus Apps, Wearables (wenn freiwillig hochgeladen), Bonus-Programmen. Praktisch heißt das: wer eine ungewöhnliche Schritt-Verlauf-Kurve hat, kriegt potentiell einen Preisaufschlag — ohne dass „Krankheit" diagnostiziert wäre.
Triage-Entscheidungen in Notaufnahmen (selten, aber wachsend) — mehrere Großkliniken testen KI-gestützte Priorisierung. Das ist NOTwendig bei Überlast, aber muss bestehen aus transparenten, dokumentierten Algorithmen.

Was wir dazu konkret vorschlagen:

Verbot intransparenter Risiko-Modelle in der Leistungs-Bewilligung GKV
PKV-Tarif-Aufschläge auf Basis von KI-Risikoprofilen nur mit expliziter, jederzeit widerrufbarer Einwilligung
Krankenkassen-Algorithmen brauchen Modellkarten (gleicher Standard wie für staatliche Algorithmen, siehe Forderung im Algorithmen-Programm)

Wenn du aus dem Inneren der GKV/PKV bist und konkrete Praktiken kennst, die wir benennen sollten: Forum-PN oder vertrauliche Mail. Insider-Wissen ist genau das, was wir brauchen.

— Oliver