Seltene Erkrankungen sind für sich genommen ungewöhnlich, doch in ihrer Gesamtheit stellen sie eine der größten diagnostischen Herausforderungen in der europäischen Hausarztpraxis dar. Mit über 6.000 anerkannten seltenen Erkrankungen, die etwa 30 Millionen Menschen in Europa betreffen, werden die meisten Hausärztinnen und Hausärzte den Großteil dieser Erkrankungen entweder selten oder nie sehen. Dennoch bleibt die hausärztliche Versorgung die erste Anlaufstelle für Patientinnen und Patienten, deren Symptome noch keinen Namen haben – und die Verantwortung für den ersten Verdacht liegt eindeutig bei der Hausärztin oder dem Hausarzt. Systeme zur klinischen Entscheidungsunterstützung sind in diesem Umfeld zur Routine geworden, doch wie gut sie Patientinnen und Patienten mit seltenen Krankheitsbildern dienen, verdient eine sorgfältige, evidenzbasierte Prüfung.

Warum seltene Erkrankungen ein diagnostischer blinder Fleck in der Hausarztpraxis sind

Das strukturelle Problem ist keine Frage der klinischen Kompetenz. Wie das British Journal of General Practice festgestellt hat, verfügen Hausärztinnen und Hausärzte über erhebliche Erfahrung im Umgang mit Multisystemerkrankungen, doch nur wenige haben die Ressourcen, seltene Erkrankungen gründlich zu recherchieren. Viele berichten, dass sie überfordert sind, wenn Patientinnen und Patienten mit detaillierten Informationen zu Erkrankungen kommen, denen sie selbst noch nie begegnet sind.

Die durchschnittliche Zeit vom Auftreten der Symptome bis zur gesicherten Diagnose einer seltenen Erkrankung beträgt fünf bis sechs Jahre im Vereinigten Königreich und in Europa. Die Hälfte der Patientinnen und Patienten erhält in dieser Zeit mindestens eine Fehldiagnose.

Diese Verzögerung ist nicht in erster Linie ein Problem der Krankenhäuser – sie betrifft vor allem die hausärztliche Versorgung. Patientinnen und Patienten mit seltenen Erkrankungen durchlaufen typischerweise mehrere hausärztliche Konsultationen, bevor sie eine Fachärztin oder einen Facharzt erreichen, die oder der die Erkrankung erkennt. Die diagnostische Odyssee, ein Begriff, der inzwischen in der Literatur zu seltenen Erkrankungen etabliert ist, beginnt und stockt oft in der Hausarztpraxis. Nicht, weil Hausärztinnen und Hausärzte unaufmerksam sind, sondern weil die kognitive Architektur der klinischen Mustererkennung auf Häufigkeit kalibriert ist. Erkrankungen, die eine Behandlerin oder ein Behandler noch nie gesehen hat, sind per Definition schwerer in Betracht zu ziehen.

Wie Systeme zur klinischen Entscheidungsunterstützung trainiert werden und wo dadurch Lücken entstehen

Systeme zur klinischen Entscheidungsunterstützung (CDS) generieren Differenzialdiagnosen, indem sie auf Trainingsdaten und diagnostische Logik zurückgreifen, die auf häufige Präsentationen ausgerichtet sind. Dies ist eine nachvollziehbare Designentscheidung: Werkzeuge, die bei der breitesten Palette von Konsultationen unterstützen sollen, sollten bei den Erkrankungen gut funktionieren, denen Hausärztinnen und Hausärzte am häufigsten begegnen.

Die Folge ist, dass Pfade für seltene Erkrankungen systematisch unterrepräsentiert sind – nicht aufgrund bewusster Ausgrenzung, sondern wegen eines Datenhäufigkeitsproblems. Erkrankungen, die in Trainingsdatensätzen selten vorkommen, erzeugen ein schwaches oder fehlendes Signal in der häufigkeitsgewichteten Differenzialdiagnostik.

Ein Scoping-Review von 2026 im International Journal of Medical Informatics untersuchte die technologischen Ansätze, die CDS-Systemen für die Diagnose seltener Erkrankungen zugrunde liegen. Es wurden vier Hauptkategorien identifiziert: Informationsabrufsysteme, phänotypgesteuerte Argumentation, ontologiebasierte Methoden und KI-basierte Ansätze (künstliche Intelligenz, Software, die menschliche kognitive Funktionen nachahmt). Die Übersichtsarbeit stellte fest, dass die Umsetzung in die klinische Routinepraxis in allen vier Kategorien begrenzt bleibt. Die Kluft zwischen Forschungswerkzeugen und solchen, die am Point of Care verfügbar sind, ist erheblich.

Das SATURN-Projekt in Deutschland entwickelte einen CDS-Prototyp speziell für die hausärztliche Versorgung, der auf unklare und seltene Krankheitsbilder abzielt. Die qualitative Evaluation zeigte, dass selbst speziell entwickelte Werkzeuge erhebliche Usability-Barrieren aufweisen. Dazu gehörten die Unmöglichkeit, nicht aufgelistete Symptome einzugeben, und das Fehlen eines direkten Datenimports aus Praxisverwaltungssystemen. Das sind keine geringfügigen Verbesserungen – es sind Hindernisse, die darüber entscheiden, ob ein Werkzeug überhaupt genutzt wird.

Was die Literatur über Fehldiagnosen seltener Erkrankungen in der hausärztlichen Versorgung sagt

Die Evidenz zu diagnostischen Verzögerungen bei seltenen Erkrankungen ist in europäischen Settings konsistent. Diagnostische Odysseen von durchschnittlich vier bis acht Jahren werden in der Literatur berichtet. Die Schätzungen variieren je nach Erkrankung und Land, wobei einige Studien speziell für das Vereinigte Königreich und Europa fünf bis sechs Jahre angeben.

Diese Verzögerungen gehen mit häufigen Fehldiagnosen und unnötigen Untersuchungen einher. Eine Delphi-Konsensstudie von 2025, veröffentlicht in Scientific Reports, an der 55 multidisziplinäre Expertinnen und Experten beteiligt waren, identifizierte die Hauptgründe für die Verzögerung: geringe Prävalenz, begrenztes Bewusstsein unter Fachkräften der hausärztlichen Versorgung, heterogene klinische Präsentation und ungewöhnliche Vererbungsmuster.

Derselbe Konsens identifizierte die Präsentationsmerkmale, die am häufigsten mit verpassten Diagnosen seltener Erkrankungen verbunden sind:

• Familienanamnese mit ungeklärten oder schweren Erkrankungen

• Häufungen von Geburtsfehlern oder angeborenen Anomalien

• Ungewöhnliche Präsentationen ansonsten häufiger Erkrankungen

• Neurodevelopmentale Verzögerungen oder ungeklärter kognitiver Abbau

• Schwere Pathologie, die unverhältnismäßig zur scheinbaren Ursache ist

Dies sind keine obskuren Signale. Viele sind in hausärztlichen Akten über mehrere Konsultationen hinweg sichtbar. Das Problem ist, dass jedes einzelne für sich genommen zu einer häufigeren Erklärung zu passen scheint. Häufigkeitsgewichtete Werkzeuge werden konsequent diese häufigere Erklärung zuerst anbieten.

Der Unterschied zwischen häufigkeitsgewichteter und phänotypbasierter Entscheidungsunterstützung

Die Unterscheidung zwischen häufigkeitsgewichteter und phänotypbasierter Differenzialdiagnostik ist zentral für das Verständnis, wie CDS-Werkzeuge bei Präsentationen seltener Erkrankungen abschneiden.

Häufigkeitsgewichtete Werkzeuge ordnen diagnostische Vorschläge nach Bevölkerungsprävalenz. In einer Konsultation mit Müdigkeit, Gelenkschmerzen und einem Hautausschlag bei einer 30-jährigen Person wird ein solches Werkzeug zuverlässig Anämie, virale Erkrankung oder reaktive Arthritis vor systemischem Lupus erythematodes anzeigen, weil erstere häufiger sind. Für die meisten Konsultationen ist das angemessen. Es wird jedoch zu einer strukturellen Einschränkung, wenn das Symptomcluster der Patientin oder des Patienten tatsächlich eher mit einer seltenen Erkrankung übereinstimmt.

Phänotypbasierte Differenzialdiagnostik verfolgt einen anderen Ansatz. Anstatt nach Prävalenz zu ordnen, gleicht sie die spezifische Kombination von Symptomen – den Phänotyp – mit Krankheitsprofilen ab, unabhängig davon, wie häufig diese Erkrankungen in der Allgemeinbevölkerung auftreten. Dieser Ansatz führt eher dazu, dass Kandidaten für seltene Erkrankungen angezeigt werden, wenn das klinische Bild atypisch ist. Die Human Phenotype Ontology (HPO) ist das am weitesten verbreitete strukturierte Vokabular für diesen Zweck. Sie unterstützt die systematische Zuordnung von Phänotypen zu Krankheiten über Tausende von Erkrankungen hinweg.

Eine Studie von 2026 in EBioMedicine evaluierte die Leistung großer Sprachmodelle (Large Language Models, eine Art KI-System, das auf umfangreichen Textdaten trainiert wurde) für die Diagnose seltener Erkrankungen in zehn Sprachen, darunter Englisch, Französisch, Deutsch, Niederländisch, Spanisch und Italienisch. Sie nutzte 4.917 klinische Vignetten, die aus Human Phenotype Ontology-strukturierten Daten abgeleitet wurden. GPT-4o platzierte die korrekte Diagnose einer seltenen Erkrankung in 27 Prozent der Fälle auf Englisch unter den drei bestplatzierten Differenzialdiagnosen. Die Leistung war über europäische Sprachen hinweg weitgehend konsistent. Eine Top-3-Genauigkeitsrate von 27 Prozent reicht nicht für eine eigenständige klinische Nutzung aus, stellt aber ein bedeutsames Signal dar, dass phänotypstrukturierte Eingaben seltene Diagnosen anzeigen können, die häufigkeitsgewichtete Logik nicht erfassen würde.

Wie führende europäische Systeme zur klinischen Entscheidungsunterstützung die Abdeckung seltener Erkrankungen angehen

Die Landschaft der in der europäischen Hausarztpraxis verfügbaren CDS-Werkzeuge ist heterogen. Die Abdeckung seltener Erkrankungen variiert erheblich.

Orphanet, die europäische Referenzdatenbank für seltene Erkrankungen, bietet die umfassendste strukturierte Ressource für Nomenklatur, Prävalenzdaten und klinische Beschreibungen seltener Erkrankungen. Werkzeuge, die Orphanet-Daten integrieren oder OMIM (Online Mendelian Inheritance in Man, eine Datenbank für genetische Erkrankungen) querverweisen, haben einen strukturellen Vorteil beim Anzeigen von Kandidaten für seltene Erkrankungen. Die Integration dieser Datenbanken in Werkzeuge, die in hausärztliche Praxisverwaltungssysteme eingebettet sind, bleibt uneinheitlich.

DxGPT, ein auf GPT-4 basierendes Werkzeug, wurde mit der Diagnose seltener Erkrankungen als explizitem Designziel entwickelt. Es generiert eine geordnete, begründete Top-5-Differenzialdiagnose, die speziell darauf abzielt, kognitiven Verzerrungen in komplexen Fällen entgegenzuwirken. Es wurde in britischen und spanischen klinischen Kontexten evaluiert.

Werkzeuge wie Ada Health werden derzeit in einer Qualitätsverbesserungsstudie im CUF Hospital Network in Portugal evaluiert. Sie verfolgen einen Symptombewertungsansatz, der laut Studienprotokoll das Potenzial hat, Nutzerinnen und Nutzern bei Fällen seltener Erkrankungen zu helfen, bei denen eine zeitnahe Diagnose eine erhebliche Herausforderung bleibt.

DeepRare, beschrieben in einem kürzlich erschienenen Nature-Artikel, repräsentiert die aktuelle Forschungsgrenze. Es ist ein Multi-Agenten-System, das mehr als 40 spezialisierte Werkzeuge und Wissensquellen integriert. Es verarbeitet Freitextbeschreibungen, strukturierte Human Phenotype Ontology-Begriffe und genetische Ergebnisse, um geordnete diagnostische Hypothesen mit transparenter Begründung zu generieren. Bei HPO-basierten Aufgaben erreichte es starke Leistungsmetriken und übertraf vergleichbare Methoden. Expertenbewertungen stimmten in einer deutlichen Mehrheit der Fälle mit seinen Argumentationsketten überein.

DeepRare ist noch nicht in routinemäßige hausärztliche Workflows eingebettet, aber es veranschaulicht die Leistungsobergrenze, die phänotypgesteuerte, wissensintegrierte Ansätze erreichen können. Die Kluft zwischen Forschungswerkzeugen wie DeepRare und den in einer typischen europäischen Hausarztpraxis verfügbaren Werkzeugen bleibt erheblich. Die Integration hausärztlicher Daten in Deutschland bleibt beispielsweise aufgrund länderspezifischer Vokabulare und heterogener Datenstrukturen herausfordernd. Dies schränkt die Fähigkeit selbst gut konzipierter CDS-Prototypen ein, in realen hausärztlichen Settings zu funktionieren.

Warnsignal-Symptomcluster, die Systeme zur Entscheidungsunterstützung häufig übersehen

Der Argo-Delphi-Konsens etablierte eine Reihe klinischer Warnsignale, die in der hausärztlichen Versorgung den Verdacht auf eine seltene Erkrankung auslösen sollten. Dies sind die Muster, die häufigkeitsgewichtete Werkzeuge am ehesten niedrig einstufen oder ganz weglassen:

• Multisystembeteiligung bei einer jungen Patientin oder einem jungen Patienten, insbesondere wenn Symptome kardiovaskuläre, neurologische und muskuloskelettale Bereiche umfassen, ohne eine vereinheitlichende häufige Diagnose

• Ungeklärte Müdigkeit mit atypischen Begleiterkrankungen, insbesondere wenn Standarduntersuchungen unauffällig sind und sich das klinische Bild nicht zu einer anerkannten häufigen Diagnose entwickelt

• Wiederholte Vorstellungen ohne Konvergenz, d. h. mehrere Konsultationen wegen verwandter oder überlappender Symptome, die sich nicht zu einer klaren diagnostischen Kategorie aufgelöst haben

• Unverhältnismäßige Schwere, bei der der klinische Verlauf schwerer ist, als für die scheinbare Diagnose zu erwarten wäre

• Positive Familienanamnese ungeklärter schwerer Erkrankungen, insbesondere bei Erkrankungen mit autosomal-rezessiven oder X-chromosomalen Vererbungsmustern, die möglicherweise nicht sofort erkennbar sind

Diese Cluster haben ein gemeinsames Merkmal: Jedes ist einzeln durch häufige Erkrankungen erklärbar, aber ihre Kombination, insbesondere über die Zeit, sollte die Erwägung einer Differenzialdiagnose einer seltenen Erkrankung veranlassen. Ein Werkzeug, das nach Häufigkeit ordnet, wird konsequent zuerst die häufige Erklärung anbieten. Es wird die Kombination nicht als ungewöhnlich kennzeichnen, es sei denn, es wurde explizit dafür konzipiert.

Wie man erkennt, wann die Differenzialdiagnose eines Werkzeugs wahrscheinlich unvollständig ist

Das Erkennen der Grenzen der Differenzialdiagnose eines CDS-Werkzeugs in Echtzeit ist selbst eine klinische Fähigkeit. Mehrere Indikatoren sollten eine Hausärztin oder einen Hausarzt dazu veranlassen, die Ausgabe eines Werkzeugs mit zusätzlicher Skepsis zu betrachten:

• Das Alter der Patientin oder des Patienten und die Symptomdauer passen nicht zu den angebotenen häufigen Differenzialdiagnosen. Wenn ein Werkzeug eine Diagnose vorschlägt, die angesichts des Alters der Patientin oder des Patienten, der Symptomdauer oder früherer Untersuchungsergebnisse statistisch unplausibel ist, kann die Differenzialdiagnose eher auf Häufigkeit als auf Passung beruhen.

• Frühere Untersuchungen waren unauffällig. Wenn die Standardabklärung für die vorgeschlagenen Diagnosen normale Ergebnisse erbracht hat, wurde die Differenzialdiagnose nicht bestätigt – sie wurde einfach nicht ausgeschlossen. Das ist nicht dasselbe wie eine Diagnose.

• Die Präsentation umfasst mehrere Organsysteme. Einzelsystem-CDS-Werkzeuge oder Werkzeuge, die überwiegend auf Einzelfachdaten trainiert wurden, sind strukturell weniger geeignet, Diagnosen anzuzeigen, die Multisystem-Mustererkennung erfordern.

• Das Werkzeug gibt einen Vorschlag mit hoher Konfidenz für eine häufige Erkrankung trotz schlechter klinischer Passung zurück. Hohe Konfidenz in einem häufigkeitsgewichteten Werkzeug spiegelt Prävalenz wider, nicht die Qualität der Übereinstimmung. Werkzeugkonfidenz ist keine diagnostische Bestätigung.

• Die Patientin oder der Patient wurde mehrmals wegen derselben oder verwandter Symptome gesehen. Chronizität und Wiederauftreten sollten die Schwelle für die Erwägung einer seltenen Erkrankung senken, selbst wenn jede einzelne Konsultation zu einer häufigen Erklärung zu passen scheint.

Das Schweigen eines Werkzeugs zu einer Diagnose ist nicht dasselbe wie deren Ausschluss. Ein CDS-System, das eine Erkrankung nicht in seiner Differenzialdiagnose aufführt, hat sie nicht ausgeschlossen – es hat einfach kein ausreichendes Signal generiert, um sie anzuzeigen. Das ist bei seltenen Erkrankungen genau das Problem, das diese Werkzeuge am wenigsten lösen können.

Die Rolle von Spezialistennetzwerken und europäischen Registern für seltene Erkrankungen

Wo CDS-Werkzeuge an ihre Grenzen stoßen, bietet die europäische Infrastruktur strukturierte Eskalationspfade. Die Europäischen Referenznetzwerke (ERN), 24 thematische Netzwerke, die Fachzentren in EU-Mitgliedstaaten verbinden, existieren, um fachliche Beiträge zu seltenen und komplexen Erkrankungen zu liefern. Europäische Referenznetzwerke decken Bereiche ab, darunter neurologische Erkrankungen, Bindegewebserkrankungen, Immundefekte und Stoffwechselerkrankungen.

Hausärztinnen und Hausärzte können in geeigneten Fällen über nationale Zentren für seltene Erkrankungen oder über Advice and Guidance-Pfade Kontakt aufnehmen, um fachliche Meinungen einzuholen, ohne eine formelle Überweisung zu benötigen.

Nationale Register für seltene Erkrankungen, wo sie existieren, liefern epidemiologische Daten, die eine klinische Präsentation kontextualisieren können, insbesondere für Erkrankungen mit bekannter geografischer oder ethnischer Häufung. ERDERA, die europäische Partnerschaft für Forschung zu seltenen Erkrankungen, die 2024 im Rahmen von Horizon Europe mit einem Budget von etwa 380 Millionen Euro bis 2031 gestartet wurde, soll unter anderem diese Dateninfrastruktur stärken.

Orphanet bleibt der zugänglichste Referenzpunkt für Hausärztinnen und Hausärzte, die Informationen über eine spezifische vermutete seltene Erkrankung suchen. Es bietet Krankheitszusammenfassungen, Prävalenzschätzungen, diagnostische Kriterien und Links zu Fachzentren – ohne dass ein Abonnement oder spezieller Zugang erforderlich ist.

Wie eine gute Abdeckung seltener Erkrankungen in einem System zur klinischen Entscheidungsunterstützung aussieht

Für Hausärztinnen und Hausärzte sowie Beschaffungsverantwortliche, die CDS-Werkzeuge evaluieren, ist die Fähigkeit zu seltenen Erkrankungen kein binäres Merkmal. Sie existiert auf einem Spektrum. Die folgenden Kriterien bieten einen praktischen Bewertungsrahmen:

• Integration mit validierten Datenbanken für seltene Erkrankungen. Greift das Werkzeug auf Orphanet, Online Mendelian Inheritance in Man oder gleichwertige strukturierte Wissensquellen für seltene Erkrankungen zurück? Wenn nicht, ist seine Differenzialdiagnostik für seltene Erkrankungen wahrscheinlich auf Erkrankungen beschränkt, die in allgemeinen klinischen Trainingsdaten vorkommen.

• Phänotypbasierte Differenzialdiagnostik. Bildet das Werkzeug Symptomkombinationen auf Krankheitsprofile ab oder ordnet es rein nach Bevölkerungsprävalenz? Ersteres ist Voraussetzung für zuverlässige Leistung bei seltenen Erkrankungen.

• Transparenz über den Umfang der Trainingsdaten. Kann das Werkzeug oder seine Dokumentation spezifizieren, welche Krankheitskategorien abgedeckt sind und welche nicht? Ein Werkzeug, das diese Frage nicht beantworten kann, kann nicht auf Eignung für den Zweck evaluiert werden.

• Klare Eskalationshinweise. Kennzeichnet das Werkzeug, wenn ein Symptomcluster seinen sicheren Bereich überschreitet oder wenn ein Überweisungspfad für seltene Erkrankungen in Betracht gezogen werden sollte? Hochwertige, volumenarme Warnungen, die nahtlos in den täglichen Workflow integriert sind, werden in der Literatur als Designstandard für effektive klinische Unterstützung bei seltenen Erkrankungen identifiziert.

• Mehrsprachige Konsistenz. Für Werkzeuge, die in europäischen Gesundheitssystemen verwendet werden, sollte die Leistung über die relevante klinische Sprache hinweg evaluiert werden und nicht als äquivalent zur englischsprachigen Leistung angenommen werden.

Kein derzeit verfügbares Werkzeug erfüllt alle diese Kriterien vollständig. Die nicht-algorithmischen Barrieren für die Implementierung, einschließlich fehlender Implementierungsrahmen und der Tatsache, dass biologische Modelle die reale klinische Komplexität nicht vollständig abbilden, bleiben erheblich. Die Kluft zwischen Forschungsleistung und routinemäßigem klinischem Nutzen ist eine anerkannte Einschränkung im gesamten Feld.

Die Rolle der Behandlerin oder des Behandlers, wenn Entscheidungsunterstützung an ihre Grenzen stößt

Systeme zur klinischen Entscheidungsunterstützung sind Entscheidungshilfen. Bei Präsentationen seltener Erkrankungen ist diese Unterscheidung wichtiger als in fast jedem anderen klinischen Kontext. Ein Werkzeug, das bei den häufigsten Präsentationen gut funktioniert, kann bei den seltensten schlecht funktionieren – und seltene Erkrankungen betreffen zusammen Millionen von Patientinnen und Patienten in Europa.

Das British Journal of General Practice beschreibt Hausärztinnen und Hausärzte als Personen mit erheblicher Erfahrung im Umgang mit Multisystemerkrankungen – eine Expertise, die kein aktuelles CDS-Werkzeug replizieren kann. Langfristiges Wissen über eine Patientin oder einen Patienten, Vertrautheit mit der Entwicklung ihrer oder seiner Symptome über die Zeit und die klinische Intuition, dass etwas nicht zu einer häufigen Diagnose passt, sind keine Merkmale, die in einem Differenzialdiagnose-Ranking-Algorithmus abgebildet werden können. Sie sind das Produkt einer anhaltenden klinischen Beziehung und erfahrener Mustererkennung.

Bildung, erhöhtes Bewusstsein und der Einsatz von Technologie werden im Delphi-Konsens als komplementäre Wege zu einer früheren Diagnose seltener Erkrankungen identifiziert – nicht als Alternativen zum klinischen Urteilsvermögen, sondern als Unterstützung dafür. Zu verstehen, was ein System zur klinischen Entscheidungsunterstützung kann und was nicht, ist keine technische Frage. Es ist eine klinische Kompetenz. Bei Präsentationen seltener Erkrankungen ist es möglicherweise die wichtigste, die eine Hausärztin oder ein Hausarzt in die Konsultation einbringt.

Häufig gestellte Fragen

▶ Warum dauert die Diagnose seltener Erkrankungen in der hausärztlichen Versorgung so lange?

Die durchschnittliche Zeit vom Auftreten der Symptome bis zur gesicherten Diagnose einer seltenen Erkrankung beträgt im Vereinigten Königreich und in Europa fünf bis sechs Jahre. Die Hälfte der Patientinnen und Patienten erhält in dieser Zeit mindestens eine Fehldiagnose. Die Verzögerung ist nicht in erster Linie ein Problem der Krankenhäuser. Patientinnen und Patienten mit seltenen Erkrankungen durchlaufen typischerweise mehrere hausärztliche Konsultationen, bevor sie eine Fachärztin oder einen Facharzt erreichen, die oder der die Erkrankung erkennt. Die zentrale Schwierigkeit besteht darin, dass die klinische Mustererkennung auf Häufigkeit kalibriert ist. Erkrankungen, die eine Behandlerin oder ein Behandler noch nie gesehen hat, sind schwerer in Betracht zu ziehen, selbst wenn die klinischen Signale über mehrere Besuche hinweg vorhanden sind.

▶ Warum übersehen Systeme zur klinischen Entscheidungsunterstützung Diagnosen seltener Erkrankungen?

Die meisten Systeme zur klinischen Entscheidungsunterstützung ordnen diagnostische Vorschläge nach Bevölkerungsprävalenz. Seltene Erkrankungen sind in Trainingsdaten systematisch unterrepräsentiert – nicht aufgrund bewusster Ausgrenzung, sondern wegen eines Datenhäufigkeitsproblems. Erkrankungen, die in Trainingsdatensätzen selten vorkommen, erzeugen ein schwaches oder fehlendes Signal in der häufigkeitsgewichteten Differenzialdiagnostik. Ein Scoping-Review von 2026 im International Journal of Medical Informatics bestätigte, dass die Umsetzung von Entscheidungsunterstützung für seltene Erkrankungen in die klinische Routinepraxis über alle vier technologischen Hauptansätze hinweg begrenzt bleibt.

▶ Was ist der Unterschied zwischen häufigkeitsgewichteter und phänotypbasierter klinischer Entscheidungsunterstützung?

Häufigkeitsgewichtete Werkzeuge ordnen diagnostische Vorschläge danach, wie häufig eine Erkrankung in der Allgemeinbevölkerung auftritt. Phänotypbasierte Werkzeuge verfolgen einen anderen Ansatz: Sie gleichen die spezifische Kombination von Symptomen mit Krankheitsprofilen ab, unabhängig davon, wie häufig diese Erkrankungen auftreten. Das macht phänotypbasierte Werkzeuge eher geeignet, Kandidaten für seltene Erkrankungen anzuzeigen, wenn das klinische Bild atypisch ist. Die Human Phenotype Ontology ist das am weitesten verbreitete strukturierte Vokabular für diesen Zweck. Sie unterstützt die systematische Zuordnung von Phänotypen zu Krankheiten über Tausende von Erkrankungen hinweg.

▶ Wie genau identifizieren große Sprachmodelle seltene Erkrankungen?

Eine Studie von 2026 in EBioMedicine evaluierte die Leistung großer Sprachmodelle für die Diagnose seltener Erkrankungen in zehn Sprachen unter Verwendung von 4.917 klinischen Vignetten, die mit Human Phenotype Ontology-Daten strukturiert wurden. GPT-4o platzierte die korrekte Diagnose einer seltenen Erkrankung in 27 Prozent der Fälle auf Englisch unter den drei bestplatzierten Differenzialdiagnosen. Die Leistung war über europäische Sprachen hinweg weitgehend konsistent. Diese Zahl reicht nicht für eine eigenständige klinische Nutzung aus, zeigt aber, dass phänotypstrukturierte Eingaben seltene Diagnosen anzeigen können, die häufigkeitsgewichtete Logik nicht erfassen würde.

▶ Welche Warnsignal-Symptomcluster sollten in der Hausarztpraxis den Verdacht auf eine seltene Erkrankung wecken?

Eine Delphi-Konsensstudie von 2025 identifizierte mehrere klinische Muster, die am häufigsten mit verpassten Diagnosen seltener Erkrankungen verbunden sind: Multisystembeteiligung bei einer jungen Patientin oder einem jungen Patienten, ungeklärte Müdigkeit mit atypischen Begleiterkrankungen, bei denen Standarduntersuchungen unauffällig sind, wiederholte Vorstellungen, die sich nicht zu einer klaren diagnostischen Kategorie aufgelöst haben, unverhältnismäßige Schwere im Verhältnis zur scheinbaren Diagnose und eine positive Familienanamnese ungeklärter schwerer Erkrankungen. Jedes Cluster ist einzeln durch häufige Erkrankungen erklärbar, aber ihre Kombination über die Zeit sollte die Erwägung einer Differenzialdiagnose einer seltenen Erkrankung veranlassen.

▶ Wie kann eine Hausärztin oder ein Hausarzt erkennen, wann die Differenzialdiagnose eines Systems zur klinischen Entscheidungsunterstützung wahrscheinlich unvollständig ist?

Mehrere Indikatoren sollten zusätzliche Skepsis gegenüber der Ausgabe eines Werkzeugs hervorrufen. Dazu gehören eine vorgeschlagene Diagnose, die nicht zum Alter oder zur Symptomdauer der Patientin oder des Patienten passt, frühere Untersuchungen mit unauffälligen Ergebnissen, eine Präsentation, die mehrere Organsysteme umfasst, hohe Werkzeugkonfidenz für eine häufige Erkrankung trotz schlechter klinischer Passung und eine Patientin oder ein Patient, die oder der mehrmals wegen derselben oder verwandter Symptome gesehen wurde. Das Schweigen eines Werkzeugs zu einer Diagnose ist nicht dasselbe wie deren Ausschluss. Ein System zur klinischen Entscheidungsunterstützung, das eine Erkrankung nicht aufführt, hat sie nicht ausgeschlossen.

▶ Welche europäischen Ressourcen existieren, um Hausärztinnen und Hausärzte zu unterstützen, wenn klinische Entscheidungsunterstützung an ihre Grenzen stößt?

Die Europäischen Referenznetzwerke, 24 thematische Netzwerke, die Fachzentren in EU-Mitgliedstaaten verbinden, bieten fachliche Beiträge zu seltenen und komplexen Erkrankungen in Bereichen wie neurologischen Erkrankungen, Bindegewebserkrankungen, Immundefekten und Stoffwechselerkrankungen. Hausärztinnen und Hausärzte können über nationale Zentren für seltene Erkrankungen oder über Advice and Guidance-Pfade Kontakt aufnehmen, ohne eine formelle Überweisung zu benötigen. Orphanet, die europäische Referenzdatenbank für seltene Erkrankungen, bietet Krankheitszusammenfassungen, Prävalenzschätzungen, diagnostische Kriterien und Links zu Fachzentren – ohne dass ein Abonnement oder spezieller Zugang erforderlich ist.

▶ Worauf sollten Hausärztinnen und Hausärzte sowie Beschaffungsverantwortliche bei der Evaluierung der Fähigkeit eines Systems zur klinischen Entscheidungsunterstützung zu seltenen Erkrankungen achten?

Die Fähigkeit zu seltenen Erkrankungen in einem System zur klinischen Entscheidungsunterstützung existiert eher auf einem Spektrum als als binäres Merkmal. Zu den wichtigsten Kriterien gehören die Integration mit validierten Datenbanken für seltene Erkrankungen wie Orphanet oder Online Mendelian Inheritance in Man, phänotypbasierte Differenzialdiagnostik statt rein prävalenzbasierter Ordnung, Transparenz über den Umfang der Trainingsdaten, klare Eskalationshinweise, wenn ein Symptomcluster den sicheren Bereich des Werkzeugs überschreitet, und konsistente Leistung über die relevante klinische Sprache hinweg für Werkzeuge, die in europäischen Gesundheitssystemen verwendet werden. Kein derzeit verfügbares Werkzeug erfüllt alle diese Kriterien vollständig.

▶ Was ist DeepRare und wie unterscheidet es sich von Werkzeugen, die in der routinemäßigen Hausarztpraxis verfügbar sind?

DeepRare, beschrieben in einem kürzlich erschienenen Nature-Artikel, ist ein Multi-Agenten-System, das mehr als 40 spezialisierte Werkzeuge und Wissensquellen integriert. Es verarbeitet Freitextbeschreibungen, strukturierte Human Phenotype Ontology-Begriffe und genetische Ergebnisse, um geordnete diagnostische Hypothesen mit transparenter Begründung zu generieren. Bei Human Phenotype Ontology-basierten Aufgaben erreichte es starke Leistungsmetriken. Expertenbewertungen stimmten in einer deutlichen Mehrheit der Fälle mit seinen Argumentationsketten überein. DeepRare ist noch nicht in routinemäßige hausärztliche Workflows eingebettet, aber es veranschaulicht die Leistungsobergrenze, die phänotypgesteuerte, wissensintegrierte Ansätze erreichen können.

▶ Welche Rolle spielt das klinische Urteilsvermögen, wenn Systeme zur Entscheidungsunterstützung bei Präsentationen seltener Erkrankungen versagen?

Systeme zur klinischen Entscheidungsunterstützung sind Entscheidungshilfen, kein Ersatz für klinisches Urteilsvermögen. Bei Präsentationen seltener Erkrankungen sind langfristiges Wissen über eine Patientin oder einen Patienten, Vertrautheit mit der Entwicklung ihrer oder seiner Symptome über die Zeit und die klinische Erkenntnis, dass etwas nicht zu einer häufigen Diagnose passt, keine Merkmale, die ein Differenzialdiagnose-Ranking-Algorithmus replizieren kann. Ein Delphi-Konsens von 2025 identifizierte Bildung, erhöhtes Bewusstsein und den Einsatz von Technologie als komplementäre Unterstützungen für eine frühere Diagnose seltener Erkrankungen – nicht als Alternativen zum klinischen Urteilsvermögen. Zu verstehen, was ein System zur klinischen Entscheidungsunterstützung kann und was nicht, ist selbst eine klinische Kompetenz.