Diagnostische Fehler gehören zu den folgenreichsten und am wenigsten sichtbaren Problemen in der hausärztlichen Versorgung. In den europäischen Gesundheitssystemen behandeln Hausärztinnen und Hausärzte ein außergewöhnlich breites Spektrum undifferenzierter Beschwerdebilder, oft in zeitlich begrenzten Konsultationen und mit eingeschränktem Zugang zu fachärztlicher Beratung vor Ort. Das Ergebnis ist ein Umfeld, in dem Diagnosefehler sowohl nachvollziehbar als auch in der Summe bedeutsam sind. Die Schätzungen variieren, doch einige Forschungsarbeiten legen nahe, dass ein erheblicher Anteil diagnostischer Fehler in der hausärztlichen Versorgung durch fortgeschrittene Entscheidungsunterstützungssysteme vermeidbar sein könnte. Sollte diese Zahl auch nur annähernd zutreffen, stellt sie eine erhebliche und adressierbare Belastung dar. Vor diesem Hintergrund haben klinische Entscheidungsunterstützungssysteme als technologische Antwort wachsendes Interesse geweckt. Die Evidenz dahinter ist jedoch komplexer, als Herstellerangaben typischerweise vermuten lassen.

Was klinische Entscheidungsunterstützungssysteme in einer hausärztlichen Konsultation tatsächlich leisten

Klinische Entscheidungsunterstützung (Clinical Decision Support, CDS) ist keine einheitliche Technologie. Im hausärztlichen Kontext umfasst sie eine breite Palette von Funktionen: Hinweise zur Differenzialdiagnose, die Erkrankungen aufzeigen, die ein Behandler möglicherweise nicht in Betracht gezogen hat, Warnhinweise auf potenziell schwerwiegende Pathologien, Prüfungen auf Arzneimittelwechselwirkungen, Leitlinien zur Antibiotikaverschreibung, Rechner zur kardiovaskulären Risikostratifizierung und Entscheidungshilfen für Überweisungen.

Eine entscheidende Unterscheidung, die die Interpretation der Evidenz prägt, ist der Unterschied zwischen passiver und aktiver CDS. Passive Systeme arbeiten im Hintergrund, prüfen Verschreibungen auf Wechselwirkungen und markieren auffällige Befunde, ohne den Konsultationsablauf zu unterbrechen. Aktive Systeme greifen in Echtzeit ein und bieten während der klinischen Begegnung selbst Vorschläge an. Diese beiden Modi erzeugen unterschiedliche Evidenzprofile, verschiedene Implementierungsherausforderungen und unterschiedliche Risiken.

Die LINNEAUS-Meta-Review zu computergestützten diagnostischen Entscheidungsunterstützungssystemen in der hausärztlichen Versorgung stellte fest, dass eine tiefe Integration in das Praxisverwaltungssystem und die Auslösung der Unterstützung an geeigneten Punkten im kognitiven Arbeitsablauf Voraussetzungen für Wirksamkeit sind. Diese Erkenntnis gilt weit mehr für aktive als für passive Systeme. Große Sprachmodelle (Large Language Models, LLM) können Patientenanamnese, aktuelle Symptome und klinischen Kontext zusammenführen, um priorisierte Differenzialdiagnosen zu erstellen oder nächste Schritte vorzuschlagen. Dies stellt einen qualitativen Wandel gegenüber regelbasierten Warnmeldungen dar, wirft aber auch neue Fragen zur Zuverlässigkeit, Kalibrierung und zum Vertrauen der Behandelnden auf.

Wie Forschende die Reduktion diagnostischer Fehler messen

Bevor wir bewerten, was die Evidenz zeigt, lohnt es sich zu verstehen, warum die Messung der Reduktion diagnostischer Fehler methodisch schwierig ist und warum Hausärztinnen und Hausärzte veröffentlichte Effektgrößen mit Vorsicht betrachten sollten.

Diagnostische Fehler werden typischerweise retrospektiv identifiziert: Eine verpasste Diagnose wird erst sichtbar, wenn sich der Zustand eines Patienten verschlechtert, er mit sich verschlimmernden Symptomen zurückkehrt oder von einem Facharzt eine andere Diagnose erhält. Dies macht prospektive Messungen herausfordernd. Die meisten Studien stützen sich auf Proxy-Endpunkte: angemessene Überweisungsraten, Zeit bis zur Diagnose, Angemessenheit der Antibiotikaverschreibung oder Muster bei Laboruntersuchungsanforderungen. Dies sind legitime Maße für klinische Prozesse, aber sie sind nicht dasselbe wie bestätigte Reduktionen von Patientenschäden durch verpasste Diagnosen.

Auch die Studiendesigns variieren enorm. Randomisierte kontrollierte Studien sind in diesem Bereich selten und schwer durchzuführen. Behandelnde können nicht einfach verblindet werden, ob sie ein CDS-Tool verwenden, und Cluster-Randomisierung bringt eigene Störfaktoren mit sich. Beobachtungsstudien und Audit-Daten dominieren die Literatur, was kausale Schlussfolgerungen einschränkt.

Ein Scoping Review von 2021 im International Journal of Environmental Research and Public Health kam zu dem Schluss, dass CDS-Systeme zwar nachweislich die Versorgungsqualität in verschiedenen medizinischen Settings verbessern, ihre Nützlichkeit speziell im diagnostischen Bereich jedoch unklar bleibt. Die LINNEAUS-Meta-Review prüfte 1.970 Studien und fand nur 12, die für die Aufnahme geeignet waren. Die Evidenzbasis ist dünn, nicht weil CDS-Tools notwendigerweise versagen, sondern weil die Forschungsinfrastruktur zu ihrer rigorosen Bewertung in der hausärztlichen Versorgung hinter ihrer Einführung zurückgeblieben ist.

Wo die Evidenz am stärksten ist: spezifische Erkrankungen und Anwendungsfälle

Trotz dieser methodischen Vorbehalte gibt es Bereiche, in denen CDS-Tools ein konsistentes und glaubwürdiges Signal in der hausärztlichen Versorgung zeigen.

Die Angemessenheit von Laboruntersuchungsanforderungen ist einer der am robustesten untersuchten Bereiche. Die ELMO-Cluster-randomisierte Studie, durchgeführt in der belgischen hausärztlichen Versorgung von der KU Leuven und der Universität Gent, fand heraus, dass ein CDS-System mit Auftragssätzen für 17 häufige Indikationen die Angemessenheit verbesserte und das Volumen der Laboruntersuchungsanforderungen reduzierte, während es hinsichtlich der Inzidenz diagnostischer Fehler nicht schlechter als die übliche Versorgung war. Dies ist eine hochwertige europäische randomisierte kontrollierte Studie (RCT), die echte Sicherheit bietet, auch wenn sie keine aktive Fehlerreduktion nachweist.

Kardiovaskuläre Risikostratifizierung ist ein weiterer Bereich, in dem strukturierte CDS-Tools messbare Prozessverbesserungen gezeigt haben, vor allem weil die Entscheidungsaufgabe gut definiert und berechenbar ist. Ebenso hat sich die Angemessenheit der Antibiotikaverschreibung, ein wichtiges Anliegen in der europäischen hausärztlichen Versorgung, in mehreren Studien durch CDS-Hinweise verbessert, wobei der Mechanismus eher verhaltensbezogen als streng diagnostisch ist.

Die Beurteilung von Herzrhythmusstörungen ist ein aufkommender Bereich. Eine französische Hausarzt-Umfrage zur KI-gestützten Elektrokardiogramm-Interpretation ergab, dass 72 Prozent der Hausärzte angaben, sie würden EKGs häufiger einsetzen, wenn KI zur Interpretation verfügbar wäre, und dass KI eine diagnostische Genauigkeit in der EKG-Analyse nachgewiesen hat, die der von Kardiologen entspricht. Bemerkenswerterweise betrachteten 57 Prozent der Befragten KI als diagnostische Hilfe und nicht als autonomes System – eine Sichtweise, die widerspiegelt, wie die meisten Behandelnden CDS-Tools in der Praxis sehen.

Kollektive diagnostische Überlegungen bieten eine ergänzende Perspektive. Eine Studie von 2024 in Medical Decision Making zeigte, dass die Aggregation unabhängiger Hausarzt-Diagnosen die diagnostische Genauigkeit erheblich verbessert und dass die Kombination dieses Ansatzes mit einem Entscheidungsunterstützungssystem weitere Verbesserungen brachte. Die Pluralitätsregel, die alle unabhängigen Diagnosen gleich gewichtet, übertraf die durchschnittliche individuelle Hausarzt-Genauigkeit deutlich, wobei der Effekt mit der Gruppengröße zunahm.

Die vielleicht beeindruckendste Real-World-Evidenz stammt aus einer Studie von Korom et al. aus dem Jahr 2025, durchgeführt in Partnerschaft mit Penda Health über 39.849 Patientenbesuche in 15 Kliniken in Nairobi. Behandelnde, die ein LLM-basiertes AI Consult-Tool verwendeten, machten 16 Prozent weniger diagnostische Fehler und 13 Prozent weniger Behandlungsfehler im Vergleich zu denen ohne Zugang. In absoluten Zahlen wurde prognostiziert, dass das Tool diagnostische Fehler bei 22.000 Besuchen und Behandlungsfehler bei 29.000 Besuchen jährlich in diesem einzelnen Gesundheitsnetzwerk verhindert. Alle befragten Behandelnden gaben an, dass AI Consult die Qualität der von ihnen erbrachten Versorgung verbesserte, wobei 75 Prozent den Effekt als erheblich beschrieben.

Wo die Evidenz schwach, inkonsistent oder fehlend ist

Die Ergebnisse von Penda Health sind beeindruckend, erfordern aber eine sorgfältige Kontextualisierung. Es existiert auch ein direkt widersprüchliches Ergebnis aus einer qualitativ hochwertigeren Studie.

Eine pragmatische Cluster-randomisierte Studie testete ChatGPT-4o-gestützte klinische Entscheidungsunterstützung in kenianischen hausärztlichen Einrichtungen und fand heraus, dass sie das 14-Tage-Behandlungsversagen gegenüber der üblichen Versorgung nicht signifikant reduzierte. Dies ist das rigoroseste verfügbare Studiendesign, eine peer-reviewte RCT, und ihr Null-Ergebnis bei einem harten klinischen Endpunkt ist ein bedeutsames Gegengewicht zur Beobachtungsevidenz aus der Penda-Studie. Die beiden Studien stehen nicht notwendigerweise im Widerspruch (sie maßen unterschiedliche Endpunkte, in unterschiedlichen Settings, mit unterschiedlichen Tools), aber zusammen veranschaulichen sie, dass die Evidenz nicht einheitlich positiv ist.

Allgemeiner fand die qualitative PMC-Studie von 2025 zu Behandelnden in der hausärztlichen Versorgung, dass zwar zahlreiche Studien Verbesserungen bei prozessbezogenen Endpunkten wie erhöhten Screening-Raten und reduzierten unvollständigen Anforderungen nachgewiesen haben, aber weniger Studien Patientenergebnisse evaluiert und berichtet haben. Diese Lücke zwischen Prozessverbesserung und nachweisbarem Patientennutzen ist ein wiederkehrendes Thema in der Literatur.

Alarm-Fatigue ist ein gut dokumentierter Mechanismus, durch den in kontrollierten Settings nachgewiesene Wirksamkeit sich nicht in reale Effektivität übersetzt. Wenn CDS-Systeme häufige Warnmeldungen mit geringer Spezifität erzeugen, lernen Behandelnde, diese gewohnheitsmäßig zu übergehen. Die Übergehungsrate wird zur Obergrenze für jeden potenziellen Nutzen, und in einigen Settings kann der Nettoeffekt auf das klinische Denken negativ sein.

Es gibt auch erhebliche Lücken nach Erkrankung und Fachgebiet. Für viele der undifferenzierten Beschwerdebilder, die die hausärztliche Praxis prägen, einschließlich Müdigkeit, Bauchschmerzen und muskuloskelettaler Symptome, gibt es wenig oder keine peer-reviewte Evidenz, dass CDS-Tools diagnostische Fehlerraten reduzieren. Die Erkrankungen, bei denen die Evidenz am stärksten ist (kardiovaskuläres Risiko, Antibiotikaverschreibung, Laboranforderungen), sind genau diejenigen, bei denen die diagnostische Aufgabe am strukturiertesten und berechenbarsten ist. Die unübersichtlicheren, kognitiv anspruchsvolleren Beschwerdebilder im Kern der hausärztlichen Arbeit bleiben weitgehend unerforscht.

Der europäische hausärztliche Kontext: warum das Setting wichtig ist

Ein erheblicher Teil der Evidenzbasis für CDS-Tools in der hausärztlichen Versorgung stammt aus US-Gesundheitssystemen oder Krankenhausumgebungen, und keines von beiden lässt sich direkt auf die europäische hausärztliche Praxis übertragen.

In den Vereinigten Staaten operiert die hausärztliche Versorgung innerhalb einer anderen Praxisverwaltungssystem-Landschaft, mit unterschiedlichen Anreizstrukturen, anderen Dokumentationsnormen und abweichenden Patientenpanel-Größen. Krankenhausbasierte Studien beinhalten typischerweise akutere, besser definierte diagnostische Fragen als die chronischen, multimorbiden und undifferenzierten Beschwerdebilder, die europäische hausärztliche Konsultationen dominieren. Studien, die in ressourcenärmeren Settings durchgeführt wurden, einschließlich der Penda Health-Studie in Kenia und der Nature Medicine-Studie, betreffen klinische Umgebungen, die sich erheblich von der NHS- oder nordischen hausärztlichen Versorgung unterscheiden – hinsichtlich der diagnostischen Basisinfrastruktur, der Konsultationslänge und des Zugangs zu Überweisungswegen.

Die ELMO-Studie aus Belgien bleibt eine der wenigen hochwertigen europäischen RCTs, die speziell in der hausärztlichen Versorgung durchgeführt wurden, und ihr Fokus auf Laboranforderungen statt auf diagnostischer Genauigkeit per se begrenzt, was gefolgert werden kann. Die LINNEAUS-Meta-Review, eine europäische Zusammenarbeit, forderte standardisierte, berechenbare Ansätze zur Wissensrepräsentation und tiefere Praxisverwaltungssystem-Integration und stellte fest, dass keine der beiden Bedingungen in den überprüften Studien konsistent erfüllt wurde. Diese Beobachtung von 2016 wurde im folgenden Jahrzehnt nicht vollständig adressiert.

Auch die Konsultationslänge ist wichtig. Ein Hausarzt, der mit zehnminütigen Terminen arbeitet, sieht sich anderen Einschränkungen gegenüber als ein Behandelnder in einem Studien-Setting mit mehr Zeit, sich mit einer CDS-Schnittstelle zu beschäftigen. Tools, die zusätzliche Dateneingabe erfordern oder die Vorschläge an einem Punkt im Arbeitsablauf präsentieren, an dem die klinische Entscheidung faktisch bereits getroffen wurde, werden unabhängig von ihrer zugrunde liegenden Genauigkeit wahrscheinlich keine Ergebnisse verändern.

Das Human-Factors-Problem: wenn CDS-Tools ignoriert oder falsch verwendet werden

Die Wirksamkeit jedes CDS-Tools ist begrenzt durch die Frage, ob und wie Behandelnde es nutzen. Die qualitative Studie von 2025 zu Behandelnden in der hausärztlichen Versorgung identifizierte erhebliche Barrieren für die Einführung: Widerstand von Behandelnden, organisatorische Genehmigungsprozesse, fehlende Infrastruktur und unzureichende Evidenz für die Wirksamkeit, die den Endnutzenden kommuniziert wird. Behandelnde betonten, dass Tools sich in bestehende Praxisverwaltungssysteme integrieren und eine leicht zu bedienende Schnittstelle bieten müssen – Anforderungen, die in der Praxis häufig nicht erfüllt werden.

Automation Bias, die Tendenz, sich zu stark auf algorithmische Vorschläge zu verlassen und das klinische Urteilsvermögen zu unterbewerten, ist ein dokumentiertes Risiko, das in die entgegengesetzte Richtung von Alarm-Fatigue wirkt. Wo Alarm-Fatigue zu Unternutzung führt, führt Automation Bias zu unkritischer Übernutzung. Beide stellen Implementierungsfehler dar und sind keine inhärenten Eigenschaften der Tools, werden aber konsistent in realen Settings beobachtet.

Das Frontiers in Medicine Framework-Papier zur Reduktion von Fehldiagnosen in KI-gestützter Diagnostik kommt zu dem Schluss, dass ein koordinierter, mehrdimensionaler Ansatz essenziell ist, der robuste technische Kontrollen, klare ethische Leitlinien und definierte Verantwortlichkeitsstrukturen integriert. Dies ist keine Kritik an einem spezifischen Tool. Es spiegelt die breitere Erkenntnis wider, dass Implementierungskontext und Governance genauso wichtig sind wie die zugrunde liegende Technologie.

Ein Scoping Review von 2025 zu KI in der ambulanten hausärztlichen Versorgung fand heraus, dass die meisten Studien in der Entwicklungsphase bleiben, mit minimaler Real-World-Implementierung jenseits von Ambient Scribing und klinischer Entscheidungsunterstützung. Von 3.203 geprüften Manuskripten berichteten nur acht über klinische Studienergebnisse. Die Lücke zwischen veröffentlichten Modellen und eingesetzten, evaluierten Systemen bleibt groß.

Wie gute Evidenz tatsächlich aussehen würde

Angesichts der oben beschriebenen methodischen Einschränkungen lohnt es sich, spezifisch zu sein, welches Studiendesign einem Hausarzt angemessenes Vertrauen geben würde, dass ein CDS-Tool diagnostische Fehler in seinem Setting reduziert.

Die minimal glaubwürdige Evidenzbasis würde umfassen:

• Prospektives Design: Endpunkte, die vor und nach Tool-Einführung in vergleichbaren Populationen gemessen werden, idealerweise mit Randomisierung auf Praxis- oder Cluster-Ebene

• Europäische hausärztliche Populationen: nicht US-Gesundheitssysteme, nicht Krankenhausumgebungen, nicht ressourcenärmere Umgebungen mit unterschiedlicher Basisinfrastruktur

• Bestätigte diagnostische Endpunkte: nicht Proxy-Maße wie Überweisungsraten oder Testanforderungsmuster, sondern verifizierte diagnostische Genauigkeit anhand von Follow-up-Daten

• Unabhängige Validierung: Ergebnisse, die nicht ausschließlich vom Tool-Entwickler finanziert oder durchgeführt wurden

• Berichtete Übergehungsraten und Alarm-Fatigue-Daten: um zu bestätigen, dass das Tool tatsächlich so verwendet wurde, wie die Studie annimmt

• Ausreichendes Follow-up: Diagnostische Fehler manifestieren sich oft Wochen oder Monate nach der Index-Konsultation. Kurzfristige Endpunktfenster verpassen einen erheblichen Anteil relevanter Ereignisse

Die automatisierte Methode zur Erkennung diagnostischer Diskrepanzen, validiert in Schweizer Notaufnahmen, die AUC-Werte (Area Under the Curve) von 0,94 bis 0,95 als Screening-Tool für diagnostische Fehler erreichte, bietet ein Modell dafür, wie retrospektive Fehleridentifikation im großen Maßstab operationalisiert werden könnte. Die Anwendung ähnlicher Methoden auf hausärztliche Audit-Daten könnte die Evidenzbasis erheblich verbessern, auch wenn dies bislang eine Forschungslücke und keine etablierte Praxis bleibt.

Was Hausärzte von klinischer Entscheidungsunterstützung heute vernünftigerweise erwarten sollten

Die ehrliche Zusammenfassung der aktuellen Evidenz lautet: CDS-Tools können spezifische, gut definierte klinische Prozesse in der hausärztlichen Versorgung verbessern, darunter Laboruntersuchungsanforderungen, Antibiotikaverschreibung, kardiovaskuläre Risikostratifizierung und potenziell die Herzrhythmusbeurteilung. In diesen Bereichen ist die Evidenz glaubwürdig und in einigen Fällen aus hochwertigen europäischen RCTs abgeleitet.

Was die Evidenz noch nicht belegt, ist, dass CDS-Tools die Gesamtraten diagnostischer Fehler in der allgemeinen europäischen hausärztlichen Versorgung reduzieren. Die Studien, die die größten Effekte zeigen (die Penda Health-Beobachtungsstudie), wurden in unterschiedlichen Gesundheitskontexten durchgeführt und verwenden Proxy- oder selbstberichtete Endpunkte. Die qualitativ hochwertigste verfügbare RCT (die Nature Medicine Cluster-randomisierte Studie) fand keine signifikante Reduktion bei harten klinischen Endpunkten. Die grundlegenden systematischen Reviews identifizieren nur eine Handvoll Studien, die Qualitätsschwellen erfüllen, und fordern rigorosere Methodik.

Für Hausärzte, die abwägen, ob sie ein CDS-Tool einsetzen oder empfehlen sollen, sind die folgenden Fragen sinnvoll, jedem Anbieter oder Implementierungsteam zu stellen:

• Was ist die Evidenzbasis, und wurde sie in einem europäischen hausärztlichen Setting generiert?

• Wurden Endpunkte auf Patientenebene gemessen oder nur auf Prozessebene?

• Wie hoch sind die Alarm-Übergehungsraten in der realen Anwendung, und wie wird Alarm-Fatigue überwacht?

• Wie integriert sich das Tool in das bestehende Praxisverwaltungssystem, und an welchem Punkt im Konsultationsablauf greift es ein?

• Wurde das Tool unabhängig validiert, oder stammen die unterstützenden Studien hauptsächlich vom Entwickler?

• Ist das Tool als Medizinprodukt im Rahmen des relevanten regulatorischen Rahmens klassifiziert, und welche Marktüberwachung nach dem Inverkehrbringen ist vorhanden?

CDS-Tools sind nicht ohne Wert in der hausärztlichen Versorgung. Die Evidenz für spezifische Anwendungen ist real. Aber die Behauptung, dass sie diagnostische Fehler breit reduzieren, über das gesamte Spektrum der Beschwerdebilder, denen ein Hausarzt begegnet, wird von der verfügbaren Evidenz noch nicht gestützt. Sie als gezielte Hilfen für gut definierte Aufgaben zu betrachten, statt als allgemeine Lösungen für diagnostische Unsicherheit, spiegelt wider, was die Forschung tatsächlich zeigt.

Häufig gestellte Fragen

▶ Reduzieren klinische Entscheidungsunterstützungssysteme tatsächlich diagnostische Fehler in der hausärztlichen Praxis?

Die Evidenz ist gemischt. Einige Studien zeigen messbare Verbesserungen bei spezifischen klinischen Prozessen wie Laboruntersuchungsanforderungen und Antibiotikaverschreibung, aber keine hochwertige europäische randomisierte kontrollierte Studie hat bisher eine breite Reduktion diagnostischer Fehlerraten über das gesamte Spektrum der Beschwerdebilder nachgewiesen, denen ein Hausarzt begegnet. Die rigoroseste verfügbare RCT, eine Cluster-randomisierte Studie zur ChatGPT-4o-gestützten Entscheidungsunterstützung in der kenianischen hausärztlichen Versorgung, fand keine signifikante Reduktion bei harten klinischen Endpunkten. Die Evidenz unterstützt die Verwendung dieser Tools als gezielte Hilfen für gut definierte Aufgaben statt als allgemeine Lösungen für diagnostische Unsicherheit.

▶ Was ist der Unterschied zwischen passiver und aktiver klinischer Entscheidungsunterstützung?

Passive klinische Entscheidungsunterstützungssysteme (CDS) arbeiten im Hintergrund, prüfen Verschreibungen auf Arzneimittelwechselwirkungen oder markieren auffällige Befunde, ohne die Konsultation zu unterbrechen. Aktive Systeme greifen in Echtzeit während der klinischen Begegnung ein und bieten Hinweise zur Differenzialdiagnose oder Warnmeldungen an. Die beiden Modi erzeugen unterschiedliche Evidenzprofile und verschiedene Implementierungsherausforderungen. Forschung legt nahe, dass eine tiefe Integration in das Praxisverwaltungssystem und die Auslösung der Unterstützung am richtigen Punkt im kognitiven Arbeitsablauf des Behandelnden Voraussetzungen dafür sind, dass aktive CDS wirksam ist.

▶ Welche klinischen Bereiche haben die stärkste Evidenz für Entscheidungsunterstützungstools in der hausärztlichen Versorgung?

Die stärkste Evidenz betrifft die Angemessenheit von Laboruntersuchungsanforderungen, Antibiotikaverschreibung und kardiovaskuläre Risikostratifizierung. Die ELMO-Cluster-randomisierte Studie, durchgeführt in der belgischen hausärztlichen Versorgung, fand heraus, dass ein CDS-System die Angemessenheit von Laboruntersuchungsanforderungen verbesserte und hinsichtlich der Inzidenz diagnostischer Fehler nicht schlechter als die übliche Versorgung war. Herzrhythmusbeurteilung ist ein aufkommender Bereich: Eine französische Hausarzt-Umfrage ergab, dass KI-gestützte EKG-Interpretation eine diagnostische Genauigkeit nachgewiesen hat, die der von Kardiologen entspricht, und 72 Prozent der Hausärzte sagten, sie würden EKGs häufiger einsetzen, wenn KI-Interpretation verfügbar wäre.

▶ Warum ist es so schwierig zu messen, ob klinische Entscheidungsunterstützung diagnostische Fehler reduziert?

Diagnostische Fehler werden typischerweise retrospektiv identifiziert und werden erst sichtbar, wenn sich der Zustand eines Patienten verschlechtert oder er später eine andere Diagnose erhält. Dies macht prospektive Messungen schwierig. Die meisten Studien stützen sich auf Proxy-Endpunkte wie Überweisungsraten oder Testanforderungsmuster statt auf bestätigte Reduktionen von Patientenschäden. Randomisierte kontrollierte Studien sind selten, weil Behandelnde nicht verblindet werden können, ob sie ein CDS-Tool verwenden. Die LINNEAUS-Meta-Review prüfte 1.970 Studien und fand nur 12, die für die Aufnahme geeignet waren, was widerspiegelt, wie dünn die Evidenzbasis bleibt.

▶ Was ist Alarm-Fatigue, und wie beeinflusst sie die reale Wirksamkeit dieser Tools?

Alarm-Fatigue tritt auf, wenn CDS-Systeme häufige Warnmeldungen mit geringer Spezifität erzeugen und Behandelnde lernen, diese gewohnheitsmäßig zu übergehen. Die Übergehungsrate wird zur Obergrenze für jeden potenziellen Nutzen. In einigen Settings kann der Nettoeffekt auf das klinische Denken negativ sein. Sie wirkt in die entgegengesetzte Richtung von Automation Bias, der Tendenz, sich zu stark auf algorithmische Vorschläge zu verlassen und das klinische Urteilsvermögen zu unterbewerten. Beide stellen Implementierungsfehler dar und keine inhärenten Mängel der Tools, werden aber konsistent in realen Settings beobachtet.

▶ Gilt Evidenz aus US- oder afrikanischen Gesundheitssystemen für die europäische hausärztliche Praxis?

Nicht direkt. Ein erheblicher Teil der CDS-Evidenzbasis stammt aus US-Gesundheitssystemen oder Krankenhausumgebungen, die unterschiedliche Praxisverwaltungssystem-Landschaften, Anreizstrukturen und Patientenpanel-Größen aufweisen. Studien aus ressourcenärmeren Settings, einschließlich der Penda Health-Studie in Kenia, betreffen klinische Umgebungen, die sich erheblich von der NHS- oder nordischen hausärztlichen Versorgung unterscheiden – hinsichtlich diagnostischer Basisinfrastruktur, Konsultationslänge und Zugang zu Überweisungswegen. Die ELMO-Studie aus Belgien bleibt eine der wenigen hochwertigen europäischen RCTs, die speziell in der hausärztlichen Versorgung durchgeführt wurden.

▶ Welche Fragen sollte ein Hausarzt stellen, bevor er ein klinisches Entscheidungsunterstützungssystem einführt?

Es lohnt sich zu fragen, ob die Evidenz in einem europäischen hausärztlichen Setting generiert wurde und ob Endpunkte auf Patientenebene oder nur auf Prozessebene gemessen wurden. Sie sollten auch fragen, wie hoch die Alarm-Übergehungsraten in der realen Anwendung sind, wie sich das Tool in das bestehende Praxisverwaltungssystem integriert und an welchem Punkt im Konsultationsablauf es eingreift. Zu prüfen, ob das Tool unabhängig validiert wurde, statt ausschließlich vom Entwickler untersucht, und ob es als Medizinprodukt im Rahmen des relevanten regulatorischen Rahmens klassifiziert ist, sind ebenfalls wichtige Schritte.

▶ Wie würde gute Evidenz für die Reduktion diagnostischer Fehler in der hausärztlichen Versorgung tatsächlich aussehen?

Glaubwürdige Evidenz würde ein prospektives Design mit Randomisierung auf Praxis- oder Cluster-Ebene erfordern, durchgeführt in europäischen hausärztlichen Populationen statt in Krankenhaus- oder ressourcenärmeren Settings. Endpunkte müssten verifizierte diagnostische Genauigkeit anhand von Follow-up-Daten sein, nicht Proxy-Maße wie Überweisungsraten. Die Studien würden unabhängige Validierung benötigen, berichtete Alarm-Übergehungsraten, um zu bestätigen, dass das Tool tatsächlich wie angenommen verwendet wurde, und ausreichende Follow-up-Zeit, da diagnostische Fehler sich oft Wochen oder Monate nach der Index-Konsultation manifestieren.

▶ Was fand die Penda Health-Studie heraus, und wie sollten ihre Ergebnisse interpretiert werden?

Eine Studie von Korom et al. aus dem Jahr 2025, durchgeführt über 39.849 Patientenbesuche in 15 Kliniken in Nairobi, fand heraus, dass Behandelnde, die ein LLM-basiertes AI Consult-Tool verwendeten, 16 Prozent weniger diagnostische Fehler und 13 Prozent weniger Behandlungsfehler machten im Vergleich zu denen ohne Zugang. Alle befragten Behandelnden gaben an, dass das Tool die Qualität der von ihnen erbrachten Versorgung verbesserte. Die Studie ist jedoch eher beobachtend als randomisiert und wurde in einer klinischen Umgebung durchgeführt, die sich erheblich von der europäischen hausärztlichen Praxis unterscheidet. Ein direkt widersprüchliches Ergebnis existiert aus einer qualitativ hochwertigeren RCT in einem vergleichbaren Setting, die keine signifikante Reduktion bei harten klinischen Endpunkten fand.