Man ordnet keinen Test an in der Hoffnung, er falle positiv aus
Wenn eine Ärztin ein Troponin anfordert, fragt sie nicht: „Hat dieser Patient einen Herzinfarkt?“ Sie fragt: „Wie stark sollte dieses Ergebnis meine Einschätzung verändern?“ Das sind zwei verschiedene Fragen.
Bevor sie den Test anordnet, hat sie bereits eine Einschätzung. Ein 62-jähriger Mann mit Brustschmerz, der in den linken Arm ausstrahlt, und kaltem Schweiß hat eine hohe Vortestwahrscheinlichkeit für ein akutes Koronarsyndrom. Eine 28-jährige Frau mit denselben Beschwerden nach drei Espressi hat eine niedrige. Das Troponin bedeutet für beide etwas anderes. Bei ihm bestätigt ein leicht erhöhtes Troponin, was die Ärztin bereits vermutet hat. Bei ihr ist dasselbe Ergebnis eher falsch positiv. Der Test ist nicht perfekt, und wer einen unvollkommenen Test bei jemandem einsetzt, der die Erkrankung wahrscheinlich nicht hat, hat die Mathematik gegen sich.
Jeder Test hat eine Sensitivität und eine Spezifität. Die Sensitivität gibt an, wie oft der Test die Krankheit erkennt, wenn sie tatsächlich vorliegt. Die Spezifität gibt an, wie oft er jemanden zu Recht als gesund einstuft, der sie nicht hat. Kein Test erreicht bei einer der beiden 100 %. Ein Test mit 95 % Sensitivität übersieht immer noch 5 % der echten Fälle. Ein Test mit 90 % Spezifität markiert immer noch 10 % der Gesunden fälschlich. Diese Zahlen sind Eigenschaften des Tests, nicht des Patienten. Und sie bedeuten, dass jedes Ergebnis eine Unsicherheit trägt, die Ihre Einschätzung verschieben, sie aber nicht ersetzen sollte.
Genau das ist bayessches Denken. Man beginnt mit dem, was man über den Patienten schon weiß. Eine neue Information kommt hinzu. Man passt seine Einschätzung daran an, wie verlässlich diese Information ist. Dann wiederholt man das mit der nächsten.
Die meisten klinischen KI-Systeme tun das Gegenteil
Die meisten KI-Systeme im Gesundheitswesen arbeiten rückwärts. Sie nehmen eine Sammlung von Ergebnissen, Vitalwerten, Laborwerten, Diagnosen und Medikamenten und gleichen sie rückblickend mit Mustern ab, die sie aus Trainingsdaten gelernt haben. Das System sieht ein Kreatinin von 1,6, einen Diabetes in der Vorgeschichte und einen ACE-Hemmer auf dem Medikationsplan und gibt „wahrscheinlich CKD“ aus, weil diese Kombination in den Trainingsfällen häufig zusammen auftrat.
Das klingt vernünftig, bis man bedenkt, was fehlt. Das System weiß nicht, ob das Kreatinin steigt oder stabil ist. Es weiß nicht, ob der ACE-Hemmer zur Nephroprotektion oder gegen den Blutdruck verordnet wurde. Es weiß nicht, dass das Kreatinin vor zwei Jahren bei 0,9 lag und seither stetig gestiegen ist. Es berücksichtigt nicht, dass die Albuminbestimmung im Urin in dieser Population eine Rate falsch positiver Befunde von 15 % hat. Es gleicht nur die aktuelle Momentaufnahme mit historischen Mustern ab und vergibt ein Etikett.
Eine Ärztin, die denselben Patienten vor sich hat, würde vorwärts denken. Sie würde mit der A-priori-Wahrscheinlichkeit einer CKD angesichts von Alter, Geschlecht und Risikofaktoren beginnen. Sie würde diese anhand des Kreatinins anpassen, die Anpassung aber danach gewichten, wie sehr sie einer einzelnen Kreatininmessung traut. Sie würde auf den Trend achten, nicht nur auf den heutigen Wert. Sie würde den ACE-Hemmer berücksichtigen, aber erst fragen, warum er verordnet wurde, bevor sie ihn als Hinweis auf eine Nierenerkrankung wertet. Jeder Befund verschiebt die Wahrscheinlichkeit, und jeder wird nach seiner Verlässlichkeit gewichtet.
Der retrospektive Ansatz fragt: Wonach sieht das aus? Der prospektive Ansatz fragt: Was sagt uns diese neue Information angesichts all dessen, was wir bisher wissen, und wie weit können wir ihr trauen?
Den ganzen Patienten sehen oder nur die Befunde
Eines der ersten Dinge, die man in der klinischen Ausbildung lernt: Man behandelt den Patienten, nicht den Laborwert. Ein Kalium von 5,8 in einer hämolytischen Probe bedeutet nichts. Ein Blutdruck von 160 bei jemandem, der gerade zum Termin gerannt ist, ist keine Hypertonie. Der Kontext entscheidet, ob ein Ergebnis Signal oder Rauschen ist, und Kontext verlangt, den Patienten über das hinaus zu kennen, was heute in der Akte steht.
Eine Allzweck-KI verarbeitet Befunde. Sie liest die Zahlen, die Arztbriefe, die kodierten Diagnosen und erzeugt daraus anhand textueller Muster eine Ausgabe. Darin ist sie sehr gut. Sie fasst einen Entlassbrief schneller zusammen als jeder Mensch. Sie kann aus unordentlichem klinischem Text strukturierte Daten gewinnen. Aber sie liest die Akte so, wie man eine Fallgeschichte im Lehrbuch liest: im Nachhinein.
Eine Ärztin, die einen Patienten in Echtzeit sieht, tut etwas anderes. Sie denkt unter Unsicherheit und in der Zeit vorwärts, passt ihre Einschätzung mit jeder neuen Information an und gewichtet jede danach, wie sehr sie ihr traut. Sie weiß, dass ein positives D-Dimer bei einem Patienten mit niedrigem Risiko wahrscheinlich falsch positiv ist. Sie weiß, dass ein unauffälliger Röntgen-Thorax eine beginnende Pneumonie nicht ausschließt. Sie trägt die Vortestwahrscheinlichkeit im Kopf und passt sie mit jedem Befund an, nicht gleichmäßig, sondern im Verhältnis zu seinem diagnostischen Wert.
Als wir Chroneme entwickelt haben, wollten wir, dass das System so denkt wie sie und nicht wie eine Suchmaschine. Vorwärts, nicht rückwärts. Mit jeder neuen Evidenz werden die Wahrscheinlichkeiten aktualisiert, gewichtet danach, wie verlässlich diese Evidenz tatsächlich ist.
Wie das in der Praxis aussieht
Ein 58-jähriger Mann mit Typ-2-Diabetes kommt zur Routinekontrolle der Laborwerte. Seine Ausgangswahrscheinlichkeit für eine chronische Nierenerkrankung, abgeleitet aus Alter, Geschlecht und Diabetes, liegt auf einem bestimmten Niveau. Nicht bei null, denn Diabetes ist die häufigste Ursache einer CKD. Nicht hoch, denn er hat keine Symptome und keine früheren Nierenbefunde.
Sein Kreatinin liegt bei 1,2. Formal im Normbereich, aber höher als beim letzten Mal. Das System passt seine Einschätzung an, allerdings nur wenig, denn ein einzelnes leicht erhöhtes Kreatinin hat einen bescheidenen diagnostischen Wert. Für sich genommen sind Sensitivität und Spezifität eines einzelnen Kreatininwerts für eine CKD nicht besonders hoch.
Zehn Monate später liegt das Kreatinin bei 1,4, die eGFR ist unter 60 gefallen. Jetzt fällt die Anpassung größer aus, denn eine eGFR unter 60 hat einen deutlich höheren diagnostischen Wert für eine CKD. Doch das System sieht noch etwas, das ein statisches Modell nicht sehen kann: den Verlauf. Das Kreatinin ist nicht nur erhöht. Es steigt mit einer Geschwindigkeit, die es, fortgeschrieben, in einen bedenklichen Bereich bringt.
Ein Jahr später tritt eine Proteinurie auf. Die Wahrscheinlichkeit ist nun hoch genug, um zu handeln. Klinisch entscheidend ist aber Folgendes: Das System hatte diesen Patienten schon Monate vor dem Auftreten der Proteinurie markiert. Nicht mit Gewissheit, sondern mit einer Wahrscheinlichkeit, die so anstieg, dass sie Aufmerksamkeit verdiente. Die Ärztin, die die Akte durchsieht, kann jede Anpassung nachvollziehen, sehen, was sie ausgelöst hat, und entscheiden, ob sie zustimmt. Ist sie der Meinung, der ACE-Hemmer sei wegen des Blutdrucks und nicht wegen der Nieren verordnet worden, kann sie diesen Faktor in ihrem klinischen Urteil anders gewichten. Das System legt seine Begründung offen. Sie wendet ihre eigene an.
Der Verlauf selbst wird zur Evidenz, unabhängig von jedem einzelnen Wert.
Warum das für Vertrauen entscheidend ist
Wenn ein neuronales Netz „73 % Wahrscheinlichkeit für CKD“ ausgibt, gibt es keine Möglichkeit, nach dem Warum zu fragen. Die Zahl entsteht aus Millionen von Parametern, die keinem klinischen Begriff entsprechen. Eine Ärztin kann nicht sagen: „Beim Kreatinin stimme ich zu, aber die Medikamentenanamnese gewichten Sie zu stark.“ Es gibt keinen Kreatinin-Anteil. Es gibt keinen Medikamenten-Anteil. Es gibt nur eine Zahl.
Wenn ein bayessches System 73 % ausgibt, kann die Ärztin nach dem Warum fragen. Sie sieht, welche Befunde die Wahrscheinlichkeit verschoben haben und um wie viel. Sie kann einem bestimmten Faktor widersprechen und ihr eigenes Urteil anwenden. Durch diesen Dialog verändert klinische KI die Versorgung tatsächlich. Ohne ihn ist die Ausgabe eine Behauptung. Mit ihm ist sie ein Argument.
Ein Nephrologe, dem wir das System gezeigt haben, hat das auf den Punkt gebracht. Er sah sich die Evidenzkette für einen Patienten an und sagte, er stimme dem meisten zu, halte aber einen Faktor für übergewichtet, weil der Verordnungskontext ein anderer gewesen sei, als das System angenommen hatte. Er hatte recht. Dass er diese Beobachtung machen, auf den konkreten Faktor zeigen und seine Expertise einbringen konnte, ist genau das, was klinische Entscheidungsunterstützung ermöglichen sollte. Eine Blackbox hätte ihm dieselbe Wahrscheinlichkeit geliefert, ohne jede Möglichkeit für dieses Gespräch.
Die Grenzen, die wir offen benennen
Bayessche Inferenz setzt voraus, dass die einzelnen Befunde bei gegebener Erkrankung bedingt unabhängig sind. In der klinischen Medizin sind sie das oft nicht. Kreatinin und Proteinurie korrelieren im Rahmen einer CKD. Das ist eine bekannte Einschränkung, und sie vollständig zu lösen, ist ein offenes Problem des Fachgebiets.
Die Qualität der Ausgabe hängt von der Qualität der Evidenzgewichte ab. Manche sind in der Literatur gut belegt. Andere sind Näherungen, die wir durch Validierung verfeinern. Die Kalibrierung ist noch nicht abgeschlossen, und wir behaupten nichts anderes.
Bayessche Inferenz kommt mit strukturierter, quantifizierbarer Evidenz gut zurecht: Laborwerte, Vitalparameter, Medikamente, kodierte Diagnosen. Mit unstrukturierten Arztbriefen und von Patienten berichteten Symptomen kommt sie schlechter zurecht. Für unterschiedliche Arten klinischer Daten nutzen wir unterschiedliche Verfahren und wählen das Werkzeug passend zum Problem.
Wir haben uns für bayessche Inferenz entschieden, weil sie abbildet, wie Ärztinnen und Ärzte ohnehin denken. Das System formalisiert, was eine gute Klinikerin intuitiv tut, in großem Maßstab, für jeden Patienten, fortlaufend. Das ist alles. Keine Magie. Nur die Mathematik hinter dem klinischen Denken, explizit gemacht.