Derselbe Wert, zwei Bedeutungen

Sie lassen Blut abnehmen. Ihr Arzt sagt, alles sei in Ordnung. Sie gehen nach Hause.

Was Ihnen niemand gesagt hat: Einer dieser Werte lag 15 % höher als vor einem Jahr und 30 % höher als vor zwei Jahren. Er ist noch immer im „Normbereich“, also kein Hinweis, kein Anruf, keine Kontrolle. Aber er bewegt sich. Und wohin er sich bewegt, ist wichtiger als der Punkt, an dem er gerade steht.

Jedes klinische System, das heute im Einsatz ist, funktioniert gleich. Liegt dieser Wert über oder unter einem Grenzwert? Ja oder nein. Auf genau diese Frage ist die gesamte Infrastruktur des modernen Gesundheitswesens ausgelegt. Und es ist die falsche Frage.

Die Frage, auf die es ankommt

Am selben Tag taucht in zwei Akten ein Kreatinin von 1,4 auf.

Beim ersten Patienten lag es vor achtzehn Monaten bei 0,9. Dann bei 1,0. Dann bei 1,2. Jetzt bei 1,4. Schreibt man den Verlauf fort, steuert dieser Patient binnen eines Jahres auf eine Nierenerkrankung zu. Doch 1,4 liegt unter der Alarmschwelle. Kein Alarm. Der Termin endet mit „Kontrolle in drei Monaten“.

Der zweite Patient liegt seit drei Jahren bei 1,4. Stabil. Gut eingestellt. Routine.

Derselbe Wert. Ein Patient ist in Gefahr. Dem anderen geht es gut. Kein System, das heute klinisch genutzt wird, kann den Unterschied erkennen. Nicht Epic. Nicht Cerner. Keines der KI-Werkzeuge, die darauf aufsetzen. Sie alle sehen 1,4 und stellen dieselbe Frage: Liegt der Wert über dem Grenzwert?

Die richtige Frage lautet: Wo kommt der Wert her, wo geht er hin, und wie schnell?

Jede Ärztin weiß das. Jedes System ignoriert es.

Als ich noch Patienten behandelt habe, taten die besten Kliniker, mit denen ich gearbeitet habe, etwas, das ihnen die elektronische Krankenakte nicht abnehmen konnte. Sie holten alte Laborwerte hervor und zeichneten Trendlinien auf einen Schmierzettel. Sie hatten die Werte von drei Jahren im Kopf und dachten in Richtungen. Sie fragten nicht: „Ist dieser Wert normal?“ Sie fragten: „Verändert sich dieser Patient?“

Dieses Denken ist das Fundament guter klinischer Medizin. Und kein breit eingesetztes klinisches System bildet es nach. Die elektronische Akte wurde gebaut, um Behandlungen für die Abrechnung zu dokumentieren. Die Warnmeldungen, um Schwellen zu prüfen. Die KI-Werkzeuge wurden auf genau diese schwellenbasierten Systeme aufgesetzt. Schicht um Schicht Technologie, und die grundlegendste klinische Frage bleibt unbeantwortet: Geht es diesem Patienten mit der Zeit besser oder schlechter?

Was es kostet, Verläufe nicht zu lesen

37 Millionen Erwachsene in den Vereinigten Staaten haben eine chronische Nierenerkrankung. 90 % von ihnen wissen es nicht.

Nicht, weil die Daten fehlen. Ihr Kreatinin driftet seit Jahren, sichtbar in der Akte, bei jedem Termin angesehen, abgelegt und vergessen. Früh erkannt, lässt sich eine CKD für 2.000 bis 5.000 Dollar im Jahr behandeln. Spät erkannt, kostet die Dialyse 90.000 Dollar im Jahr. Was zwischen diesen beiden Ausgängen entscheidet, ist allein, ob jemand den Verlauf gelesen hat.

Dasselbe Muster zeigt sich bei Diabetes, Herzinsuffizienz, COPD und Hypertonie. Jahre einer erkennbaren Drift, unsichtbar für Systeme, die nur fragen, ob der heutige Wert über einem Grenzwert liegt.

Warum das sonst niemand tut

Die meisten klinischen KI-Systeme werden mit Momentaufnahmen trainiert. Ein Termin. Eine Blutentnahme. Ein Zeitpunkt. Das Modell lernt, diesen Moment als hohes oder niedriges Risiko einzustufen. Es sieht heute ein Kreatinin von 1,4. Wie hoch es vor achtzehn Monaten war, weiß es nicht.

Aus einer Momentaufnahme lässt sich kein Verlauf ablesen. Aus einem einzelnen Punkt lässt sich keine langsame Drift erkennen. Die Architektur selbst verhindert es. Mehr Daten in ein Momentaufnahme-Modell zu stecken, ändert daran nichts. Das Modell größer zu machen, auch nicht. Die Art, wie der Patient abgebildet wird, muss sich ändern. Die Zeit muss zur zentralen Dimension werden, nicht zur Nebensache.

Das unterscheidet Chroneme von allem anderen auf dem Markt. Kein besserer Algorithmus auf denselben Daten, sondern eine grundlegend andere Art, Gesundheit abzubilden. Der Patient existiert als kontinuierliches Signal über Jahre und Behandler hinweg, nicht als Abfolge unverbundener Termine. Das System liest, wie sich Dinge im Lauf der Zeit gemeinsam verändern, und erkennt, wann ein Verlauf auf etwas zusteuert, das Aufmerksamkeit verlangt.

Was das in der Praxis bedeutet

Der erste Patient wird markiert. Der zweite nicht. Gleiches Kreatinin. Unterschiedliche Verläufe. Unterschiedliche Empfehlungen.

Genau solche Veränderungen soll Chroneme erkennen. Wir validieren das System nach einem präregistrierten Protokoll und werden veröffentlichen, was wir finden, auch dort, wo es hinter den Erwartungen zurückbleibt.

Die Veränderungen, auf die es am frühesten ankommt, sind selten die dramatischen. Es sind die langsamen Driften. Ein Kreatinin, das um 0,1 pro Quartal steigt. Eine Herzfrequenz, deren Grundniveau Monat für Monat um ein paar Schläge steigt. Eine Sauerstoffsättigung, die über Wochen sanft absinkt. Muster, die kein einzelner Messwert je auslösen würde. Muster, für die schwellenbasierte Systeme schon von ihrer Bauart her blind sind.

Dort liegt die nächste Generation klinischer Intelligenz. Nicht darin, Notfälle zu erkennen. Sondern darin, die langsamen Notfälle zu erkennen, bevor sie zu schnellen werden.