Künstliche Intelligenz hat in der Medizin einen neuen Meilenstein erreicht. Ein KI-Modell von OpenAI hat 18 seltene Kinderkrankheiten diagnostiziert, die von menschlichen Experten jahrelang nicht gelöst werden konnten. Die Studie, veröffentlicht im Fachmagazin NEJM AI, könnte die Art verändern, wie Krankenhäuser mit ungelösten Fällen umgehen.
Was die Studie herausgefunden hat
Forscher am Boston Children’s Hospital und der Harvard University haben das o3 Deep Research Modell von OpenAI eingesetzt, um 376 ungelöste Fälle von seltenen genetischen Kinderkrankheiten neu zu analysieren. Diese Fälle waren bereits mehrfach von Spezialisten untersucht worden, jedoch ohne Ergebnis. Das KI-Modell erstellte Hypothesen, die klinische Symptome, genetische Varianten und medizinische Fachliteratur verknüpften.
Nach unabhängiger Überprüfung durch Spezialisten und Bestätigung in zertifizierten Laboren ergaben sich 18 neue Diagnosen. Zusätzlich wurden sieben bekannte Varianten erneut identifiziert. Die bestätigten Diagnosen deckten vier Krankheitskategorien ab: neurologische Entwicklungsstörungen, neuromuskuläre Erkrankungen, plötzlicher Herztod-Syndrome und frühe Psychosen.
Warum herkömmliche Diagnostik scheitert
Das grundlegende Problem bei seltenen Krankheiten ist nicht das Fehlen von Tests. Etwa 150 Millionen Menschen weltweit leiden an seltenen genetischen Erkrankungen. Mehr als die Hälfte davon erhält auch nach umfassender genomischer Sequenzierung nie eine bestätigte Diagnose. Jedes Jahr werden Hunderte neue Gen-Krankheits-Verbindungen entdeckt und in Referenzdatenbanken wie ClinVar eingetragen.
Der Engpass liegt jedoch nicht bei den Daten, sondern bei der menschlichen Kapazität. Eine Metastudie von 2024 über 29 genomische Reanalyse-Studien fand eine durchschnittliche zusätzliche Diagnoserate von 10 Prozent bei der erneuten Untersuchung alter Fälle. Dennoch erfolgt eine solche Reanalyse in der klinischen Praxis kaum, weil kein Krankenhaus über genügend Spezialisten verfügt.
Alan Beggs, Direktor des Manton Center am Boston Children’s Hospital, brachte es auf den Punkt: Wir können unmöglich 8.000 verschiedene Krankheiten im Kopf behalten. Genau da setzt die KI an.
Wie das KI-Modell arbeitet
Für jeden der 376 Fälle erstellte das Team ein anonymisiertes Datenpaket. Es enthielt standardisierte klinische Beschreibungen in HPO-Terminen, einer kontrollierten Vokabel mit über 18.000 Begriffen für seltene Krankheiten. Dazu kamen Patientenalter, Geschlecht, gelegentliche Arztnotizen und eine gefilterte Tabelle genetischer Varianten mit ClinVar-Klassifizierungen.
Im Gegensatz zu einem einfachen Sprachmodell nutzt o3 Deep Research verstärkungsbasiertes Chain-of-Thought-Reasoning. Das Modell generiert intern mehrere Kandidaten-Argumentationsketten und wählt die kohärenteste aus. Es wurde nicht gebeten, einen Variantennamen zu nennen. Stattdessen sollte es seine Schlussfolgerungen darlegen: Symptome, Vererbungsmuster und wissenschaftliche Literatur zu einem nachvollziehbaren Hypothesen-Strang verbinden.
Kritisch ist dabei, dass die KI nicht selbst diagnostizierte. Jede Hypothese wurde von klinischen Experten nach ACMG-AMP-Standards geprüft und in CLIA-zertifizierten Laboren bestätigt. Das Modell lieferte Hinweise, die Ärzte stellten die Diagnose.
Die Geschichte hinter den Zahlen
Hinter jeder der 18 Diagnosen steht eine jahrelange Odyssee. Ein Beispiel ist Kyra, die seit ihrem neunten Lebensjahr an Muskelschwäche litt. Mit 13 Jahren war sie auf den Rollstuhl und ein Beatmungsgerät angewiesen. Spezialisten mehrerer Institutionen fanden keine Ursache. Kurz vor ihrem 28. Geburtstag erhielt sie endlich eine Diagnose: eine Frameshift-Variante im Gen HSPB8 verursacht myofibrilläre Myopathie.
Diese Diagnose kam nicht von einem neuen Test oder einem neuen Arzt. Sie kam von einer KI, die genomische Daten erneut analysierte, die menschliche Experten bereits untersucht und zurückgestellt hatten.
Grenzen der Studie
Die Studie hat wichtige Einschränkungen. Sie war retrospektiv, betrachtete also alte Fälle und keine neuen klinischen Fälle. Die Prüfer wussten, welche Fälle das Modell markiert hatte, was die Objektivität beeinträchtigen kann. Zudem fehlen Daten zu Zeit, Kosten und Fehlalarmraten im klinischen Alltag.
Außerdem verbietet OpenAI ausdrücklich die direkte diagnostische Nutzung durch Ärzte oder Familien, bis Datenschutz- und Regulierungsanforderungen erfüllt sind. Es gibt keine Zeitpläne oder Lizenzdetails für eine breitere Anwendung.
Was das für die Zukunft bedeutet
Die Ergebnisse zeigen, dass KI-Modelle als Skalierungsmechanismus für die genomische Reanalyse dienen können, die es bisher nie gab. Wenn jedes Jahr Hunderte neue Gen-Krankheits-Verbindungen entdeckt werden, müssten eigentlich alle ungelösten Fälle regelmäßig neu untersucht werden. Das ist menschlich kaum machbar, für KI jedoch potenziell routine.
Gleichzeitig veröffentlichte Google eine Studie in Nature, in der das AMIE-System 21 Hausärzte bei der Krankheitsmanagement gleichwertig oder überlegen war. Beide Studien deuten darauf hin, dass sich KI in der Medizin von experimenteller Technologie zu einem praktischen Werkzeug entwickelt.
Für die 18 Familien, die nun Antworten haben, ist die Zahl keine Statistik. Es ist das Ende einer jahrelangen Suche. Ob und wann solche Systeme flächendeckend eingesetzt werden, hängt jedoch von Regulierung, Datenschutz und klinischer Validierung ab.
