KI-Anwendungen in der medizinischen Entscheidungsfindung konzentrieren sich bisher meist auf eng umschriebene Fragestellungen. Doch seit der Entwicklung von KI-Agenten sind auch sehr viel umfassendere Anwendungen denkbar geworden – Anwendungen, die medizinisches Denken nachahmen und die in Teilen autonom arbeiten, um am Ende zu einer Diagnose und/oder einer konkreten Therapieempfehlung zu kommen, die idealerweise möglichst nah an dem ist, was auch Leitlinien empfehlen würden.
MIRA und AMIE sorgen für Furore
Ein KI-System, das genau so etwas leistet, heißt MIRA und es wurde entwickelt vom Team um Prof. Jacob Kather vom NCT und Else Kroener Fresenius Center für Digital Health der TU Dresden. Die Wissenschaftler:innen haben darüber jetzt in Nature Medicine berichtet. Zeitgleich veröffentlichten Forscher:innen von Google im selben Fachmedium einen Bericht über ein ähnliches Modell namens AMIE.
„KI-Agenten sind Sprachmodelle, die nicht nur reden, sondern auch machen“, sagte Dr. Christiane Höper, CMO des KI-Unternehmens Synagen und als Wissenschaftlerin in Dresden an der MIRA-Entwicklung und Evaluation beteiligt. Sie ist Coautorin der Nature Medicine-Publikation und gab beim Berlin Summit von Vision Zero einen Einblick in die aufwändige Arbeit. Das Konzept bestehe darin, agentische Systeme zu bauen, die digitale Patientendaten analysieren, Laboruntersuchungen und andere Diagnostik anfordern, ergänzende Daten hinzuziehen und am Ende auf Basis der gesammelten Daten und der verfügbaren Leitlinien und Studien konkrete Therapieempfehlungen zu generieren: „Die Vision ist ein Art Betriebssystem für die gesamte Patient Journey.“
Konzipiert als Add-on zur KIS-Patientenakte
Methodisch haben die Dresdner mit einer Art „Sandbox“ gearbeitet, in der sie für die Validierung insgesamt 500 reale Patientinnen und Patienten virtuell durchgespielt haben, die über die Notaufnahme des Klinikums vorstellig wurden. Das MIRA-System ist so entwickelt, dass es an die elektronische Patientenakte des klinischen Informationssystems angedockt werden und damit arbeiten kann. Verglichen wurde die MIRA-Performance mit einem Team aus vier Fachärzt:innen sowie als weiterem Komparator einer Gruppe aus zwei Fachärzt:innen und zwei Assistenzärzt:innen – letzteres als Surrogat für eine typische Notaufnahmenbesetzung in deutschen Kliniken.
Für den Endpunkt „Diagnose“ wurde die ICD-10-Entlassdiagnose als Goldstandard herangezogen. MIRA erreichte eine diagnostische Genauigkeit von 87,8 %, gegenüber 78,1 % bei den vier Fachärzt:innen. Besonders gut war die diagnostische Treffsicherheit bei Pankreatitis und Appendizitis, hier war das agentische KI-System jeweils deutlich besser. Um zur korrekten Diagnose zu kommen, forderte MIRA mehr Blutuntersuchungen an als das Ärzteteam, „bestellte“ aber gleichzeitig weniger Bildgebung. Auch leitliniengemäße Therapien wurden von MIRA häufiger vorgeschlagen als von den Notaufnahme-Ärzt:innen. Das betraf operative Eingriffe, vor allem aber das Flüssigkeitsmanagement und die analgetische Therapie.
Kommunikatives Backbone für MIRA ist HL7 FHIR. Allerdings betonte Höper in Berlin, dass hoch strukturierte Daten keine zwingende Voraussetzung für ein agentisches KI-System wie MIRA seien: „Wir haben Ärzte jahrelang gepiesackt, strukturierte Daten zu erheben und in ganz bestimmte Datenfelder einzufüllen. Tatsächlich kann auch die KI Daten strukturieren.“ Wie das genau abläuft, erläutern die Dresdener Autor:innen in ihrer Publikation. Letztlich wurden, wenn die KI zum Beispiel eine bestimmte Diagnostik anforderte, passende FHIR-Ressourcen aus den verfügbaren Datenquellen generiert, und diese flossen dann in die Entscheidungsprozesse des MIRA-Systems ein.
Höper zeigte sich überzeugt, dass in der medizinischen Versorgung künftig an derartigen agentischen Assistenzsystemen kein Weg mehr vorbeiführe: „Die Frage wird nicht sein, ob wir KI einführen oder nicht. Die Frage wird sein, ob die aktuelle Versorgung so sicher ist, dass wir darauf verzichten können.“
Weitere Informationen:
Ferber D, Kather J et al. Towards autonomous medical artificial intelligence agents. Nature Medicine 2026; 17.6.2026; Towards autonomous medical artificial intelligence agents | Nature
Tao T, Natarajan V et al. Towards conversational diagnostic artificial intelligence. Nature Medicine 2026; 17.6.2026; Towards conversational diagnostic artificial intelligence | Nature