Ungleichgewicht bei Verwendung von KI
Zusätzlich fragte die Radiologie Initiative Bayern ab, ob künstliche Intelligenz noch für andere Bereiche zur Anwendung kommt. Sie kann beispielsweise schon bei der Erstellung von MRT- oder CT-Bildern verwendet werden: Beim MRT sorgt sie für kürzere Messzeiten bei zum Teil besserer Bildqualität und beim CT kann sie dazu beitragen, bei besserer Bildqualität die Strahlendosis zu reduzieren. „Diese Art der KI-Anwendungen wird derzeit in allen Praxen am häufigsten verwendet – insgesamt bei 89 Prozent der befragten Praxen, allerdings nur beim MRT, keine der befragten Praxen wendete diese Technik zum Zeitpunkt der Befragung bei CT-Aufnahmen an. Diese Anwendungen sorgen zwar für genauere Aufnahmen, aber sind noch nicht an der Analyse der Bilder beteiligt“, weiß Prof. Dr. Saam. KI-Tools, die auch zur Auswertung der Aufnahmen genutzt werden können, existieren ebenfalls schon. Sie entlasten Ärzte durch schnellere Diagnosen und verbessern die Patientenversorgung durch präzisere und frühzeitigere Erkennung von Erkrankungen. „Während alle großen Praxen bereits KI für die Analyse der Bilder verwenden, kommen diese Hilfsmittel lediglich bei 22 Prozent der Praxen mit weniger als 10 Kassenarztsitzen zum Einsatz. Hier entsteht derzeit ein Ungleichgewicht in der Patientenversorgung, das auch darin begründet liegt, dass die Implementierung von KI-Anwendungen sowohl Kosten- als auch Personalintensiv ist – und das bei ohnehin schon knappen Ressourcen im Gesundheitssektor“, warnt Prof. Dr. Saam. Auf weiteren möglichen Einsatzgebieten von KI wie quantitative Messungen zur Prävention von Herzkreislauferkrankungen oder zur Unterstützung bei der Klassifikation von bösartigen Tumoren wird KI von radiologischen Praxen bisher nicht berücksichtigt.
Technische Hürden und hohe Kosten
Der Verzicht auf den Einsatz von KI-Technologien hat verschiedene Gründe. Ein zentrales Problem stellen die hohen Kosten für die Anschaffung und den Betrieb der KI dar, die für Praxen mit kleineren Budgets und weniger Personal schwer zu stemmen sind. „Die Gesamtinvestition für die Implementierung von KI kann schnell im sechsstelligen Bereich liegen. Pro Analyse fallen ebenfalls Kosten im zwei- bis dreistelligen Bereich an, die bisher weder von der gesetzlichen noch von der privaten Krankenversicherung übernommen werden“, weiß Prof. Dr. Stephan Schmitz, Facharzt für Radiologie und führendes Mitglied der Radiologie Initiative Bayern. Auch die Vielzahl von Anbietern und technische Hürden wie die Kompatibilität mit vorhandener Hard- und Software bilden weitere Barrieren. „Eine schlechte Integration in bestehende Systeme führt häufig dazu, dass die Anwendungen keine tatsächliche Arbeitserleichterung bieten und stattdessen den Workflow komplizierter machen“, erklärt Prof. Dr. Schmitz.
Moderne Diagnostik braucht moderne Abrechnungsmodelle
Obwohl die KI-Bildanalyse Radiologen entlastet und durch präzisere und frühere Diagnosen langfristig hohe Folgekosten verhindert, fehlen derzeit angemessene Vergütungsmodelle. Für gesetzlich Versicherte gibt es keine zusätzliche Erstattung für KI-gestützte Diagnosen und die Vergütungen für computergesteuerte Analysen bei Privatpatienten basieren auf veralteten Regelungen aus den 1990er-Jahren. „Wir fordern daher eine Aktualisierung und Ausweitung der Abrechnungsmöglichkeiten für KI-basierte Diagnostik, um die Einführung dieser Technologien zu fördern. Nur durch eine faire Kostenübernahme können die Vorteile der KI für Patienten und das Gesundheitssystem genutzt und die Weichen für eine moderne, zukunftsorientierte Gesundheitsversorgung gestellt werden“, erklärt Prof. Dr. Schmitz.
Weitere Informationen unter www.radiologie-initiative-bayern.de
Quelle: Radiologie Initiative Bayern