172 Millionen Franken – so viel kostet die „Erneuerung“ des Labors Spiez. Offiziell handelt es sich um eine Sanierung. Doch die Zahlen und die politischen Begleitumstände sprechen eine andere Sprache: Die Kosten übersteigen nicht nur die üblichen Sanierungsquoten, sondern vermutlich sogar den damaligen Neubau. Wer glaubt, dass es hier um ein paar neue Fenster, Leitungen und ein bisschen Fassadensanierung geht, unterschätzt die Tragweite gewaltig.

Wie viel kostete das Labor damals?

Das heutige Laborgebäude entstand Mitte der 1980er-Jahre. Die Baukosten könnten damals bei rund 60 Millionen Franken gelegen haben, grob überschlagen. Inflationsbereinigt entspräche das heute etwa 132 Millionen. Eine normale Sanierung kostet üblicherweise 30–60 % eines Neubaus, also vielleicht 40–70

Dr. Uwe Bergold

Am 23.08.2025 konnte man in einem Online-Artikel mit der Headline „Peter Spina reveals Saudi Central Bank silver derivative purchase“ u.a. Folgendes lesen (auf Deutsch übersetzt):

„… Die saudische Zentralbank hat laut Peter Spina einen strategischen Schritt unternommen, indem sie Silberderivate [SLV – Silver ETF] gekauft hat. Diese Akquisition ist bemerkenswert, da die Bank über Vermögenswerte in Höhe von über einer halben Billion US-Dollar verfügt und die Silberderivate 1,25% ihres Portfolios ausmachen …“

Neben der russischen ist die saudische Zentralbank bereits die zweite, welche zusätzlich zu Gold, nun erstmalig wieder Silber als Währungsreserve akkumuliert. Wir publizierten zu dem potenziellen Silber-Hebel auf Gold bereits am 01.04.2025 einen Marktkommentar mit der Headline „Inflationstsunami & Kriegswirtschaft bis 2029 – Silber, Platin & Goldminen als „Call-Option“ auf Gold?“ Hierin konnte man unter anderem Folgendes lesen:

Peter Haisenko 

Kanzler Merz spielt wieder das notorische Spiel des Westens, Russland das vorzuwerfen, was es nicht tut, der Westen aber andauernd. Hätte Merz ein wenig Geschichtswissen wüsste er, wie die USA jahrelang die Verteidigungsfähigkeit der UdSSR „getestet“ haben, mit illegalen Einflügen in den sowjetischen Luftraum.

Präsident Putin hat Jura studiert und er achtet streng darauf, keine international anerkannten Rechtsnormen zu verletzen. Dazu zählt nicht die „wertebasierte Ordnung“ der USA, denn diese ist andauernder Willkür ausgesetzt und kein international anerkannter Rechtszustand. Russische Schiffe und Flugzeuge bewegen sich nur innerhalb der russischen Grenzen oder in international freien Luft- und Seeräumen. Auch was die Ostsee betrifft. Russland hat das Recht darauf und das gilt für alle Arten von Flügen, auch für militärische. So, wie sich NATO-Schiffe und Flugzeuge auch im Ostseeraum tummeln, manchmal sehr nahe der russischen

Egon W. Kreutzer

Wer hätte das gedacht, dass Friedrich Merz und Lars Klingbeil, erst wenige Monate an der Macht, Deutschland so schnell wieder auf Vordermann bringen könnten? 

Sogar der Sommer war immer noch etwas wärmer als das langjährige Mittel von 1991 bis 2020, obwohl dieses langjährige Mittel kaum noch übertreffbar erschien. Auch die Regenmengen haben dazu beigetragen, dass die schon gar nicht mehr auffindbaren Grundwasserspiegel wieder angestiegen sind. 

Analyse von Dr. Joseph Mercola

Die Geschichte auf einen Blick

• Medizinische KI entwickelt sich über einfache Frage-Antwort-Formate hinaus und ahmt echte klinische Entscheidungsprozesse nach. Sie bietet schrittweises Denken, Kostenbewusstsein und maßgeschneiderte Diagnosestrategien für komplexe Fälle.
• Forscher, die mit Microsoft zusammenarbeiten, haben den Microsoft AI Diagnostic Orchestrator (MAI-DxO) entwickelt, ein koordiniertes KI-Framework, das ein komplettes Diagnoseteam simulieren soll.
• Anhand eines Benchmarks, der reale klinische Entscheidungsprozesse mit schrittweiser Argumentation und Kostenverfolgung widerspiegelt, erzielte MAI-DxO eine mehr als viermal höhere Genauigkeit als Ärzte und senkte gleichzeitig die Kosten um 70 %.
• Obwohl das System vielversprechend ist, befindet es sich noch in der Testphase. Vor der Einführung in den medizinischen Standardablauf sind noch umfassendere Evaluierungen, klinische Validierungen und Sicherheitsmaßnahmen erforderlich.
• KI-Tools bieten bereits heute sinnvolle Möglichkeiten, um Ihnen zu helfen, Ihre Gesundheit besser zu verstehen. Bei sinnvoller Nutzung unterstützen sie klareres Denken, schnelleres Lernen und bessere persönliche Entscheidungen.

Wenn man über künstliche Intelligenz (KI) in der Medizin nachdenkt, fragt man sich natürlich, ob sie in einen so persönlichen und menschenzentrierten Bereich wie das Gesundheitswesen gehört, wo Vertrauen und Empathie für jede Entscheidung von entscheidender Bedeutung sind. In den Nachrichten wird oft darüber berichtet, dass Maschinen das menschliche Urteilsvermögen ersetzen, was Fragen zur Sicherheit, Genauigkeit und zum Verlust menschlicher Beziehungen aufwirft.

Hinter diesen Bedenken verbirgt sich jedoch eine Realität, die es zu erkunden gilt: KI verändert bereits still und leise die Medizin und eröffnet Ärzten neue Wege, um schwierige medizinische Fälle zu untersuchen und Antworten zu finden, die bisher unerreichbar schienen. Anstatt die Medizin aus den Händen des Menschen zu nehmen, helfen hochentwickelte KI-Tools den Ärzten, ihre Fähigkeiten zu erweitern.

Genau das würde man erwarten, wenn Superintelligenz Realität wird, und genau das geschieht gerade. Die Auswirkungen sind weitreichend, nicht nur für Ärzte, sondern auch für Ihre eigene Gesundheit und zukünftige medizinische Entscheidungen. Die Erforschung medizinischer Superintelligenz bietet wertvolle Einblicke in die mögliche Verbesserung Ihrer Gesundheitsversorgung in naher Zukunft.

Der Bedarf an realistischen Benchmarks und einer innovativen Antwort

KI-Systeme werden häufig anhand standardisierter medizinischer Zulassungsprüfungen wie der United States Medical Licensing Examination (USMLE) bewertet. Diese Prüfungen bewerten KI in der Regel anhand strukturierter Multiple-Choice-Fragen, bei denen KI-Systeme Antworten auf der Grundlage von auswendig gelerntem medizinischem Wissen auswählen müssen.

Solche Tests messen zwar die theoretischen Kompetenzen effektiv, aber es fehlt ihnen die Komplexität und Nuance der tatsächlichen medizinischen Praxis, in der Entscheidungen aufgrund neuer Patienteninformationen ständig weiterentwickelt werden. Um diese Lücke zu schließen, haben Forscher, die mit Microsoft AI zusammenarbeiten, einen neuen Benchmark entwickelt, der den schrittweisen Verlauf der Patientenversorgung widerspiegelt.

• Eine echte Diagnose ist dynamisch und schrittweise – In der realen klinischen Medizin muss ein Arzt zunächst mit begrenzten Informationen arbeiten, eine vorläufige Beurteilung vornehmen und dann seine Schlussfolgerungen schrittweise überarbeiten, sobald neue Daten vorliegen.
• Im Gegensatz zu fest vorgegebenen Multiple-Choice-Fragen stellen Ärzte im Alltag routinemäßig Fragen, ordnen spezifische Tests an und verfeinern ihre Überlegungen Schritt für Schritt. Sie müssen die Kosten, den Komfort für den Patienten, die Praktikabilität und den Gesamtnutzen jeder diagnostischen Option abwägen und auf sich ändernde Umstände reagieren, anstatt aus vorgegebenen Optionen auszuwählen.
• Ein Benchmark, der die klinische Realität widerspiegelt — Der Sequential Diagnosis Benchmark (SDBench) wurde entwickelt, um den Ablauf von Diagnosen in der Praxis besser widerzuspiegeln. Er verwendet anspruchsvolle Fälle aus dem New England Journal of Medicine, die sorgfältiges Denken, mehrschichtige Fragen und schrittweise Untersuchungen erfordern und somit eine authentischere Testumgebung für medizinische KI bieten.
• KI muss sich in jedem Fall bewähren – In diesem Setup beginnt die KI mit einer kurzen klinischen Zusammenfassung, ähnlich dem, was Ihr Arzt zu Beginn einer Konsultation hört. Anschließend fordert sie zusätzliche Informationen an und wählt iterativ diagnostische Tests aus, wobei jeder Schritt auf den vorherigen Ergebnissen basiert. Ein Gatekeeper-Modell steuert diesen Prozess und gibt klinische Daten nur auf ausdrückliche Anfrage frei.
• Ein von Ärzten trainiertes Modell beurteilt die Diagnosegenauigkeit – Um die Diagnosegenauigkeit zu bewerten, verwendet ein klinisches Validierungstool, das als Judge-Modell bekannt ist, von Ärzten entwickelte Kriterien und bewertet jede von der KI generierte Diagnose nach klinischen Standards.
• Dieses System stellt sicher, dass die von der KI getroffenen Entscheidungen sinnvoll mit den tatsächlichen medizinischen Bedingungen aus jedem ursprünglichen NEJM-Fall übereinstimmen. Durch die klinisch realistische Bewertung von Diagnosen möchte Microsoft genau bestimmen, wie effektiv KI neben realen Gesundheitsdienstleistern funktionieren könnte.
• Wirtschaftlicher Realismus ist in jeden Schritt integriert – In Anerkennung der Bedeutung der Bezahlbarkeit der Gesundheitsversorgung für Patienten haben die Forscher auch ein Kostenmessinstrument in SDBench integriert. Dieser Kostenrechner weist jedem von der KI durchgeführten Diagnoseschritt realistische finanzielle Werte zu.
• Dazu gehören Labortests, Bildgebung, Biopsien und klinische Besuche. Dieses System stellt sicher, dass die KI nicht einfach um jeden Preis Genauigkeit erreicht, sondern medizinisch sinnvolle Entscheidungen trifft, die den realen wirtschaftlichen Zwängen entsprechen.
• MAI-DxO fungiert als komplettes Diagnoseteam – Um in diesem anspruchsvollen Umfeld gute Ergebnisse zu erzielen, haben die Entwickler den Microsoft AI Diagnostic Orchestrator (MAI-DxO) entwickelt. Als Orchestrierungsframework ersetzt MAI-DxO nicht das zugrunde liegende KI-Modell. Stattdessen koordiniert und verfeinert es die Vorgehensweise des Modells bei der Diagnosestellung und leitet jeden Schritt des Prozesses wie ein medizinischer Teamleiter für ein virtuelles Gremium von Spezialisten.
• Verschiedene Komponenten innerhalb von MAI-DxO übernehmen spezifische Aufgaben. Einige KI-Komponenten generieren Hypothesen, andere identifizieren die Tests, die die größte Klarheit bringen, während wieder andere schwache Schlussfolgerungen hinterfragen oder das Kostenbewusstsein stärken. Das gesamte System ist so konzipiert, dass es die durchdachten, koordinierten Bemühungen eines erfahrenen medizinischen Teams nachahmt, das für Sie arbeitet.

Wie orchestrierte KI viermal höhere Genauigkeit bei geringeren Kosten erzielte

Um zu bewerten, wie gut orchestrierte KI in realen Diagnoseszenarien funktioniert, testeten Forscher ihre MAI-DxO mithilfe des Sequential Diagnosis Benchmark. Die Ergebnisse bieten einen klaren Vergleich zwischen KI und praktizierenden Ärzten, zeigen, wie KI mit Kostenbeschränkungen umgeht, und verdeutlichen, was dies für Ihre Versorgung als Patient bedeuten könnte.

• MAI-DxO übertraf Ärzte bei komplexen Fällen – MAI-DxO wurde anhand von 304 komplexen Fällen aus dem NEJM getestet. Die Ergebnisse zeigten, dass es in Kombination mit OpenAI’s o3 85,5 % der Fälle korrekt diagnostizierte. Im Vergleich dazu erreichten 21 erfahrene Ärzte aus den USA und Großbritannien in denselben Szenarien nur eine durchschnittliche Genauigkeit von 20 %, sodass das KI-System in diesem hochkomplexen Umfeld mehr als viermal so genau war.
• Außerdem waren die Testkosten deutlich niedriger – Neben seiner diagnostischen Genauigkeit reduzierte MAI-DxO die Testkosten im Vergleich zu praktizierenden Ärzten um etwa 20 %. Im Vergleich zu unabhängig arbeitenden Standard-KI-Modellen war MAI-DxO sogar noch effizienter und senkte die Diagnosekosten um etwa 70 %. Dies zeigt, dass das System klinische Präzision mit kosteneffizienten Entscheidungen verbinden kann.
• Kostenbewusstsein war fest in das System integriert – MAI-DxO wurde bewusst so konzipiert, dass es innerhalb realer Kostenrahmen arbeitet. Anstatt reflexartig alle möglichen Tests anzuordnen, wog es diszipliniert den klinischen Nutzen und die finanziellen Auswirkungen ab, bevor es mit dem nächsten Schritt fortfuhr. Dies entspricht dem ressourcenbewussten Denken, das im realen Gesundheitswesen erwartet wird.
• Die Koordinierungsmethode funktionierte bei allen wichtigen KI-Modellen – Das MAI-DxO-Framework wurde mit mehreren Basismodellen getestet, darunter GPT, Claude, Gemini, Grok und Llama. In allen Fällen verbesserte der Koordinierungsprozess die Diagnosegenauigkeit und -effizienz, selbst bei unterschiedlichen finanziellen Rahmenbedingungen. Diese Konsistenz deutet darauf hin, dass die Methode an verschiedene KI-Systeme angepasst und skaliert werden kann.
• Für Patienten könnte dies eine schnellere und intelligentere Versorgung bedeuten – In der Praxis könnte die Orchestrierung Ärzten helfen, klarere Diagnosen mit weniger unnötigen Tests zu stellen. Anstelle von langen Wartezeiten und redundanten Verfahren könnte Ihr Gesundheitsteam KI einsetzen, um Tests dort zu konzentrieren, wo sie wirklich notwendig sind – was die Klarheit verbessert, die Behandlung beschleunigt und die finanzielle Belastung durch vermeidbare Ausgaben verringert.

Diese Ergebnisse stammen zwar von Microsoft AI, weisen jedoch auf etwas Größeres hin – eine klare Rolle für medizinische Superintelligenz bei der Unterstützung von Ärzten. Die hohe Leistungsfähigkeit in komplexen Diagnosesituationen zeigt, dass KI das klinische Urteilsvermögen stärken und Gesundheitsdienstleister dabei unterstützen kann, schnellere, fundiertere und individuellere Entscheidungen zu treffen.

Praktische Überlegungen zur medizinischen Superintelligenz

Die Ergebnisse dieser Forschung sind zwar vielversprechend, zeigen aber auch klare Grenzen auf. Das Forschungsteam legt offen dar, worauf sein KI-System getestet wurde, worauf nicht und was noch geschehen muss, bevor Tools wie MAI-DxO routinemäßig eingesetzt werden können. Diese Klarstellungen sind wichtig, insbesondere um zu verstehen, wie diese Technologie auf Ihre eigenen Gesundheitsbedürfnisse angewendet werden kann (oder noch nicht).

• MAI-DxO wurde an komplexen, nicht routinemäßigen Fällen getestet – Die Bewertung konzentrierte sich auf diagnostisch schwierige Fälle aus dem NEJM. Diese Szenarien stellen klinische Rätsel mit hohem Risiko dar und entsprechen nicht den alltäglichen Gesundheitsproblemen, mit denen Patienten konfrontiert sind. Es sind noch umfangreichere Tests erforderlich, um zu verstehen, wie das System in gängigen Situationen der Primärversorgung und bei alltäglichen Gesundheitsproblemen funktioniert.
• Die klinische Einführung erfolgt nicht sofort oder automatisch – Eine hohe Genauigkeit in der Forschung bedeutet nicht, dass das System auch für den Einsatz in Krankenhäusern oder Kliniken bereit ist. Die Forscher betonen, wie wichtig klinische Validierung und Sicherheitstests sind, bevor KI zu einem Standardbestandteil der Patientenversorgung wird. Diese Schritte sind notwendig, um eine konsistente Leistung in verschiedenen realen Umgebungen sicherzustellen.
• Die Kostendaten sind standardisiert und entsprechen nicht den realen Preisen – Die in der Studie dokumentierten Kostensenkungen basieren auf standardisierten Schätzungen und nicht auf tatsächlichen Abrechnungsdaten. Die tatsächlichen Kosten variieren je nach Wohnort, Anbieter und den in Anspruch genommenen Leistungen. Weitere Faktoren wie der Zugang zu Tests und die logistische Durchführbarkeit beeinflussen ebenfalls, was Sie in der Praxis erleben werden.
• Transparenz und Überprüfbarkeit sind entscheidend für Vertrauen – Der multimodale Koordinierungsansatz des Systems legt Wert auf Erklärbarkeit. Anstatt sich auf eine einzige KI-Ausgabe zu verlassen, integriert MAI-DxO Entscheidungen aus mehreren Komponenten, wodurch die Diagnosestabilität erhöht und der Entscheidungsprozess transparenter wird. Diese Transparenz trägt dazu bei, Vertrauen sowohl bei Ärzten als auch bei Patienten aufzubauen.
• KI könnte letztendlich das persönliche Gesundheitsmanagement unterstützen – Das Team räumt ein, dass KI letztendlich Patienten dabei helfen könnte, routinemäßige Aspekte ihrer Gesundheit unabhängiger zu verwalten, wobei klinische Validierung und Sicherheitstests jedoch weiterhin wichtig bleiben. Ich teile diese Ansicht, da ich ebenfalls ein erhebliches Potenzial für KI sehe, Ihnen wertvolle Erkenntnisse zu liefern, die Ihnen helfen, Ihre eigene Gesundheit besser zu verstehen und aktiv zu verwalten.

Ärzte + ChatGPT ≠ besser – noch nicht

Eine separate randomisierte Studie von JAMA Network Open gibt Aufschluss darüber, warum die bloße Bereitstellung eines KI-Tools für Ärzte keine Garantie für bessere Ergebnisse ist. Fünfzig Ärzte aus den USA und Großbritannien wurden gebeten, sechs komplexe Fälle aus der Inneren Medizin zu diagnostizieren, die aus einem Archiv stammen, das weder den Ärzten noch ChatGPT bekannt war. Ergebnis:

Zwei Erkenntnisse sind wichtig:

• Misstrauen und Verankerungseffekt — Viele Ärzte überflogen die Vorschläge von ChatGPT und hielten dann an ihrer ursprünglichen Vermutung fest, selbst wenn die KI widersprüchliche, aber korrekte Hinweise lieferte. Der kognitive Verankerungseffekt senkte die Genauigkeit um einige Punkte, anstatt sie zu verbessern.
• Fehlende Schulung zum Arbeitsablauf – Die Teilnehmer erhielten keinerlei Anweisungen zur Strategie für die Eingabe von Fragen. Nur eine Minderheit erkannte, dass sie den gesamten Fall einfügen und ChatGPT um eine vollständige Differentialdiagnose bitten konnten. Die meisten behandelten den Chatbot wie Google – ein ineffizienter, fragmentierter Ansatz, der seine Argumentationskraft verschwendete.

Einfach ausgedrückt: KI kann die menschliche Leistungsfähigkeit übertreffen, aber nur, wenn Menschen ihr vertrauen und wissen, wie sie sie steuern können. Orchestrierungsframeworks wie MAI-DxO lösen dieses Problem, indem sie die schrittweise Argumentation autonom der KI überlassen, während Kliniker die endgültige Erklärung überprüfen, wodurch ein Echtzeit-Zug-und-Schub-Spiel vermieden wird.

Fazit: Bevor KI jeden Arzt wirklich unterstützen kann, müssen in medizinischen Lehrplänen Prompt Engineering, Bias-Bewusstsein und Verifizierungsschleifen vermittelt werden.

Andernfalls bleibt das Paradoxon bestehen: Die Maschine allein übertrifft das Mensch-Maschine-Duo.

Die umfassendere Vision – Stärkung Ihrer Gesundheit durch KI

Viele Menschen stehen künstlicher Intelligenz skeptisch gegenüber, da sie berechtigte Bedenken hinsichtlich Datenschutz, Genauigkeit und Vertrauen aufwirft. Bei umsichtigem Einsatz bietet sie jedoch eine leistungsstarke Möglichkeit, die eigene Biologie besser zu verstehen. Ich finde sie besonders nützlich, um Komplexität zu durchdringen und schwierige medizinische Konzepte zu verdeutlichen.

• Konversations-KI-Tools sind besser als herkömmliche Suchmaschinen – Im Gegensatz zu Suchmaschinen, die Listen mit Links liefern, bietet Konversations-KI direkte, personalisierte und strukturierte Erklärungen zu medizinischen und biologischen Konzepten. Durch sofortige und interaktive Antworten auf Ihre spezifischen Fragen helfen Ihnen diese Tools, komplexe Themen zu verstehen, unbekannte Begriffe zu entschlüsseln und sich in komplizierten Gesundheitsfragen besser zurechtzufinden.
• Schützen Sie Ihre Privatsphäre bei der Verwendung großer Sprachmodelle (LLMs) – Denken Sie daran, dass diese Tools nicht vertraulich sind. Vermeiden Sie die Weitergabe vertraulicher persönlicher Daten, da Sie mit der Annahme der Datenschutzrichtlinie der Datenerfassung zustimmen.
• Die Verwendung einer temporären E-Mail-Adresse für die Anmeldung und die Überprüfung der Richtlinien Ihres Arbeitgebers zur Nutzung von KI sind ebenfalls sinnvolle Vorsichtsmaßnahmen, um Ihre Privatsphäre zu schützen und eine unbeabsichtigte Offenlegung personenbezogener Daten zu verhindern. Weitere Informationen zur effektiven und sicheren Nutzung von KI-Tools wie ChatGPT finden Sie in meinem Artikel „Das transformative Potenzial von ChatGPT für Lernen und Effizienz”.
• Überprüfen Sie alles, da KI immer noch Fehler machen kann – Derzeit generieren LLMs wie ChatGPT noch gelegentlich ungenaue oder irreführende Inhalte, die als Halluzinationen bezeichnet werden. Bis diese Modelle eine höhere diagnostische Zuverlässigkeit erreichen, ist es unerlässlich, Quellen zu überprüfen, wichtige Informationen doppelt zu kontrollieren und sich bei wichtigen Gesundheitsentscheidungen niemals allein auf KI zu verlassen. Auch rechtliche Fragen zum Eigentum an Inhalten sind noch ungeklärt. Seien Sie daher besonders vorsichtig, wenn Sie Materialien auf der Grundlage externer Quellen erstellen.
• Rechnen Sie mit einer Mainstream-Voreingenommenheit bei Gesundheitsempfehlungen – KI-Modelle neigen dazu, die Positionen dominanter Institutionen wie der US-amerikanischen Centers for Disease Control and Prevention (CDC) oder der Weltgesundheitsorganisation (WHO) widerzuspiegeln. Seien Sie sich bewusst, dass sie unabhängig von der Qualität der Beweise möglicherweise konventionelle Narrative betonen. Nutzen Sie sie, um biologische Zusammenhänge zu erforschen und zu verstehen, nicht um Entscheidungen über Ihre Gesundheit auszulagern.

Wenn Sie diese Tools verantwortungsbewusst einsetzen und sich ihrer Vorurteile und Grenzen bewusst sind, erhalten Sie wertvolle Erkenntnisse, die Ihnen fundiertere Gesundheitsentscheidungen ermöglichen und Ihr Vertrauen in Ihre Fähigkeit, Ihr Wohlbefinden zu steuern, stärken. Wenn Sie neugierig sind, wie diese Tools die Pflege in der Praxis bereits verändern, finden Sie weitere Informationen dazu in „Smart Medicine – Augmented Reality und KI für eine Transformation des Gesundheitswesens“.

Häufig gestellte Fragen (FAQs) zum Einsatz von KI im Gesundheitswesen

F: Was ist medizinische Superintelligenz?

A: Medizinische Superintelligenz beschreibt eine neue Stufe der KI-gestützten Gesundheitsversorgung, bei der intelligente Systeme gemeinsam mit Ärzten schwierige diagnostische Probleme lösen. Diese Systeme sind darauf trainiert, Fälle schrittweise und klinisch realistisch zu durchdenken, genau wie ein Team von Ärzten. So tragen sie dazu bei, die Diagnosegenauigkeit zu verbessern, unnötige Tests zu reduzieren und eine effizientere und kostengünstigere Versorgung zu ermöglichen.

F: Was ist das Microsoft AI Diagnostic Orchestrator (MAI-DxO)-System?

A: MAI-DxO ist ein mehrschichtiges KI-Framework, das den Prozess eines echten Diagnoseteams nachbildet. Es umfasst Komponenten, die medizinische Hypothesen aufstellen, Tests anfordern, schwache Schlussfolgerungen hinterfragen und finanzielle Kosten abwägen. Es wurde in schwierigen realen Szenarien getestet und übertraf Ärzte sowohl in Bezug auf Genauigkeit als auch Kosteneffizienz.

F: Kann KI mir helfen, meine eigene Gesundheit besser zu verstehen?

A: Ja. Große Sprachmodelle wie ChatGPT sind besonders hilfreich, um verwirrende Laborergebnisse zu erklären, medizinische Fachbegriffe zu entschlüsseln und biologische Prozesse auf leicht verständliche Weise aufzuschlüsseln. Sie sollten zwar nicht als Ersatz für professionelle medizinische Versorgung dienen, bieten jedoch einen nützlichen Ausgangspunkt, um Ihnen zu helfen, sich besser informiert und sicherer zu fühlen, wenn es um Ihre Gesundheit geht.

F: Wird KI in Zukunft Ärzte ersetzen?

A: Nein. KI soll Ihren Arzt nicht ersetzen. Sie ist vielmehr ein Werkzeug, das die Fähigkeiten eines Arztes erweitert, indem sie bei der Diagnose hilft, Möglichkeiten eingrenzt und komplexe Informationen organisiert. Entscheidungen über Ihre Behandlung hängen nach wie vor vom klinischen Urteilsvermögen, dem Einfühlungsvermögen und der Erfahrung des Menschen ab, die KI nicht ersetzen kann.

F: Wie sollte ich KI-Tools wie ChatGPT für meine Gesundheit nutzen?

A: Nutzen Sie KI, um Themen zu erkunden, Fragen zu Symptomen oder Erkrankungen zu stellen und besser zu verstehen, was in Ihrem Körper vor sich geht. Seien Sie jedoch vorsichtig. Geben Sie keine persönlichen Daten weiter, überprüfen Sie alle Ratschläge und verlassen Sie sich niemals auf KI, wenn es um dringende oder schwerwiegende medizinische Entscheidungen geht. Betrachten Sie KI als Lernbegleiter.

Artikel als PDF

Quellen:

• ^1, 3, 5 arXiv:2506.22405 [cs.CL]
• ^2, 4, 6 Microsoft AI, June 30, 2025
• ⁷ Doctors vs. AI: Who Is Better at Making Diagnoses? – Advisory Board summary of Goh et al., JAMA Network Open, October 2024