DeepMinds KI-Co-Clinician testet multimodale Diagnosen und Sicherheit in klinischen Simulationen

Google DeepMind führte am 01. Mai 2026 einen KI-Co-Kliniker ein, ein Forschungsprojekt, das untersuchen soll, wie Multimodal-KI-Systeme medizinisches Personal und Patienten wirksamer unterstützen können. Das Projekt greift den weltweit zunehmenden Druck auf Gesundheitssysteme auf, Ergebnisse zu verbessern, Kosten zu senken und den Zugang zur Versorgung auszubauen – angesichts einer bis 2030 prognostizierten Knappheit von mehr als 10 Millionen Gesundheitsfachkräften, wie die Weltgesundheitsorganisation angibt.

Triadisches Versorgungsmodell und Multimodale Fähigkeiten

Das neue System soll ein Modell der „triadischen Versorgung“ erforschen, bei dem ein KI-Agent zusammen mit einem Arzt und einem Patienten arbeitet, statt klinische Urteilsfähigkeit zu ersetzen. DeepMind erklärte, das Ziel sei es, Werkzeuge zu entwickeln, die die Reichweite von Ärztinnen und Ärzten vergrößern, während die Kontrolle über Entscheidungen bei den Medizinern bleibt. Das Unternehmen rahmte den Aufwand als nächsten Schritt in seiner medizinischen KI-Forschung ein, nach früheren Systemen wie MedPaLM, die auf das Testen medizinischen Wissens ausgerichtet waren, und AMIE, das textbasierte simulierte Konsultationen durchführte.

Eine zentrale Funktion des KI-Co-Klinikers ist seine Fähigkeit, mehr als nur Text zu verarbeiten. Das System wurde mit Live-Audio und -Video getestet und konnte physische Hinweise wie Gangbild, Atemmuster und sichtbare Hautveränderungen beobachten. In telemedizinischen Simulationen konnte das Modell Patienten durch Teile einer körperlichen Untersuchung führen und bei Aufgaben wie dem Check der Inhalator-Technik unterstützen oder helfen, eine Schulterverletzung zu identifizieren. Diese Fähigkeiten deuten darauf hin, dass Multimodal-KI künftig Fernkonsultationen unterstützen könnte, bei denen visuelle und akustische Beobachtungen wichtig sind.

Sicherheitsdesign mit Dual-Agenten und Klinische Benchmarks

DeepMind betonte die Sicherheitsschranken, die in das System eingebaut sind. Der KI-Co-Kliniker nutzt ein Dual-Agenten-Design, bei dem ein „Planner“ die Interaktion kontinuierlich überprüft und kontrolliert, ob der „Talker“ innerhalb klinischer Grenzen bleibt. Das Unternehmen erklärte, diese Struktur solle dazu beitragen, unsichere Ausgaben zu reduzieren und die Zuverlässigkeit in medizinischen Umgebungen zu verbessern, in denen sachliche Genauigkeit und Zurückhaltung entscheidend sind.

Das Forschungsteam bewertete das System auf verschiedene Weise. In einem Test passten sie das NOHARM-Sicherheitsframework an, um sowohl falsche Antworten als auch das Versäumen, wichtige Informationen offenzulegen, zu messen. In blinden Vergleichen mit 98 Fragen aus der Primärversorgung verzeichnete das System in 97 Fällen null kritische Fehler und wurde von Ärztinnen und Ärzten gegenüber anderen Werkzeugen zur Evidenzsynthese bevorzugt. DeepMind erklärte, dies deute darauf hin, dass das Modell für Kliniker nützlich sein kann, die fundierte, qualitativ hochwertige klinische Informationen suchen.

Die Studie untersuchte außerdem, wie gut das System medikamentenbezogene Fragen mithilfe des OpenFDA-RxQA-Benchmarks beantwortete, der darauf ausgelegt ist, Wissen und Schlussfolgern über Medikamente und Behandlung zu testen. In offenen Bewertungen schnitt der KI-Co-Kliniker gegenüber anderen führenden Modellen besser ab, was auf Fortschritte in einem Bereich hinweist, der besonders wichtig für die tägliche Versorgungsplanung ist.

Vergleich der Leistung von Ärztinnen und Ärzten

In patientennahen Simulationen schnitten menschliche Ärztinnen und Ärzte jedoch insgesamt noch besser ab. In Zusammenarbeit mit akademischen Ärztinnen und Ärzten von Harvard und Stanford führte das Forschungsteam eine randomisierte Studie mit 20 synthetischen klinischen Szenarien und 10 ärztlichen „Patientenakteuren“ durch. Über mehr als 140 bewertete Bereiche hinweg lagen Ärztinnen und Ärzte bei der Erkennung von Warnsignalen und der Ausrichtung körperlicher Untersuchungen vorn – obwohl das System die Leistung der Ärztinnen und Ärzte in 68 Kategorien erreichte oder übertraf, einschließlich Triage. Die Ergebnisse deuten darauf hin, dass das Tool möglicherweise am wertvollsten als Unterstützungssystem ist und nicht als Ersatz für klinische Expertise.

Laufende Forschungskooperationen

DeepMind erklärte, das übergeordnete Ziel sei es, KI zu entwickeln, die Ärztinnen und Ärzte dabei unterstützt, auf vertrauenswürdige, klinisch fundierte und anpassungsfähige Weise in realen Versorgungsumgebungen. Das Unternehmen führt die Forschungskooperationen in mehreren Ländern fort, darunter die Vereinigten Staaten, Indien, Australien, Neuseeland, Singapur und die Vereinigten Arabischen Emirate, während es daran arbeitet, das System in vielfältigeren Gesundheitseinrichtungen zu testen.