Echt oder Hype? KI in Kliniken und Pharma

Das Versprechen klingt vertraut: KI wird die Medizin revolutionieren, Entwicklungszeiten halbieren, Leben retten. Was auffällt, wenn man die tatsächlich dokumentierten Fälle durchsieht: Das Versprechen wird in erstaunlich vielen Fällen bereits eingelöst, wenn auch ungleich verteilt.

Die produktivste Seite der Medaille liegt in der Diagnostik und Pathologie. Unilabs setzt die KI-Plattform Galen von Ibex Medical Analytics in Pathologielabors in 16 europäischen Ländern ein und erzielte in der MASAI-Studie, veröffentlicht im Lancet Digital Health, 29 Prozent mehr Krebserkennungen bei gleichzeitig 44 Prozent weniger Radiologenaufwand. Cosmo Pharmaceuticals steigerte mit seinem KI-Modul GI Genius die Adenomdetektionsrate um 14 Prozentpunkte und kassierte von Medtronic 100 Millionen Dollar Vorauszahlung plus weitere mögliche 100 Millionen an Meilensteinen. Kaiser Permanente kombiniert Mammografie-KI mit polygenen und klinischen Scores und erreicht einen C-Index von 0,70, gegenüber 0,62 mit dem klinischen Score allein, und die MRT-Wartezeiten sanken um mehr als 60 Prozent. Das sind keine Pilotprojekte mehr.

Beim Wirkstoffdesign ist das Bild differenzierter. Roche hat eine KI-Infrastruktur mit mehr als 3.500 NVIDIA-Blackwell-GPUs aufgebaut, rund 90 Prozent der förderfähigen Genentech-Programme für kleine Moleküle integrieren KI, und ein Backup-Molekül wurde in sieben statt über 24 Monaten entwickelt. Pfizer hat mit Chai Discovery eine Lizenzvereinbarung für das Antikörper-Design-Modell Chai-3 geschlossen, das die Erfolgsrate gegenüber dem Vorgänger verdoppelt. Isomorphic Labs übertrifft mit seiner Plattform IsoDDE AlphaFold 3 auf einschlägigen Benchmarks deutlich. Das University of Washington Institute for Protein Design hat bereits 21 Biotech-Spin-offs gegründet, und ein auf KI-designed Proteinen basierender COVID-19-Impfstoff ist in Grossbritannien und Südkorea zugelassen. Gleichzeitig zeigt Bayer, dass man sich noch im Pilotstadium befindet: Die Nutzung der Iambic-Plattformen Enchant und NeuralPLexer zur Identifikation von Small-Molecule-Kandidaten läuft noch, Ergebnisse in klinischen Studien fehlen bislang.

Im klinischen Alltag, also abseits der grossen Forschungslabors, ist KI schon erstaunlich tief verankert. Das Triomics-System reduziert Chart-Review-Zeiten um 67 Prozent und verbessert das Patienten-Matching für klinische Studien um 40 Prozent, eingesetzt von Memorial Sloan Kettering, MD Anderson, Yale Cancer Center, Yale New Haven Health System und systemweit beim Mount Sinai Tisch Cancer Center. SOPHiA GENETICS wertet genomische Daten in Echtzeit aus. Hospital Clínic Barcelona setzt die CE-zertifizierte Plattform AH-1 von Tensor Medical für die MS-Diagnostik ein. Ein nicht namentlich genanntes Uniklinikum automatisiert Patientenanrufe mit einer Voice-KI von Octonomy und senkte damit Wartezeiten, die zuvor bis zu 45 Minuten betrugen. Das Kantonsspital Baden erklärt Behandlungen per KI-Avatar in mehreren Sprachen.

Wo es noch wackelt: Erasmus MC und KickstartAI kooperieren, konkreter Output ist nicht dokumentiert. GATC Health und UC Irvine haben mit dem Wirkstoff GATC-1021 eine bemerkenswert kurze Entwicklungszeit bis zur Tierstudie erreicht, rund 2,5 statt typischer 12 Jahre, aber man befindet sich noch weit vor klinischen Studien. Die FDA prüft ein KI-Werkzeug zur Vorhersage arzneimittelbedingter Leberschäden, das Letter of Intent ist akzeptiert, mehr noch nicht. Das NIH hat mit TrialGPT menschennahe Genauigkeit beim Patientenmatching gezeigt, bei 40 Prozent weniger Zeitaufwand, aber auch das ist noch Pilot. Moderna wiederum hat ChatGPT Enterprise firmenweit ausgerollt und rund 750 selbst erstellte GPTs in wenigen Monaten produziert, was die organisatorische Bereitschaft zeigt, aber wenig über klinische Wirksamkeit aussagt.

Takeaway: KI in Kliniken und Pharma ist kein Hype mehr, aber auch noch keine fertige Infrastruktur. Die Diagnostik und Pathologie liefern heute schon messbare, publizierte Ergebnisse im echten Betrieb. Das Wirkstoffdesign beschleunigt sich sichtbar. Der grösste blinde Fleck bleibt der Weg von der Tierstudie oder dem Benchmark in die Patientenversorgung, und dieser Weg ist lang, teuer und regulatorisch anspruchsvoll wie eh und je.