Experten kritisieren: Sektor Gesundheit scheitert an veralteten Modellen bei KI-Implementierung
Die Behandlung von KI wie herkömmliche Software verhindert Innovationen im Gesundheitswesen. Experten fordern eine Abkehr von starren Planungsmodellen.
Zahlreiche Organisationen im Gesundheitswesen haben Schwierigkeiten, KI-Systeme erfolgreich in den klinischen Alltag zu integrieren. Laut einer Analyse von Fast Company liegt dies vor allem daran, dass Führungskräfte KI fälschlicherweise als traditionelle, deterministische Software behandeln. Während klassische Programme auf festen Regeln basieren, ist KI datenabhängig und probabilistisch, was eine völlig andere Herangehensweise bei der Entwicklung erfordert.
Die Statistik unterstreicht das Problem: Etwa 88 Prozent der KI-Projekte erreichen nie das Produktionsstadium. Da die Gesundheitsdaten zudem stark fragmentiert und rechtlich geschützt sind, erschwert dies die Erstellung robuster Modelle. Während sowohl Ärzte als auch Patienten zunehmend auf eigene Faust nach KI-Lösungen suchen, um Lücken in der Versorgung zu schließen, fehlt es an einer strukturierten, systemweiten Implementierungsstrategie.
Als Lösung wird die sogenannte "Wayfinding"-Methodik vorgeschlagen. Hierbei steht nicht die strikte Einhaltung eines Bauplans im Vordergrund, sondern die Navigation durch Unsicherheit und die kontinuierliche Anpassung während des Lernprozesses der KI. Ein Beispiel hierfür ist ein KI-Modell zur Brustkrebsrisikoerkennung: Die Entwickler mussten manuell eingreifen, als die KI begann, sich auf technische Artefakte der Scanner anstatt auf klinische Anzeichen zu stützen.
Um den Übergang von Pilotprojekten zur klinischen Anwendung zu schaffen, müssen Unternehmen ihre Managementphilosophie ändern. Dies erfordert laut Experten eine Kultur, die psychologische Sicherheit, Offenheit und die Fähigkeit zur ständigen Kurskorrektur in den Mittelpunkt stellt.