LLMs in der Onkologie: Große Fortschritte treffen auf Deutschlands Datenprobleme

Auf dem Deutschen Krebskongress 2026 zeigten Expertinnen und Experten großes Potenzial von Large Language Models in der Onkologie. Zugleich benannten sie fragmentierte Daten, Datenschutzhürden und Digitalstress als zentrale Bremsen in Deutschland…

25. März 2026
  • Data und KI
  • Digitale Klinik

Large Language Models können die Onkologie in Diagnostik, Therapieplanung und Patientenkommunikation deutlich unterstützen. Auf dem Deutschen Krebskongress 2026 zeigten mehrere Teams konkrete Fortschritte. Gleichzeitig machten die Beiträge ein zentrales Defizit sichtbar: Deutschlands klinische Daten bleiben zu stark fragmentiert, um das Potenzial der Systeme in Forschung und Versorgung auszuschöpfen.

PD Dr. Lisa Adams von der TU München beschrieb die Ausgangslage mit klaren Zahlen. Jedes Krankenhaus erzeugt pro Jahr etwa 50 Petabyte Daten. 80 % davon liegen unstrukturiert vor und werden nicht genutzt. LLMs können solche Informationen strukturieren, klinisches Wissen einbinden und Therapieentscheidungen unterstützen. Adams verwies auf RAG-gestützte Systeme und agentische Workflows. Eine Nature-Cancer-Studie der Arbeitsgruppe um Prof. Jakob Nikolas Kather steigerte die Genauigkeit von GPT-4 bei komplexen Krebsfällen.

PD Dr. Thomas Elter von der Uniklinik Köln stellte dem die deutsche Realität entgegen. Er sprach von einer extrem fragmentierten Datenbasis und von Datenschutzvorgaben, die große Forschungsprojekte fast unmöglich machten. Das Kather-Paper arbeitete mit 20 Testfällen. Mit chinesischen Dateninfrastrukturen wären laut Elter 80.000 Echtfälle möglich gewesen. 55 % bis 60 % der klinischen KI-Daten kommen aus China, ein Viertel aus den USA. Deutschland erscheint nicht in den Top 10. Elter verwies auch auf 38 Tumorboards pro Woche in Köln und auf manuelles Kopieren von Befunden nach dem Ende einer SAP-Lizenz im Januar. Er forderte deshalb eine German AI Oncology Group nach dem Vorbild früherer Studiengruppen.

Weitere Beiträge zeigten konkrete Anwendungen und Grenzen. Ein Team um François Schneider trainierte Modelle mit Daten von 1.040 Patienten mit Pankreaskarzinom und erreichte 72 % bis 79 % Vorhersagegenauigkeit. Dr. Martin Krusche berichtete, dass ChatGPT-4 bei 100 Lupus-Fragen Ärzten in der Qualität signifikant überlegen war und als empathischer wahrgenommen wurde. Ein Pilotprojekt am UKE erstellt patientenfreundliche Arztbriefe in drei bis fünf Minuten. Dr. Magdalena Wekenborg zeigte zugleich, dass Digitalisierung den Stress im Klinikalltag erhöht und über mehr als ein Jahr hoch halten kann. In der Diskussion blieb damit ein klarer Befund: Die Technik ist weit. Deutschlands Dateninfrastruktur bremst sie aus.

Quelle:
healthcare-in-europe.com

Medinfoweb
Die etablierte Informationsplattform für Informatik, Ökonomie, Marketing und Qualitätsmanagement im Gesundheitswesen.

Gebündelt, stets aktuell und immer handverlesen werden alle Neuigkeiten gesammelt und anwenderbezogen aufbereitet.