MIRA und AMIE im Kliniktest: Wie gut sind KI-Systeme wirklich bei Diagnose und Behandlungsplanung?

Zwei KI-Agentensysteme haben in simulierten klinischen Szenarien vergleichbare oder bessere Ergebnisse erzielt als Ärztinnen und Ärzte. Die Studien zu MIRA und AMIE erschienen zeitgleich in Nature (2026).

MIRA, entwickelt von Forschenden der Universität Heidelberg, bearbeitete über 500 virtuelle Fälle zu acht Krankheitsbildern. Das System stützte sich auf Daten aus dem US-amerikanischen Intensivregister MIMIC-IV und hatte Zugriff auf mehr als 85.000 Optionen. Es erreichte eine diagnostische Genauigkeit von 88 Prozent gegenüber 78 Prozent beim ärztlichen Vergleichsteam (p < 0,001) und orientierte sich stärker an Leitlinien. Die Forschenden räumen ein, dass Trainingsdaten und Simulationsbedingungen die Ergebnisse verzerrt haben könnten.

AMIE, ein System von Google Research und Google DeepMind auf Basis von Google Gemini, trat in einer randomisierten, verblindeten OSCE-Studie gegen 21 Allgemeinärztinnen und -ärzte an. Anhand von 100 virtuellen Krankheitsverläufen und britischen Leitlinien als Referenz erwies sich AMIE als nicht unterlegen. Bei der Benennung notwendiger Behandlungen und Untersuchungen schnitt das System teils besser ab. Anders als bei MIRA kommunizierte AMIE dabei nicht mit virtuellen Patienten, sondern mit Schauspielprofis.

Medizinethiker Prof. Robert Ranisch vom Hasso-Plattner-Institut Potsdam und Medizinsoziologin Catherine Pope von der Universität Oxford warnen vor überzogenen Erwartungen. Reale Patienten, unvollständige Daten und organisatorische Hürden stellten KI-Systeme vor Herausforderungen, die Laborbedingungen nicht abbilden. Beide sowie die Studienautoren selbst betonen, dass solche Systeme nur in Zusammenarbeit mit Ärztinnen und Ärzten eingesetzt werden sollten.