Googles dialogbasierte Diagnose-KI AMIE hat erstmals Ergebnisse einer prospektiven Studie aus einer realen Ambulanz vorgelegt. Die Arbeit erschien am 8. Oktober in der Hauptausgabe von The Lancet; nach Angaben von Google ist es das erste Mal, dass das Unternehmen dort in der Hauptausgabe veröffentlicht. DeepMind-CEO Demis Hassabis gratulierte anschließend öffentlich in den sozialen Netzwerken.
Die Studie lief in der Ambulanz für Notfall- und Primärversorgung des Beth Israel Deaconess Medical Center (BIDMC) in Boston, USA. Die Rekrutierung fand von April bis November 2025 statt; die Studie war vorab auf ClinicalTrials.gov registriert und folgte einem von der Ethikkommission genehmigten Protokoll. Die Patientinnen und Patienten wurden darüber informiert, dass ihre weitere Behandlung nicht davon abhängt, ob sie teilnehmen.
So lief die Studie ab
Der Ablauf: Bevor die Patienten zur Ärztin oder zum Arzt kamen, chatteten sie zunächst per Text mit AMIE, das die Anamnese erhob und zu einer Zusammenfassung verdichtete. Bei jedem Gespräch verfolgte ein Arzt in Echtzeit mit; die Kriterien, bei denen abgebrochen werden musste, standen vorab fest. Nach acht Wochen werteten die Forschenden die Krankenakten aus, um die endgültige Diagnose zu bestimmen, und verglichen sie mit der Einschätzung, die AMIE damals abgegeben hatte.
Die wichtigsten Zahlen:
- 114 Personen eingeschlossen, 98 schlossen das Gespräch ab;
- Kein einziges Gespräch löste einen Sicherheitsabbruch aus;
- Die beaufsichtigenden Ärzte dokumentierten eine Halluzination, in fünf weiteren Gesprächen ergänzten sie klinische Informationen;
- In 90 Prozent der Fälle tauchte die endgültige Diagnose auf AMIEs Differenzialdiagnoseliste auf, in 75 Prozent unter den ersten drei Plätzen.
Auch von der Ärzteseite gab es Rückmeldungen. Von den 98 Fällen füllten die Primärversorger bei 60 einen Fragebogen aus; in 44 davon hatten sie das AMIE-Gesprächsprotokoll vor der Konsultation gelesen, und in 33 Fällen hielten sie es für hilfreich bei der Vorbereitung.
Ein Blick auf die Nenner
Bei einer so kleinen Stichprobe müssen diese Zahlen anders gelesen werden. Die Nenner hinter den 90 und 75 Prozent liegen unter 100 Patienten; bei der Bewertung „hilfreich“ durch die Ärzte beträgt der Nenner überschlagen nur 44 Fälle, 33 geteilt durch 44 ergibt genau 75 Prozent, und ein Fall mehr oder weniger verschiebt den Anteil um mehr als zwei Prozentpunkte.
Beim Ergebnis „kein Abbruch“ ist es ähnlich. 98 Gespräche ohne Zwischenfall: Schätzt man nach der in der Statistik üblichen „Dreierregel“ (Rule of Three, 3 geteilt durch die Stichprobengröße), lässt sich bei diesem Umfang nur grob sagen, dass die Rate schwerer Sicherheitsereignisse bei höchstens rund 3 Prozent liegt; niedrigere Risikoniveaus kann diese Stichprobe nicht ausschließen. Die Autoren selbst bezeichnen die Arbeit als Machbarkeitsstudie ohne Kontrollgruppe.
Eine andere Zahlenreihe fällt für AMIE weniger günstig aus. In der Studie wurden die von AMIE vorgeschlagenen Behandlungspläne und die der Primärversorger verblind gegenübergestellt; bei den beiden Kriterien Praxistauglichkeit und Kosteneffizienz des Plans unterlag AMIE den Ärzten. Mögliche Erkrankungen aufzulisten und über das weitere Vorgehen zu entscheiden, sind Aufgaben von unterschiedlichem Schwierigkeitsgrad.
Grenzen und nächste Schritte
Zu den im Paper genannten Einschränkungen zählen: nur ein Zentrum, ausschließlich Textinteraktion, rund einhundert Patienten und keine Kontrollgruppe. Googles Position lautet, dass patientennahe KI in großem Maßstab bewertet werden muss und dafür größere klinische Studien nötig sind.
Der Preprint der Studie liegt seit dem 9. März dieses Jahres auf arXiv, und Google hatte am 11. März ausführlich darüber berichtet; neu ist diesmal, dass die Arbeit begutachtet und offiziell veröffentlicht wurde. Von 2024, als AMIE in simulierten Konsultationen mit Ärzten verglichen wurde, bis zum Einsatz in einer realen Ambulanz geht Google in der Reihenfolge erst Simulation, dann kleine Studie mit echten Menschen, schließlich große Studie vor. Wann und wo der dritte Schritt beginnt, hat das Unternehmen noch nicht bekannt gegeben.
Quellen: The Lancet, Google Research Blog, CocoLoop, Beth Israel Deaconess Medical Center; Studienzusammenfassung und Mitteilung der Klinik wurden zur Prüfung von Teilnehmerzahl, abgeschlossenen Gesprächen, Sicherheitsereignissen und der Berechnung der Diagnosetrefferquoten herangezogen.