KI-Screening am Auge: Effizienzgewinn versus Diagnosesicherheit bei Retinopathie
Eine Studie mit fast 7.000 Fundusfotos zeigt bis zu 92% weniger Befundungsaufwand durch KI-Vorscreening – aber auch messbare Sensitivitätsverluste bei diabetischer Retinopathie und AMD.
Mit KI-Unterstützung erstellt · redaktionell geprüft und verantwortet von Steven Breuer.
Wer in einer Augenklinik oder einem Screening-Programm für diabetische Retinopathie arbeitet, kennt das Problem: Die Zahl der zu befundenden Fundusfotos wächst schneller als die Zahl verfügbarer Retinologinnen und Retinologen. KI-gestützte Vorscreening-Systeme versprechen hier Entlastung – doch wie sicher ist ein Workflow, bei dem KI-negative Bilder gar nicht mehr von einem Menschen gesehen werden? Eine aktuelle Evaluationsstudie liefert dazu belastbare Zahlen, die für die Praxis relevant sind.
Das Studiendesign: Negativ-Screening statt autonomer Diagnose
Die am Seoul National University Hospital durchgeführte Untersuchung testete kein autonomes KI-Diagnosesystem, sondern einen sogenannten Negativ-Screening-Workflow: KI-negative Bilder werden ohne ärztliche Prüfung als unauffällig klassifiziert, KI-positive Bilder gehen weiterhin an eine Ophthalmologin oder einen Ophthalmologen zur Befundung. Die Ärztin bleibt also alleinige Instanz für alle als auffällig markierten Fälle – die KI übernimmt lediglich die Filterfunktion.
Untersucht wurden 6.904 Farbfundusfotos von 2.593 Patienten, unabhängig befundet von drei erfahrenen Netzhautspezialisten mit 7 bis 11 Jahren klinischer Erfahrung. Als Zielerkrankungen dienten diabetische Retinopathie (DR), retinaler Venenverschluss (RVO) und altersbedingte Makuladegeneration (AMD) – allesamt Indikationen, für die das eingesetzte System (VUNO Med-FundusDx) zugelassen ist. Die Referenzstandards wurden nach einem Leave-one-out-Verfahren gebildet: Für jeden bewerteten Leser galt die Übereinstimmung der beiden anderen als Referenz, uneinheitliche Fälle wurden ausgeschlossen (Studie im Volltext).
Die Zahlen: Deutliche Entlastung, aber nicht ohne Preis
Der Effizienzgewinn ist eindrücklich. Die direkte ärztliche Prüfung reduzierte sich auf 7,3–8,0% der Bilder bei DR, 11,7–11,9% bei RVO und 13,5–16,8% bei AMD – das entspricht Reduktionen der Arbeitslast um rund 92%, 88% beziehungsweise 85%. Bei einer kombinierten Betrachtung aller drei Erkrankungen sank der Prüfaufwand auf 27,7–30,1%, also um etwa 70–72%.
Diesem Effizienzgewinn stehen jedoch krankheitsspezifische Sicherheitsverluste gegenüber. Für DR sank die mittlere Sensitivität in der Multi-Reader-Multi-Case-Analyse von 0,9168 auf 0,8838 (Differenz -0,0330; 95%-KI -0,0495 bis -0,0165; p < 0,001). Für AMD fiel sie von 0,8570 auf 0,8445 (Differenz -0,0124; 95%-KI -0,0215 bis -0,0033; p = 0,008). Die Spezifität verbesserte sich in beiden Fällen zwar numerisch, erreichte aber keine statistische Signifikanz. Bei RVO hingegen blieb die Sensitivität mit 0,9807 in beiden Workflows unverändert – hier zeigte sich kein Trade-off.
Die generalisierten linearen gemischten Modelle bestätigen dieses Muster mit deutlichen Odds Ratios: Für DR sank die Chance auf korrekte Erkennung positiver Fälle auf einen Faktor von 0,070 (p < 0,001), für AMD auf 0,376 (p = 0,001). Bei RVO fand sich kein signifikanter Unterschied. Auch die kombinierte Auswertung aller drei Erkrankungen zusammen zeigte eine statistisch signifikante, wenn auch absolut kleine Sensitivitätseinbuße (0,9122 auf 0,9039; p < 0,001).
Was das für die Praxis bedeutet
Die Kernaussage der Studie ist eindeutig: Ein pauschaler, krankheitsunabhängiger Einsatz von KI-Vorscreening greift zu kurz. RVO lässt sich unter dem getesteten Workflow offenbar sicher filtern, ohne dass reale Fälle übersehen werden. Bei DR und AMD hingegen bedeutet jede nicht überprüfte KI-negative Klassifikation potenziell einen übersehenen positiven Befund – mit der Konsequenz verzögerter Diagnose und Behandlung bei zwei Erkrankungen, die unbehandelt zu Erblindung führen können.
Für die praktische Implementierung leiten sich daraus mehrere Empfehlungen ab:
Krankheitsspezifisch denken statt pauschal automatisieren. Ein einheitlicher Schwellenwert für alle Netzhauterkrankungen ignoriert reale Unterschiede in der Modellperformance. Screening-Programme sollten für jede Zielerkrankung eigene Sicherheitsmargen definieren.
Sensitivitätsverluste transparent kommunizieren. Wer ein solches System einführt, sollte den betroffenen Patientinnen und Patienten sowie dem ärztlichen Team die Größenordnung des Risikos kennen – auch wenn die absoluten Zahlen klein wirken (1–3 Prozentpunkte), bedeuten sie bei großen Screening-Volumina eine relevante Zahl unentdeckter Fälle.
Stichprobenkontrollen bei KI-negativen Fällen erwägen. Gerade für DR und AMD könnte eine partielle Nachkontrolle eines definierten Anteils der als negativ eingestuften Bilder – etwa im Rahmen eines Qualitätsmonitorings – zusätzliche Sicherheit schaffen, ohne den Effizienzgewinn vollständig zu verlieren.
Prospektive Validierung vor Skalierung. Die Autoren selbst betonen, dass es sich um eine retrospektive Simulation handelt. Vor einem breiten Rollout in deutschen Screening-Programmen braucht es prospektive Daten aus der eigenen Population, da Kamerasysteme, Patientenkollektive und Prävalenzen abweichen können.
Die Studie liefert damit keinen Grund, KI-gestütztes Screening abzulehnen – aber einen klaren Auftrag, es differenziert und mit Blick auf die einzelne Erkrankung zu implementieren. Wer Effizienz und Diagnosesicherheit gegeneinander abwägt, sollte diese Zahlen kennen, bevor er über die Ausgestaltung des eigenen Workflows entscheidet.