Fieber nach der Reise: Warum KI-Diagnostik in der Reisemedizin noch in den Kinderschuhen steckt
Eine aktuelle Scoping Review zeigt, dass es für KI-gestützte Diagnostik bei Fieber nach Reisen bislang nur drei Studien ohne externe Validierung gibt – ein Realitätscheck für den Praxisalltag.
Mit KI-Unterstützung erstellt · redaktionell geprüft und verantwortet von Steven Breuer.
Ein Patient kommt zwei Wochen nach einer Reise nach Südostasien mit Fieber in Ihre Praxis. Die Differenzialdiagnose ist breit: Malaria, Dengue, Typhus, Rickettsiosen, einfache virale Infekte – und die Liste ließe sich beliebig fortsetzen. Genau dieses Szenario, „Fever in the Returning Traveller" (FRT), gilt in der Fachliteratur als eine der anspruchsvollsten Präsentationen der Allgemein- und Reisemedizin. Es überrascht daher nicht, dass künstliche Intelligenz hier als mögliches Hilfsmittel diskutiert wird. Was die Evidenz tatsächlich hergibt, zeigt eine kürzlich veröffentlichte Scoping Review sehr nüchtern – und die Ergebnisse sind ernüchternder, als mancher Technik-Enthusiasmus vermuten lässt.
Drei Studien, drei Ansätze, keine externe Validierung
Die Autor:innen durchsuchten systematisch vier große Datenbanken und identifizierten aus über 1.300 Treffern am Ende genau drei Studien, die ihre Einschlusskriterien erfüllten (PMC13630189). Das ist für ein Feld, das seit Jahren als Zukunftsthema gehandelt wird, eine erstaunlich dünne Datenlage.
Die drei Studien – durchgeführt in Belgien, Schweden sowie einer internationalen Kohorte aus Spanien, Belgien und der Schweiz – verfolgten völlig unterschiedliche methodische Ansätze:
- Ein regelbasiertes Expertensystem (GIDEON) erzeugte eine Rangliste möglicher Differenzialdiagnosen mit Wahrscheinlichkeiten. Die Trefferquote (korrekte Diagnose unter den Top 5) lag bei 64 % für Fieber mit bestätigter oder wahrscheinlicher Infektionsursache, bei Malaria, Rickettsiosen und Dengue sogar über 80 %. Bemerkenswert: Bei Amöbenleberabszessen und Plasmodium-falciparum-Malaria sank die Genauigkeit – also gerade bei den potenziell gefährlichsten Diagnosen. Insgesamt wurden 31 Diagnosen verpasst, davon 11 schwerwiegend oder lebensbedrohlich.
- Ein Gradient-Boosting-Modell (XGBoost, reduziert auf sechs Merkmale, „MALrisk") sollte Patient:innen mit hohem Malariarisiko in nicht-endemischen Regionen identifizieren. Es erreichte eine AUC von 0,95, eine Sensitivität von 100 % – aber eine Spezifität von nur 72 %. Übersetzt heißt das: Das Modell übersah keine Malariafälle, produzierte aber bei 28 % der nicht-malariabedingten Fieberfälle ein falsches Alarmsignal.
- Ein Random-Forest-Modell nutzte Plasma-Zytokin- und Chemokin-Profile, um spezifische Infektionen zu differenzieren, und erreichte eine AUC von 0,97. Allerdings basiert dieser Ansatz auf Laborwerten, die in der Routinediagnostik aktuell gar nicht verfügbar sind.
Allen drei Studien ist gemeinsam: Keine wurde extern validiert, keine testete die Akzeptanz bei Anwender:innen, und keine fand jenseits kontrollierter Studienumgebungen statt. Zur klinischen Praxistauglichkeit – Nutzerfreundlichkeit, reale Fehlerraten, Einfluss auf Behandlungsentscheidungen – liegen schlicht keine Daten vor.
Was bedeutet das für die Praxis?
Für Hausarztpraxen und reisemedizinische Ambulanzen lässt sich daraus eine klare Haltung ableiten: Es gibt derzeit kein KI-Tool für FRT, das Sie mit belastbarer Evidenz in Ihren Workflow integrieren könnten. Die drei untersuchten Systeme sind Proof-of-Concept-Arbeiten, keine marktreifen Anwendungen. Sollten Ihnen Anbieter entsprechende Lösungen anbieten, lohnt sich die kritische Nachfrage: Wurde das Modell extern validiert? An welcher Population wurde trainiert? Gibt es Daten zu Sensitivität und Spezifität außerhalb der ursprünglichen Studienkohorte?
Besonders aufschlussreich ist der Kontrast der Fehlerprofile: Das regelbasierte System übersah schwere Diagnosen, das Boosting-Modell produzierte viele falsch-positive Befunde. Beides hat unterschiedliche klinische Konsequenzen – verpasste Malariadiagnosen sind potenziell letal, zu viele falsch-positive Malariaverdachte führen zu unnötiger Diagnostik und Verunsicherung. Ein Tool, das in der Praxis Vertrauen verdient, müsste beide Fehlerarten transparent machen und mit Ihrer klinischen Einschätzung kombinierbar sein – nicht sie ersetzen.
Bemerkenswert ist zudem, dass keine der drei Studien Large Language Models einsetzte. Die Review verweist explizit darauf, dass LLMs ein aufstrebendes Feld mit Potenzial darstellen, aber für FRT bislang schlicht nicht untersucht wurden. Wer also auf ChatGPT-ähnliche Anwendungen für die Reisemedizin hofft, sollte wissen: Hier existiert aktuell keine wissenschaftliche Grundlage, nur Spekulation.
Fazit für den Praxisalltag
Die anamnestische und klinische Expertise bleibt bei Fieber nach Reisen weiterhin der Goldstandard – unterstützt durch pathogenspezifische Diagnostik und gegebenenfalls Rücksprache mit tropen- oder reisemedizinischen Zentren. KI-Systeme mögen künftig helfen, umfangreiche epidemiologische und klinische Daten schneller zusammenzuführen. Bis dahin gilt: Technologien mit vielversprechenden AUC-Werten aus kontrollierten Studien sind ein Hinweis auf Potenzial, kein Beleg für klinische Sicherheit oder Alltagstauglichkeit. Wer in seiner Praxis KI-gestützte Diagnostiktools einführen möchte, sollte auf prospektive, extern validierte Studien mit echten Nutzertests warten – und bis dahin bei den etablierten diagnostischen Pfaden bleiben.