Vertrauen statt Technik: Warum Hausärzte KI-Röntgen-Triage zögerlich annehmen
Eine qualitative Studie aus Singapur zeigt, dass die Akzeptanz von KI-gestützter Thorax-Röntgen-Triage weniger von der Algorithmus-Performance abhängt als von Verständnis, Sicherheitsnetzen und Organisationskultur – mit konkreten Lehren für die Einführung in deutschen Praxen.
Mit KI-Unterstützung erstellt · redaktionell geprüft und verantwortet von Steven Breuer.
Wenn über KI in der Bildgebung gesprochen wird, geht es meist um Sensitivität, Spezifität und ROC-Kurven. Eine kürzlich veröffentlichte qualitative Studie aus einem öffentlichen Primärversorgungszentrum in Singapur zeigt jedoch: Die technische Güte eines KI-Systems ist nur einer von mehreren Faktoren, die darüber entscheiden, ob Ärztinnen und Ärzte es im Alltag tatsächlich nutzen. Für die Einführung von KI-Röntgen-Triage in deutschen Hausarztpraxen lohnt sich ein genauer Blick auf diese Ergebnisse (Quelle).
Das Setting: KI als Vor-Triage vor dem Radiologen
In der untersuchten Poliklinik, die monatlich 300 bis 450 Thorax-Röntgenaufnahmen anfertigt, wurde das KI-System Lunit INSIGHT CXR in den Workflow integriert. Jede Aufnahme wurde automatisch analysiert und mit Heatmap sowie Befundtabelle im Bildbetrachter angezeigt. Als "normal" eingestufte Aufnahmen konnten Hausärztinnen und Hausärzte bereits vor der formalen radiologischen Befundung einsehen und darauf reagieren, während als "abnormal" markierte Aufnahmen priorisiert noch am selben Tag radiologisch befundet wurden. Entscheidend: Die radiologische Befundung entfiel nie – sie lief parallel weiter, mit Rückrufmöglichkeit für Patientinnen und Patienten, falls sich nachträglich Auffälligkeiten zeigten.
In den ersten zweieinhalb Monaten wurden 587 Aufnahmen über das Programm verarbeitet, 69,8 % davon von der KI als "abnormal" eingestuft. Doch die eigentlich interessanten Daten liefern nicht die Zahlen, sondern 20 Interviews und Fokusgruppen mit Hausärztinnen und Hausärzten unterschiedlicher Erfahrungsstufen.
Drei Faktoren statt einer Technologiefrage
Die Analyse identifiziert drei ineinandergreifende Themenfelder, die die Nutzung bestimmten.
Erstens: Validität und Workflow-Integration. Ob eine Ärztin die KI überhaupt ausprobierte, hing zunächst davon ab, ob sie ein konkretes Problem erkannte, das die KI löst – etwa lange Wartezeiten auf radiologische Befunde. Wer die bestehenden Abläufe als ausreichend empfand, sah keinen Anlass zur Veränderung. Mit zunehmender Erfahrung verschob sich der Fokus auf die wahrgenommene Genauigkeit: Stimmten KI-Ausgaben mit der eigenen Einschätzung oder späteren Radiologenbefunden überein, wuchs das Vertrauen. Bemerkenswert ist die unterschiedliche Nützlichkeit je nach Befund: Bei unauffälligen Aufnahmen sahen viele einen klaren Vorteil (schnellere Entlassung), bei als "abnormal" markierten Bildern blieb die Skepsis groß – die bewusst sensitivitätsoptimierte Schwelle führte zu "Overcalling", was Ärztinnen und Ärzte veranlasste, lieber auf den Radiologenbefund zu warten.
Zweitens: Ärztliches Selbstvertrauen. Wer sich in der Röntgeninterpretation ohnehin sicher fühlte, empfand die KI als sinnvolle Beschleunigung. Wer weniger Erfahrung hatte, verließ sich lieber auf die radiologische Rückversicherung – auch aus Sorge vor haftungsrechtlichen Konsequenzen bei eigenständiger Entscheidung auf Basis der KI-Ausgabe.
Drittens: Organisationskultur. Dieser Punkt ist für die deutsche Praxis besonders relevant. Institutionelle Rückendeckung, regulatorische Prüfung und eine stufenweise Einführung mit Testphase schufen Vertrauen. Vor allem aber wirkte die fortlaufende radiologische Befundung als "Sicherheitsnetz": Ärztinnen und Ärzte betonten explizit, dass sie die KI nur deshalb als Erstsichtung akzeptierten, weil die Verantwortung nicht allein bei ihnen lag. Der Wegfall der radiologischen Zweitmeinung wurde als inakzeptabel beschrieben.
Konsequenzen für die Einführung in deutschen Praxen
Auch wenn sich das Studiensetting (ambulantes Zentrum mit angeschlossener Radiologie) nicht eins zu eins auf die niedergelassene Praxis in Deutschland übertragen lässt, ergeben sich klare Prinzipien für eine phasenweise Einführung von KI-Röntgen-Triage:
- Zweck klar kommunizieren: Praxisteams müssen verstehen, welches konkrete Problem die KI löst – etwa Wartezeiten auf externe Befunde. Ohne wahrgenommenen Bedarf bleibt die Akzeptanz gering.
- Validierungsdaten transparent machen: Sensitivität, Spezifität und Vergleich zum Referenzstandard sollten aktiv kommuniziert werden, nicht nur in der Zulassungsdokumentation verborgen bleiben.
- Radiologische Rückversicherung erhalten: KI-Triage sollte die fachradiologische Befundung ergänzen, nicht ersetzen – sowohl aus Sicherheits- als auch aus Haftungsgründen.
- Testphase einplanen: Eine Beobachtungsphase, in der KI-Ausgaben parallel zur gewohnten Befundung laufen, baut Vertrauen auf, bevor Entscheidungen tatsächlich auf KI-Vorabbewertungen gestützt werden.
- Mitspracheräume schaffen: Rein top-down verordnete Einführung erzeugt Widerstand. Rückmeldekanäle für das Praxisteam erhöhen die Bereitschaft zur Mitgestaltung.
Die Studie macht deutlich: Der limitierende Faktor bei KI-gestützter Diagnostik ist selten der Algorithmus. Es ist die Frage, ob Ärztinnen und Ärzte verstehen, warum sie ihn nutzen sollen, ob sie ihm im Einzelfall vertrauen können – und ob im Zweifel jemand mitverantwortet.