Kurze Antwort
Die sicherste und realistischste Rolle der künstlichen Intelligenz im Gesundheitswesen besteht in den meisten Fällen nicht darin, unabhängig anstelle des Klinikers Entscheidungen zu treffen, sondern Daten zu strukturieren, Muster zu erkennen, den administrativen Aufwand zu reduzieren und menschliche Entscheidungen zu stärken. Die Umsetzungsprobleme, die beim 2026 von US-Medicare gestarteten WISeR-Prior-Authorization-Pilotprojekt aufgetreten sind, zeigen, dass eine „Human-in-the-Loop“-Architektur – insbesondere bei Entscheidungssystemen, die den Zugang zur Versorgung beeinflussen – nicht nur eine theoretische, sondern eine operative Notwendigkeit ist.
Was ist WISeR?
Das Modell Wasteful and Inappropriate Service Reduction (WISeR) wurde am 1. Januar 2026 von den Centers for Medicare & Medicaid Services (CMS) gestartet und soll bis Ende 2031 laufen. Es zielt darauf ab, fortschrittliche Technologie, künstliche Intelligenz und maschinelles Lernen im Vorabgenehmigungsprozess (Prior Authorization) für bestimmte Original-Medicare-Leistungen in den Bundesstaaten Arizona, New Jersey, Ohio, Oklahoma, Texas und Washington einzusetzen.
Welche Leistungen zielt das Modell ab?
CMS gibt an, dass das Modell insbesondere auf bestimmte Leistungen abzielt, bei denen ein hohes Risiko für Missbrauch, unnötige Inanspruchnahme oder ungeeignete Anwendung besteht. Zu den Beispielen gehören Haut- und Gewebeprodukte, bestimmte Implantate zur elektrischen Nervenstimulation und Arthroskopien bei Kniearthrose. Notfallversorgung, rein stationär durchführbare Eingriffe und Leistungen, bei denen eine Verzögerung ein ernstes Risiko darstellen würde, sind vom Geltungsbereich ausgenommen.
Was zeigten die Dokumente von STAT?
Laut einem Bericht von STAT vom 15. September 2026 ergaben mehr als tausend Seiten an Dokumenten und Daten, die infolge einer Klage der Electronic Frontier Foundation nach dem Informationsfreiheitsgesetz (Freedom of Information Act) erlangt wurden, dass bei der ersten Umsetzung des Pilotprojekts technische und operative Probleme auftraten. In dem Bericht wurde erwähnt, dass einige Versorgungsentscheidungen verzögert wurden und ein Technologieanbieter davor warnte, dass die Bereitstellung eines voll funktionsfähigen Produkts innerhalb des von CMS gewünschten Zeitplans unrealistisch sei.
Warum kann eine Verzögerung ein klinisches Sicherheitsthema sein?
Obwohl die Vorabgenehmigung wie ein administrativer Prozess erscheint, kann ihr Ergebnis den Zeitpunkt beeinflussen, zu dem ein Patient Zugang zur Behandlung erhält. In Berichten aus dem Jahr 2026 von Krankenhäusern im Bundesstaat Washington wurde behauptet, dass sich die Wartezeiten für einige Leistungen im Vergleich zum vorherigen Prozess um das Zwei- bis Vierfache verlängert hätten. Solche Erkenntnisse zeigen, dass algorithmische Effizienzmetriken allein nicht ausreichen; auch die klinischen Auswirkungen von Verzögerungen müssen überwacht werden.
Was ist der offizielle Sicherheitsmechanismus von CMS?
CMS gibt an, dass Technologieunternehmen im Rahmen von WISeR Anträge analysieren können; jede Entscheidung, einen Antrag abzulehnen, muss jedoch von einem lizenzierten menschlichen Kliniker mit entsprechender klinischer Fachkompetenz überprüft werden. Darüber hinaus bleiben erneute Anträge, Peer-to-Peer-Gespräche und bestehende Widerspruchsrechte gewahrt. Diese Struktur schreibt die menschliche Aufsicht zumindest auf der Entwurfsebene zwingend vor.
Was bedeutet Human-in-the-Loop genau?
Beim Human-in-the-Loop-Ansatz ist künstliche Intelligenz nicht die letztendliche Instanz, sondern eine Ebene zur Entscheidungsunterstützung. Das System kann fehlende Unterlagen feststellen, die Übereinstimmung mit Kriterien vorbewerten oder Risikosituationen kennzeichnen; der klinische Kontext, Ausnahmen und patientenspezifische Umstände werden jedoch von einer menschlichen Fachkraft bewertet. Der entscheidende Punkt ist, dass der Mensch nicht nur ein symbolisches Element ist, das den „Genehmigungsknopf drückt“, sondern die autorisierte Person, die die Entscheidung tatsächlich hinterfragen und ändern kann.
Risiko des Automation Bias
Menschliche Aufsicht allein reicht nicht aus. Wenn der Kliniker die Empfehlung des Algorithmus standardmäßig als richtig akzeptiert, kann es zu einem „Automation Bias“ kommen. Daher sind das Interface-Design, die Darstellung der Unsicherheit des Modells, die Sichtbarkeit der verwendeten Daten und das Angebot alternativer Erklärungen wichtig. Menschliche Aufsicht wird erst dann zu einer Sicherheitsebene, wenn eine echte kognitive Unabhängigkeit gewährleistet ist.
Welche Metriken sollten überwacht werden?
In klinischen KI-Systemen sollten nicht nur Genauigkeit oder Verarbeitungsgeschwindigkeit überwacht werden, sondern auch die Rate fälschlicher Ablehnungen, die Rate fälschlicher Genehmigungen, Leistungsunterschiede in Untergruppen, Verzögerungszeiten, Neubewertungsraten, die Häufigkeit von Kliniker-Overrides und reale Patientenergebnisse. Darüber hinaus muss die Leistung bei jeder Änderung der Modellversion erneut validiert werden.
Erklärbarkeit und Prüfbarkeit
Es muss transparent sein, welche Daten ein System verwendet, welche klinische Regel es anwendet und wie die Entscheidung überprüft werden kann. Insbesondere in Bereichen mit hoher Tragweite wie Erstattung, Versicherung oder Behandlungszugang reicht die Erklärung „Der Algorithmus hat das so gesagt“ nicht aus. Die Entscheidung muss rückwirkend prüfbar sein und Fehler müssen systematisch analysiert werden können.
Sollte künstliche Intelligenz den Arzt ersetzen?
Die heutigen wissenschaftlichen Belege und regulatorischen Ansätze weisen bei risikoreichen klinischen Entscheidungen weniger auf ein vollständig autonomes Modell hin, das den Arzt durch KI ersetzt, sondern vielmehr auf Systeme, die die Entscheidungsqualität und -geschwindigkeit des Klinikers unterstützen. Künstliche Intelligenz kann bei der Bildanalyse, der Risikoklassifizierung, der Dokumentation und der Informationssynthese sehr leistungsfähig sein; Patientenwerte, klinische Ausnahmen, Multimorbidität und der Umgang mit Unsicherheit erfordern jedoch, dass das menschliche Urteilsvermögen im Mittelpunkt bleibt.
Unser Ansatz in unserer Klinik in Bodrum
Wir positionieren künstliche Intelligenz nicht als eine Autorität, die das klinische Denken ersetzt, sondern als ein Assistenzsystem, das die Entscheidung des Arztes stärkt. Daten schneller zu strukturieren und Muster aufzuzeigen, die übersehen werden könnten, ist wertvoll; die endgültige klinische Interpretation muss anhand der Krankengeschichte, der Untersuchung, der Labor- und Bildgebungsbefunde des Patienten und unter ärztlicher Verantwortung erfolgen.
Quellen
- STAT, 15. September 2026: Implementierungsprobleme und Verzögerungen beim Medicare-WISeR-Pilotprojekt
- CMS: Offizielle Seite des WISeR-Modells
- CMS: WISeR FAQ — Überprüfung durch menschliche Kliniker, Fristen und Widerspruchsverfahren
- CMS: Elektronische Vorabgenehmigung (Prior Authorization) und Grundsätze der Überprüfung durch medizinisches Fachpersonal
Letzte medizinische Überprüfung: 18. September 2026
