DeepMind KI-Co-Clinician: In blinder Evaluierung von 98 Primärversorgungsanfragen bevorzugten Ärzte das System gegenüber führenden Tools, null kritische Fehler in 97/98 Fällen

Google DeepMind gab am 30. April 2026 offiziell die Forschungsinitiative KI-Co-Clinician bekannt — ein Modell, das die Autoren als “Triadic Care” beschreiben: ein Paradigma, bei dem ein KI-Agent Patienten in ihrer Versorgung unter der klinischen Autorität ihres Arztes unterstützt. Die Idee ist, die Reichweite des medizinischen Teams zu erweitern und gleichzeitig sicherzustellen, dass der Arzt das Urteilsvermögen und die Kontrolle über Entscheidungen behält. Die Initiative baut auf DeepMinds früherer Arbeit an MedPaLM (medizinische Wissenstests) und AMIE (simulierte Arztgespräche mit Patienten in Machbarkeitsstudien) auf.

Was bedeutet Triadic Care in der Praxis?

Triadic Care ist eine Dreiheit aus Patient–Arzt–KI-Agent, bei der KI als neuer Mitspieler auf dem Feld eintritt — nicht als Ersatz für den Arzt. Medizin war schon immer eine Teamleistung, argumentieren die Autoren — Alan Karthikesalingam, Vivek Natarajan und Pushmeet Kohli — und KI-Agenten können mehr Teammitglieder ins Spiel bringen, während der Kliniker weiterhin die medizinische Verantwortung trägt. Das System wurde in zwei getrennten Richtungen konzipiert und getestet: zur Unterstützung des Arztes (Clinician-facing) und zur Kommunikation mit dem Patienten (Patient-facing).

Wie haben die Autoren die Antwortqualität gemessen?

DeepMind passte gemeinsam mit akademischen Ärzten das NOHARM-Framework an — einen Ansatz, der Fehler durch falsche Informationen (Commission) und Fehler durch das Auslassen kritischer Informationen (Omission) getrennt misst. In blinden Head-to-Head-Evaluierungen bevorzugten Ärzte die Antworten des KI-Co-Clinicians konsistent gegenüber denen führender Evidenzsynthese-Tools. In einer objektiven Analyse von 98 realistischen Primärversorgungsanfragen verzeichnete das System null kritische Fehler in 97 Fällen — eine Verbesserung gegenüber zwei KI-Systemen, die in der klinischen Praxis weit verbreitet sind.

Wie steht es um Anfragequalität und Methodik?

Die Studie verwendete einen blinden Vergleich von 98 realistischen Primärversorgungsanfragen, die aus verschiedenen Quellen gesammelt und anschließend von einem Ärztekomitee verfeinert wurden. Ein mehrstufiger iterativer Prozess umfasste Hintergrundrecherche und die Entwicklung anfragespezifischer Kennzahlen, was eine präzise Messung von Konsens-Omission- und Commission-Fehlern ermöglichte. Ziel war es sicherzustellen, dass die Evaluierung die Komplexität realer klinischer Entscheidungsfindung widerspiegelt und das System nicht an vereinfachten Fällen testet.

Warum ist dies ein Wendepunkt?

Die meisten bisherigen medizinischen KI-Ergebnisse lagen im Modus von Prüfungsfragen oder simulierten Beratungsgesprächen. Co-Clinician positioniert sich erstmals als Klinik-Komponente, bei der der Arzt die Autorität behält und der KI-Agent an seiner Seite arbeitet — was DeepMind als Voraussetzung für klinische Adaption betrachtet. Der globale Mangel an Gesundheitspersonal, den die Weltgesundheitsorganisation bis 2030 auf mehr als 10 Millionen schätzt, macht diese Art der Skalierung wirtschaftlich notwendig, und das Evaluierungsergebnis deutet darauf hin, dass KI nicht länger nur ein Assistent ist, der medizinische Wissenstests ergänzt.