Künstliche Intelligenz schlägt menschliche Forscherteams bei der Analyse medizinischer Daten

Was vor wenigen Jahren noch als Science-Fiction galt, wird zunehmend zur unbequemen Realität für hochqualifizierte Wissenschaftler: Künstliche Intelligenz kann komplexe biomedizinische Daten nicht nur schneller verarbeiten als menschliche Forscherteams – in manchen Fällen liefert sie sogar bessere Ergebnisse. Eine neue Studie, veröffentlicht in der renommierten Fachzeitschrift Cell Reports Medicine, dürfte so manchem Datenwissenschaftler schlaflose Nächte bereiten.

Monate menschlicher Arbeit gegen Minuten maschineller Präzision

Die biomedizinische Forschung kämpft seit Jahren mit einem fundamentalen Problem: Die Datenmengen wachsen exponentiell – Genexpressionsprofile, DNA-Methylierungsmuster, Mikrobiom-Analysen –, doch die Zahl der Experten, die diese Datenfluten sinnvoll auswerten können, hält nicht Schritt. Was bislang Teams von Datenwissenschaftlern, monatelange Programmierarbeit und endloses Debugging erforderte, könnte sich nun grundlegend ändern.

Forscher der University of California San Francisco und der Wayne State University stellten acht große Sprachmodelle – jene Klasse von KI, die auch Systeme wie ChatGPT antreibt – vor eine ernsthafte Bewährungsprobe. Sie verwendeten Datensätze aus drei früheren internationalen DREAM Challenges, an denen sich mehr als 100 menschliche Forscherteams beteiligt hatten. Die Aufgaben waren alles andere als trivial: Vorhersage des Gestationsalters anhand von Blut-Genexpression, Schätzung des biologischen Alters der Plazenta mittels DNA-Methylierung und Erkennung des Frühgeburtsrisikos aus vaginalen Mikrobiom-Daten.

Ein einziger Versuch – ohne Hilfestellung

Die Bedingungen waren denkbar spartanisch. Die KI-Systeme erhielten lediglich eine sorgfältig formulierte Aufgabenbeschreibung und mussten daraus eigenständig funktionsfähigen R- oder Python-Code generieren. Keine iterativen Hinweise, kein Coaching, kein Nachbessern. Ein einziger Schuss. Einer der Datensätze umfasste rund 360.000 molekulare Merkmale – eine Datenmenge, die selbst erfahrene Bioinformatiker ins Schwitzen bringt.

Die menschlichen Teams hatten in den ursprünglichen Wettbewerben bis zu drei Monate Zeit, um ihre Modelle zu entwickeln und zu verfeinern. Manche konstruierten hochkomplexe mehrstufige Random-Forest-Systeme und griffen auf zusätzliche klinische Informationen zurück. Die KI hingegen brauchte Sekunden bis Minuten.

Das Ergebnis, das selbst die Forscher überraschte

Vier der acht getesteten KI-Systeme generierten erfolgreich funktionierenden Code und brauchbare Vorhersagemodelle. Das System o3-mini-high von OpenAI erledigte nahezu alle Aufgaben und erzielte die höchste Gesamtpunktzahl. Doch der eigentliche Paukenschlag kam bei der Plazenta-Alterungsaufgabe: Hier übertraf ein KI-generiertes Modell das beste menschliche Team aus dem Originalwettbewerb – und zwar statistisch signifikant.

Man muss sich das auf der Zunge zergehen lassen: Eine Maschine, die mit einem vergleichsweise simplen Ridge-Regression-Modell arbeitete, schlug die besten menschlichen Köpfe, die monatelang an ihren Algorithmen gefeilt hatten. Bei den übrigen Aufgaben erreichten die KI-Modelle im Durchschnitt das Niveau der menschlichen Teilnehmer – solide konkurrenzfähig, wenn auch nicht immer an der absoluten Spitze.

Warum das für Millionen Menschen relevant ist

Frühgeburten betreffen weltweit etwa elf Prozent aller Neugeborenen und gehören zu den häufigsten Ursachen für Neugeborenensterblichkeit. Zuverlässige Vorhersageinstrumente für Schwangerschaftskomplikationen fehlen Klinikern nach wie vor weitgehend. Bessere Modelle könnten eine frühere Identifikation gefährdeter Schwangerschaften ermöglichen, präzisere Interventionszeitpunkte bestimmen und langfristige Komplikationen bei Kindern reduzieren. Gerade in einer Zeit, in der das deutsche Gesundheitssystem unter chronischer Unterfinanzierung und Personalmangel ächzt, könnte solche Technologie ein Segen sein – vorausgesetzt, die Politik verschläft die Entwicklung nicht wie so vieles andere.

Die Stärken der KI – und ihre Achillesferse

Besonders beeindruckend zeigte sich die KI bei strukturierten, reproduzierbaren Arbeitsabläufen: Daten laden, Trainings- und Testdatensätze korrekt aufteilen, Modelle anpassen, Leistungsmetriken berechnen und sogar Grafiken erstellen. Bemerkenswert ist dabei, dass keines der erfolgreichen KI-Systeme versehentlich Testdaten in das Training einfließen ließ – ein überraschend häufiger menschlicher Fehler, der Ergebnisse künstlich aufblähen kann.

Doch die Technologie steht noch am Anfang, und das wurde ebenfalls deutlich. Die Hälfte der getesteten Modelle scheiterte komplett – oft an banalen Programmierfehlern wie dem Verweis auf nicht existierende Software-Pakete oder dem fehlerhaften Umgang mit Datenformaten. Selbst die besten Modelle lieferten bei wiederholter Ausführung desselben Prompts leicht unterschiedliche Ergebnisse. Und es gibt eine tieferliegende Sorge: Wenn viele Forscher auf ähnliche KI-Systeme zurückgreifen, könnten sie bei ähnlichen Modellierungsansätzen landen. Das würde zwar die Reproduzierbarkeit verbessern, könnte aber die methodische Kreativität einschränken.

Die entscheidende Frage: Wohin führt das?

Große Sprachmodelle zeigen bereits vielversprechende Ergebnisse beim Lesen medizinischer Akten, bei der Erstellung radiologischer Befunde und bei der Unterstützung pathologischer Analysen. Das Neue an dieser Studie ist, dass die KI über reine Sprachaufgaben hinausgeht und sich in die praktische Datenwissenschaft vorwagt – sie schreibt tatsächlich funktionierenden Code. Die Autoren betonen allerdings, dass menschliche Aufsicht weiterhin unverzichtbar bleibe. KI-Modelle könnten halluzinieren, Anweisungen missverstehen oder stillschweigend Fehler machen.

Die zentrale Frage lautet: Wird KI in einem, drei oder fünf Jahren fehlerfrei arbeiten? Keine Halluzinationen mehr, allgemein als zuverlässig anerkannt? Wer die rasante Entwicklung der letzten zwei Jahre beobachtet hat, dürfte ahnen, dass die Antwort eher früher als später „ja" lauten könnte. Für Deutschland, das bei der Digitalisierung ohnehin chronisch hinterherhinkt, wäre es fatal, auch diese Revolution zu verschlafen. Während andere Nationen massiv in KI-Forschung investieren, debattiert man hierzulande lieber über Gendersternchen und Lastenfahrräder. Die Prioritäten könnten kaum schiefer liegen.

Eines steht fest: Die Arbeitswelt wird sich durch diese Technologie fundamental verändern – und zwar schneller, als es den meisten bewusst ist. Wer heute noch glaubt, hochqualifizierte Wissensarbeit sei vor der Automatisierung sicher, der irrt gewaltig.