Zusammenfassung der Kerninhalte
Dieser Artikel widerlegt die Missverständnis, dass „AI in der Medizin lediglich zur Diagnosestellung eingesetzt wird“, und weist darauf hin, dass der eigentliche Wert von AI in der Medizin liegt – insbesondere bei der Optimierung administrativer Abläufe (wie Anmeldung, Terminvereinbarung, Abrechnung, Vorabgenehmigungen usw.). Die Entwicklung von AI in der Medizin wird in drei Phasen unterteilt:
1. Phase der Einzelwerkzeuge: Lösen individuelle Probleme von Ärzten (z. B. Umwandlung von Sprache in Krankenakten, Abfrage medizinischer Informationen); leicht zu verbreiten, aber geringer Wert.
2. Tiefwasserphase: Koordination der komplexen Zusammenarbeit mehrerer Akteure/Systeme (z. B. Überweisungen zwischen Krankenhäusern, Vorabgenehmigungen durch Versicherungen); hohe Hürden, aber großer Wert.
3. Neue Paradigma-Phase: Wer den gesamten Prozess schließt, wird zum „Betriebssystem“ der AI-Medizin – und könnte letztendlich herkömmliche elektronische Krankenaktsysteme (EHRs) zu reinen Datendateien degradieren.
Der Wert von AI in der Medizin: Nicht die Diagnosestellung, sondern die Steuerung von Kosten und Prozessen
Viele Menschen denken, dass AI in der Medizin dazu dient, Krankheiten zu diagnostizieren. Der Artikel argumentiert jedoch, dass die teuersten Ausgaben in der Medizin nicht bei der eigentlichen Behandlung liegen, sondern in den administrativen Prozessen.
In den USA belaufen sich die jährlichen Gesundheitsausgaben auf 4,9 Billionen US-Dollar, wovon 740 Milliarden auf administrative Kosten entfallen (ca. 15%). Nur 63 Milliarden werden für IT-Software ausgegeben; der Rest wird durch menschliche Arbeit erledigt. Die Chance von AI besteht darin, diese administrativen Aufgaben durch Automatisierung zu übernehmen (z. B. automatische Abwicklung von Versicherungsvorabgenehmigungen, Terminvereinbarungen).
Beispiel: Ein Arzt verschreibt ein spezielles Medikament und muss dem Versicherer erst nachweisen, dass dieses Medikament notwendig ist. Früher musste dies manuell erledigt werden – mit langen Wartezeiten. AI kann diese Informationen automatisch aus den Krankenakten extrahieren und mit den Regeln der Versicherung abgleichen, was in wenigen Minuten möglich ist. Das ist der Kernwert von AI: Prozesse effizienter zu gestalten.
Drei Phasen der Entwicklung von AI in der Medizin
#### 1. Phase der Einzelwerkzeuge: Lösen individuelle Probleme von Ärzten, ohne die Koordination anderer Akteure.
- Klinisch evidenzbasierte Werkzeuge (z. B. OpenEvidence): Hilft Ärzten bei der Recherche medizinischer Informationen; hohe Durchdringungskraft (40–50%), finanzielle Einnahmen durch gezielte Werbung.
- Spracherkennungswerkzeuge (z. B. Abridge): Wandeln Gespräche zwischen Ärzten und Patienten in Krankenakten; geringe Bindungskraft der Kunden (67 % Wechselbereitschaft, ähnlich wie das Wechseln einer App), da diese Werkzeuge nur als „Aufzeichner“ fungieren.
#### 2. Tiefwasserphase: Koordination mehrerer Akteure und Systeme; hohe Hürden.
- Beispiel: Terminvereinbarung für eine spezielle Operation: Überprüfung der Versicherungsqualifikation des Patienten, Kontaktaufnahme mit dem Arzt, Organisation des Operationssaals, Antrag auf Vorabgenehmigung durch die Versicherung, Benachrichtigung des Patienten. AI muss diese Schritte miteinander verbinden – nicht nur eine App reicht aus; es ist wichtig, die Bedürfnisse und Regeln aller Beteiligten zu verstehen.
Hürden: Hohe Kosten beim Wechsel eines Systems (z. B. Neuausbildung des Personals, Anpassung aller Systeme); wer zuerst eintritt, hat einen Vorteil.
#### 3. Neue Paradigma-Phase: Schließung des gesamten Prozesses von der Ankunft des Patienten bis zur Zahlung der Kosten; AI wird zum „Zentralen Steuerungssystem“ der medizinischen Abläufe.
- Beispiel: Von der Anmeldung über die Terminvereinbarung bis zur Abrechnung – AI steuert den gesamten Prozess. Herkömmliche EHR-Systeme (wie Epic) könnten zu reinen Datendateien werden, während neue AI-Systeme die täglichen Arbeitsabläufe der Ärzte bilden.
Die drei Schlüsselphasen in der Tiefwasserphase
Der Artikel verwendet ein „Körper“ als Metapher, um die entscheidenden Schritte zu erklären:
1. Intake (Eingang): Der erste Kontakt des Patienten mit dem medizinischen System – Telefonate, Registrierung, Rückrufe zur Terminänderung usw. Wer den Eingang kontrolliert, kontrolliert den Datenfluss. Beispiel: Assort Health nutzt AI für telefonische Anfragen und löst Probleme bei der Terminvereinbarung in spezialisierten Ambulanzen.
2. Workflow (Zentrale Steuerung): Koordination von Diagnosen, Überweisungen, Terminen usw. Beispiel: Notable Health unterstützt die Koordination zwischen Krankenhäusern und erledigt automatisch Versicherungsvorabgenehmigungen – ein Unternehmen, das dem „neuen Paradigma“ nahesteht.
3. Billing (Kostenverwaltung): Direkte Auswirkungen auf die Einnahmen des Krankenhauses: Vorabgenehmigungen, Kodierung der Behandlungsleistungen, Bearbeitung von Ablehnungen usw. Beispiel: Commure hat diesen Bereich durch Übernahmen betreten, da die Kostenverwaltung ein wichtiger Bereich für Krankenhäuser ist.
Der Endkampf um die Dominanz in der AI-Medizin
Der Artikel gibt drei Schlussfolgerungen:
1. Die einzelnen Komponenten werden miteinander verbunden: Z. B. OpenEvidence erweitert seine Funktionen von der Recherche bis zur Kodierung und Vorabgenehmigung; Notable Health expandiert vom Eingang bis zur Kostenverwaltung.
2. Der Gewinner ist nicht der Entwickler neuer EHR-Systeme: Neue EHR-Systeme sind schwer zu etablieren; Unternehmen, die an bestimmten Schritten ansetzen (z. B. Workflow), können herkömmliche EHRs als Datendateien nutzen.
3 Giganten wehren sich: Hersteller traditioneller EHR-Systeme integrieren AI-Funktionen in ihre Systeme; Kunden bevorzugen daher vertraute Anbieter. Neue Akteure müssen daher schnell in die Krankenhaussysteme eingreifen, um einen Vorteil zu erlangen.
Die Bedeutung des lokalen Gesundheitssystems für die Chancen von AI
Die Möglichkeiten von AI in der Medizin hängen direkt von der Komplexität des jeweiligen Gesundheitssystems ab:
- USA: Komplexes Versicherungssystem, hohe administrativen Kosten – große Chancen für AI.
- Australien: Allgemeine Krankenversicherung, einfache administrative Prozesse; Bedarf an AI insbesondere bei Terminvereinbarungen und Rückrufen.
- EHR-Monopole: Epic dominiert den US-amerikanischen Markt – neue Akteure müssen sich entweder mit diesem Monopol integrieren oder es als Datendatensource nutzen.
Insgesamt ist AI in der Medizin nicht nur ein hochentwickeltes Diagnosetool, sondern vielmehr eine Lösung für administrative Probleme in den medizinischen Abläufen. Die Tiefwasserphase ist entscheidend – wer diese Herausforderungen meistert, wird das nächste „Betriebssystem“ der Medizin werden.
(Die Daten stammen aus Berichten von Menlo Ventures, KLAS usw.; die Aussagen dienen nur der Informationsweitergabe und stellen keine Investitionsempfehlungen dar.)