Eine vorgeschlagene Zwischenebene für ein stark ausgelastetes Gesundheitssystem
Die Südkoreanerinnen und Südkoreaner nahmen 2023 pro Person 18 ambulante Arzttermine wahr, verglichen mit einem OECD-Durchschnitt von 6,5. Bei einer Verbreitung elektronischer Patientenakten von mehr als 95 Prozent verbindet das Land eine umfassende digitale Infrastruktur mit einer hohen Nachfrage nach Sprechstunden. Ein Forschungsteam schlägt nun vor, mithilfe künstlicher Intelligenz lokale Kliniken und große Krankenhäuser enger miteinander zu vernetzen, statt eine weitere Kategorie medizinischer Einrichtungen einzuführen.
Inhalt
- Eine vorgeschlagene Zwischenebene für ein stark ausgelastetes Gesundheitssystem
- Was die 1,5. Ebene konkret leisten soll
- Vorsorgeuntersuchungen können Erkrankungen erkennen, aber auch übersehen
- Bessere Überweisungen hängen von mehr als flüssigen Formulierungen ab
- Vorhandene Aufnahmen könnten übersehene Risiken sichtbar machen
- Breitere Diagnoseunterstützung stützt sich auf unterschiedliche Arten von Evidenz
- Diabetesversorgung könnte zwischen den Terminen fortgeführt werden
- Ärzte behalten die Verantwortung, unterstützt von drei Sicherheitskreisläufen
- Warum Korea ein möglicher Erprobungsort ist, aber keine bestätigte Einführung
- Die wichtigsten Punkte
Der Vorschlag mit dem Namen 1,5-stufiges Gesundheitssystem wurde am 2. September 2026 online in npj Health Systems veröffentlicht, einer Fachzeitschrift von Nature Portfolio. Das Team unter Leitung von Professor Jung Se-young von der Abteilung für Allgemeinmedizin am Seoul National University Bundang Hospital beschreibt eine KI-Ebene, die Kliniken bei der Ersteinschätzung von Patienten, beim Austausch medizinischer Informationen, beim Erkennen übersehener Krankheitsrisiken und bei der Überwachung chronischer Erkrankungen zwischen den Terminen unterstützen soll.
Der veröffentlichte Perspektivbeitrag führt Erkenntnisse aus einzelnen klinischen Studien zusammen. Er berichtet weder über eine Studie zum vollständigen Versorgungsmodell noch kündigt er eine landesweite Einführung an. Die zentrale These lautet, dass einzelne KI-Werkzeuge an den Aufgaben der hausärztlichen Versorgung ausgerichtet werden sollten, statt als voneinander losgelöste technische Produkte zum Einsatz zu kommen.
Auch Professor Park Sang-min von der medizinischen Fakultät der Seoul National University und der Abgeordnete Cha Ji-ho beteiligten sich. Zu den aufgeführten Autorinnen und Autoren zählen Seong-Ho Han, Eojin Yi, Wooin Seo und Yeonsoo Kang. Das Team gab die Veröffentlichung am 17. September 2026 bekannt.
Die Unterscheidung zwischen einem Vorschlag und einem bereits betriebenen System ist wichtig. Die Autoren halten Südkorea für einen vielversprechenden Ort, um das Konzept zu erproben. Zugleich räumen sie ein, dass die nötigen Anreize, die institutionelle Steuerung und die Überwachung bislang nicht im großen Maßstab etabliert sind.
Was die 1,5. Ebene konkret leisten soll
Die vorgeschlagene Zwischenebene ist eine technische Brücke zwischen der Primärversorgung und fachärztlichen Angeboten. Patienten würden weiterhin lokale Ärztinnen und Ärzte aufsuchen und bei Bedarf im Krankenhaus behandelt. KI soll Entscheidungen und Informationsweitergaben unterstützen, die diese Bereiche miteinander verbinden.
Das Konzept richtet diese Unterstützung an vier etablierten Funktionen der Primärversorgung aus: Erstkontakt, Koordination, umfassende Versorgung und Kontinuität. Gemeint sind damit die Einschätzung eines neuen gesundheitlichen Problems, die Abstimmung der Versorgung zwischen verschiedenen Anbietern, die Berücksichtigung eines breiten Spektrums gesundheitlicher Bedürfnisse und eine längerfristige Betreuung.
So könnte eine Klinik KI nutzen, um eine Aufnahme aus einer Vorsorgeuntersuchung auszuwerten, eine Überweisung vorzubereiten und einen Entlassungsbericht aus dem Krankenhaus mit den Messwerten eines häuslichen Überwachungsgeräts zusammenzuführen. Ziel ist ein vollständigeres Bild des Patienten, ohne dass Ärztinnen und Ärzte es bei jedem Termin von Hand neu zusammensetzen müssen.
Die Autoren beschreiben ihr Ziel als eine breitere Verfügbarkeit jener aufmerksamen, individuellen Versorgung, die mit Concierge-Medizin verbunden wird. Im Abstract des Beitrags bezeichnet das Forschungsteam das Modell als skalierbare Alternative zu diesem Ansatz:
Concierge-Versorgung für alle.
Das ist ein erklärtes Ziel, kein nachgewiesenes Ergebnis. Dass ein Werkzeug eine bestimmte Aufgabe verbessert, belegt nicht, dass das gesamte System eine individuellere Versorgung ohne zusätzliches Personal oder höhere Kosten bieten kann.
Vorsorgeuntersuchungen können Erkrankungen erkennen, aber auch übersehen
Ein Beispiel stammt aus einer prospektiven australischen Studie, in der automatisierte Netzhautfotografie mit KI-gestütztem Glaukom-Screening in der Primärversorgung kombiniert wurde. Bei 18 von 161 zuvor nicht diagnostizierten Teilnehmenden wurde ein abklärungsbedürftiges Glaukom festgestellt, also eine Erkrankung, die eine fachärztliche Untersuchung erforderte. Das entspricht 11,2 Prozent.
Der Beitrag nennt außerdem Kennzahlen zur Einordnung dieser Erkennungsrate: eine Sensitivität von 65,0 Prozent, eine Spezifität von 94,6 Prozent und eine Fläche unter der ROC-Kurve (AUROC) von 0,80.
Die Sensitivität beschreibt, wie gut ein Test Personen mit der Erkrankung erkennt. Die Spezifität gibt an, wie gut er Personen ohne die Erkrankung identifiziert. Die angegebene Sensitivität zeigt, dass beim Screening nicht jeder Fall erkannt wurde. Die vergleichsweise hohe Spezifität hebt diese Einschränkung nicht auf.
Die AUROC misst, wie gut ein Test Erkrankte und Nicht-Erkrankte über verschiedene Entscheidungsschwellen hinweg unterscheidet. Ein Wert von 0,80 steht für eine brauchbare Trennschärfe, bedeutet aber nicht, dass 80 Prozent der Patienten eine korrekte Diagnose erhielten.
Die Ergebnisse sprechen dafür, KI zur Ausweitung des Screenings und zur Unterstützung bei der Überweisung in die passende Versorgung einzusetzen. Sie rechtfertigen nicht, ein negatives Ergebnis als Garantie dafür zu verstehen, dass keine Erkrankung vorliegt. Diese Unterscheidung ist für das vorgeschlagene Modell zentral: Unterstützung beim Screening muss mit klinischer Beurteilung und Überweisung verknüpft bleiben.
Bessere Überweisungen hängen von mehr als flüssigen Formulierungen ab
Für die Koordination verweisen die Forschenden auf große Sprachmodelle, die anhand elektronischer Patientenakten Überweisungsschreiben und Entlassungsberichte erstellen. Der Beitrag nennt eine Genauigkeit von bis zu 99,25 Prozent bei der Zero-Shot-Zusammenfassung sowie Hinweise auf eine hohe Übereinstimmung mit von Ärzten verfassten Zusammenfassungen.
Zero-Shot bedeutet, dass das Modell bei dieser Auswertung die jeweilige Aufgabe ohne aufgabenspezifische Beispiele erledigte. Es bedeutet nicht, dass das Modell zuvor nicht trainiert worden war. Große Sprachmodelle werden umfangreich trainiert, bevor sie medizinische Dokumente erstellen sollen.
Der mögliche Nutzen ist praktischer Natur. Wenn ein Patient von einer örtlichen Klinik in ein Krankenhaus wechselt, braucht es eine klare Zusammenfassung von Symptomen, Untersuchungen und Behandlungen. Bei der Rückkehr in die wohnortnahe Versorgung müssen Änderungen der Medikation und fachärztliche Empfehlungen den Patienten begleiten. Ein automatisierter erster Entwurf könnte den Zeitaufwand für das Zusammentragen dieser Informationen verringern.
Die angegebene Genauigkeit bezieht sich jedoch auf eine bestimmte Auswertung. Sie garantiert nicht, dass jedes Überweisungsschreiben in einer anderen Klinik vollständig oder sicher ist. Auch ein sprachlich ausgefeiltes Dokument kann eine entscheidende Information auslassen. Deshalb bleibt die Verantwortung für Versorgungsentscheidungen bei den Fachkräften.
Koordination beschränkt sich zudem nicht auf Krankenhäuser. Der Beitrag beschreibt eine Initiative in Nebraska, bei der eine digitale Plattform zur Versorgungsnavigation ungedeckte soziale Bedürfnisse ermitteln, Patienten mit Angeboten vor Ort verbinden und die Nachbetreuung durch kommunale Gesundheitshelfer unterstützen soll. Dieses Beispiel erweitert den Vorschlag über die Erstellung von Dokumenten hinaus: Informationen sollen Patienten mit Angeboten verbinden, statt lediglich mehr Text zu produzieren.
Vorhandene Aufnahmen könnten übersehene Risiken sichtbar machen
Beim Aspekt der umfassenden Versorgung geht es darum, ob KI Hausärztinnen und Hausärzte dabei unterstützen kann, anhand bereits erhobener Informationen mehr gesundheitliche Bedürfnisse ihrer Patienten zu berücksichtigen. Ein Beispiel ist das opportunistische Screening: Dabei wird eine Aufnahme, die aus einem anderen Grund erstellt wurde, auch auf Hinweise für eine weitere Erkrankung untersucht.
Im US-amerikanischen NOTIFY-1-Projekt erkannte KI Kalziumablagerungen in den Herzkranzgefäßen auf bereits vorhandenen CT-Aufnahmen des Brustkorbs. Diese Ablagerungen können auf Atherosklerose hinweisen, also auf die Bildung von Plaque in den Arterien. Anschließend informierten die Forschenden Ärzte und Patienten über die Befunde.
Der Fachbeitrag nennt Statin-Verschreibungsraten von 51,2 gegenüber 6,9 Prozent nach sechs Monaten. Das entspricht einem Unterschied von 44,3 Prozentpunkten und einem Verhältnis von ungefähr 7,4 zu 1. Statine senken den Cholesterinspiegel und werden bei dafür infrage kommenden Patienten zur Verringerung des Herz-Kreislauf-Risikos eingesetzt.
In Berichten werden die Zahlen als Anstieg von 6,9 Prozent vor dem Screening auf 51,2 Prozent danach dargestellt. Der Fachbeitrag vergleicht hingegen die Werte nach sechs Monaten und erklärt, dass zu Studienbeginn keiner der Patienten Statine einnahm. Die 6,9 Prozent sollten daher nicht als Verschreibungsrate zu Studienbeginn verstanden werden.
Das Ergebnis misst eine Veränderung der Verschreibungen, nicht eine nachgewiesene Verringerung von Herzinfarkten. Zudem spiegelt es eine kombinierte Maßnahme wider: Auf die KI-Erkennung folgte eine Benachrichtigung von Ärzten und Patienten. Der gesamte Effekt lässt sich nicht allein der Erkennung zuschreiben.
Breitere Diagnoseunterstützung stützt sich auf unterschiedliche Arten von Evidenz
Der Beitrag verweist außerdem auf eine randomisierte Studie zur KI-Unterstützung bei der Spirometrie, einem Test, der misst, wie viel Luft eine Person ausatmen kann und wie schnell dies geschieht. Er kommt häufig bei der Abklärung von Atemwegserkrankungen zum Einsatz.
Die KI-Entscheidungshilfe verbesserte die Vorhersage der von den Ärzten bevorzugten Diagnose über alle Fälle hinweg um 9,0 Prozentpunkte. Bei chronisch obstruktiver Lungenerkrankung (COPD) betrug die Verbesserung 15,9 Prozentpunkte. Die angegebenen 95-Prozent-Konfidenzintervalle lagen bei 4,5 bis 13,3 beziehungsweise 9,0 bis 22,7 Prozentpunkten.
Das sind Verbesserungen bei einer diagnostischen Aufgabe, kein Beleg dafür, dass KI Atemwegserkrankungen eigenständig behandeln kann. Die Autoren ordnen solche Werkzeuge in Arbeitsabläufe ein, die eine ärztliche Überprüfung und eine Überweisung vorsehen, wenn ein Fall den Zuständigkeitsbereich der Primärversorgung überschreitet.
In einer separaten Studie modellierten Pickhardt und Kollegen ein KI-Screening vorhandener CT-Aufnahmen auf Herz-Kreislauf-Erkrankungen, Osteoporose und Sarkopenie, also den Verlust von Muskelmasse und -funktion. Für modellierte Kohorten von 55-Jährigen wurde über einen Zeitraum von zehn Jahren eine Kostensenkung und ein besseres Behandlungsergebnis prognostiziert als bei Strategien, alle oder niemanden zu behandeln.
Diese Evidenz unterscheidet sich von der einer klinischen Studie. Ein Modell schätzt Ergebnisse anhand von Annahmen über Erkrankungen, Behandlungen und Kosten. Es kann helfen zu beurteilen, ob ein Ansatz eine Erprobung verdient. Die prognostizierten Einsparungen dürfen aber nicht als bereits erzielte Einsparungen durch das vorgeschlagene koreanische Modell dargestellt werden.
Diabetesversorgung könnte zwischen den Terminen fortgeführt werden
Beim Thema Kontinuität richten die Forschenden den Blick auf Informationen und Versorgung außerhalb des Sprechzimmers. Kontinuierliche Glukosemessgeräte erfassen häufig Messwerte und ermöglichen dem Behandlungsteam, Muster zu erkennen, die bei gelegentlichen Messungen in der Klinik verborgen bleiben können.
Eine randomisierte Studie zum Twin Precision Treatment System kombinierte Glukosemessung, KI-gestützte Lebensstilberatung und digitales Feedback. Den Angaben zufolge erreichten 71,0 Prozent der Teilnehmenden mit Typ-2-Diabetes eine Remission oder konnten ihre Medikation reduzieren.
Es handelt sich um einen kombinierten Endpunkt. Das bedeutet weder, dass 71,0 Prozent eine Remission erreichten, noch dass alle Personen dieser Gruppe ihre Medikamente absetzten. Diese Unterscheidung ist wichtig, wenn beschrieben wird, was Patienten von einem ähnlichen Programm erwarten könnten.
Das Modell GluCare.Health in den Vereinigten Arabischen Emiraten kombinierte Fernüberwachung mit KI-gestützter klinischer Entscheidungshilfe. Der Beitrag berichtet von einem Rückgang des HbA1c-Werts um 2,19 Prozentpunkte, verglichen mit 0,10 Prozentpunkten bei der Standardversorgung. Das entspricht einem Unterschied von 2,09 Punkten. Der HbA1c-Wert spiegelt den durchschnittlichen Blutzucker über etwa zwei bis drei Monate wider.
Beide Beispiele betreffen Versorgungspakete, nicht allein wirkende Software. Überwachungsgeräte, Unterstützung bei der Lebensführung und die klinische Betreuung ergänzten die KI-Komponente. Sie sprechen dafür, eine kontinuierlichere Versorgung zu erproben, belegen aber nicht, dass die KI allein die berichteten Verbesserungen bewirkt hat.
Ärzte behalten die Verantwortung, unterstützt von drei Sicherheitskreisläufen
Der Vorschlag weist die Verantwortung für Diagnose und Behandlung zugelassenen medizinischen Fachkräften und Gesundheitseinrichtungen zu. KI soll Aufnahme, Dokumentation, Priorisierung, Risikobewertung und Überwachung unterstützen, nicht eigenständig die Verantwortung für Patienten übernehmen.
Mit der Autonomie eines Werkzeugs und den möglichen Folgen seiner Ergebnisse soll auch die Intensität der Kontrolle steigen. Administrative Zusammenfassungen und Terminplanung könnten nachträglich überprüft werden. Triage-Einstufungen und klinische Hinweise müssten vor ihrer Umsetzung ärztlich geprüft werden. Diagnosen, Verschreibungen und andere weitreichende Behandlungsentscheidungen erforderten eine fachliche Bestätigung.
Die Autoren benennen außerdem drei Sicherheitskreisläufe: klinische Versorgung, Governance und Lernen. Zusammengenommen beschreiben sie die Notwendigkeit, die Versorgung zu beaufsichtigen, institutionelle Rechenschaft sicherzustellen und Erfahrungen nach der Einführung zur Überwachung und Verbesserung des Systems zu nutzen.
Diese Unterscheidung ist hilfreich, denn eine erfolgreiche Labor- oder klinische Auswertung klärt nicht, wie ein Werkzeug im Alltag funktioniert. Ein Konzept, das mehrere Werkzeuge verbindet, muss sowohl den gesamten Versorgungsdienst als auch jede einzelne Anwendung überwachen.
Dasselbe Prinzip gilt für Patientenakten. Die Forschenden schlagen vor, institutionelle medizinische Akten mit von Patienten bereitgestellten Informationen aus Wearables, persönlichen Gesundheitsakten und digitalen Therapien zu kombinieren. Sie erörtern standardisierte klinische Terminologien wie SNOMED CT, damit verschiedene Systeme dieselben Informationen einheitlich verstehen können. Weit verbreitete digitale Akten sind ein Ausgangspunkt, aber kein Beleg dafür, dass Informationen bereits zuverlässig zwischen Einrichtungen ausgetauscht werden.
Warum Korea ein möglicher Erprobungsort ist, aber keine bestätigte Einführung
Die 18 ambulanten Arzttermine pro Person in Südkorea lagen nach den für 2023 angeführten Zahlen etwa 2,8-mal so hoch wie der OECD-Durchschnitt von 6,5. Zusammen mit den weit verbreiteten elektronischen Patientenakten und der landesweiten Krankenversicherung bietet dieses hohe Aufkommen den Forschenden einen Grund zu prüfen, ob eine bessere Unterstützung der Primärversorgung die fragmentierte Versorgung und den Druck auf große Krankenhäuser verringern kann.
Die Autoren benennen dennoch ungelöste Voraussetzungen für die Umsetzung: Abgestimmte Anreize, Steuerungsgremien und eine Infrastruktur zur Überwachung nach der Einführung sind bislang nicht im großen Maßstab etabliert. Der Vorschlag nennt weder einen bestätigten Starttermin für ein Pilotprojekt noch eine Frist für die Umsetzung oder eine landesweite Finanzierungszusage.
Die zeitliche Abfolge unterscheidet zwischen den zugrunde liegenden Kennzahlen des Gesundheitssystems und der Veröffentlichung sowie ihrer Bekanntgabe:
- 2023: Südkorea verzeichnete 18 ambulante Arzttermine pro Person, verglichen mit dem angeführten OECD-Durchschnitt von 6,5.
- 2. September 2026: Der Perspektivbeitrag wurde online in npj Health Systems, Band 3, Artikel 80, veröffentlicht.
- 17. September 2026: Das Forschungsteam gab die Veröffentlichung bekannt.
Die Autoren erklären, dass keine Interessenkonflikte bestehen. Ihr Beitrag skizziert ein Programm zur Erprobung eines Versorgungsmodells und belegt nicht, dass Korea die Versorgung bereits danach umstrukturiert hat.
Das Konzept sieht außerdem verschiedene Einsatzmöglichkeiten in anderen Regionen vor. In wohlhabenden Städten könnten KI-Triage und automatisierte Dokumentation Kliniken entlasten, die mit hoher Nachfrage nach Fachärzten und großem Verwaltungsaufwand konfrontiert sind. In ländlichen Gebieten mit wenigen Ärzten könnten Pflegekräfte und kommunale Gesundheitshelfer mobile Screening-Werkzeuge nutzen und Patienten überweisen. In Konflikt- oder Katastrophengebieten könnten einfach zu bedienende Werkzeuge ohne Internetzugang helfen, die Grundversorgung aufrechtzuerhalten.
Das sind vorgeschlagene Anpassungen, keine Berichte über eine Einführung des vollständigen Systems. Gemeinsames Ziel ist es, die vorhandenen medizinischen Kapazitäten besser zu nutzen und zugleich Screening, Überweisungen und Überwachung an eine verantwortbare medizinische Versorgung zu binden.
Die wichtigsten Punkte
- Südkoreanische Forschende schlagen eine KI-Ebene vor, die die Primärversorgung mit spezialisierten Krankenhäusern verbindet, statt eine neue Kategorie medizinischer Einrichtungen einzuführen.
- Der Beitrag vom September 2026 ist ein Perspektivbeitrag, der einzelne Studien zusammenführt, und keine Studie zum vollständigen Konzept.
- Die Anwendungsbereiche umfassen Screening, medizinische Dokumentation, die Erkennung weiterer Erkrankungen und die Versorgung zwischen Terminen.
- Die klinischen Ergebnisse unterscheiden sich je nach Aufgabe. Vorteile kombinierter Versorgungsprogramme lassen sich nicht allein der KI zuschreiben.
- Ärztinnen und Ärzte behalten die Verantwortung für Diagnosen, Verschreibungen und Behandlungsentscheidungen.
- Südkorea wird als möglicher Erprobungsort vorgeschlagen. Governance, Anreize und Überwachung sind jedoch noch nicht im großen Maßstab etabliert.
- Eine landesweite Einführung oder eine Frist für ein Pilotprojekt wurde nicht bestätigt.
