Der Aufstieg der künstlichen Intelligenz in der primären Atemwegsversorgung und Pneumologie: ein Scoping-Review

Intelligentere Atmungsversorgung in der täglichen Praxis

Atemprobleme wie Asthma, chronisch obstruktive Lungenerkrankung (COPD) und Lungeninfektionen betreffen weltweit Hunderte Millionen Menschen. Dieser Artikel beleuchtet, wie künstliche Intelligenz (KI) still und leise aus Forschungslaboren in die Hausarztpraxis, Notaufnahme und sogar in unsere Wohnungen vordringt, um Lungenerkrankungen früher zu erkennen, Behandlungen zu steuern und die Arbeitsbelastung bereits angespannter Gesundheitsfachkräfte zu verringern. Für Leserinnen und Leser bietet er einen Einblick, wie digitale „Co-Piloten“ bald Hausärzte und Lungenspezialisten dabei unterstützen könnten, schneller, genauer und individueller zu behandeln — ohne die menschliche Beziehung, die das Herz der Medizin bildet, zu ersetzen.

Wie intelligente Werkzeuge lernen, die Lunge zu lesen

Der Review beginnt mit einer kurzen Geschichte der KI in der Lungenmedizin, von frühen „Expertensystemen“, die handschriftlichen Regeln folgten, bis zu den heutigen leistungsfähigen Machine-Learning-Modellen und großen Sprachmodellen. Moderne KI kann Muster direkt aus riesigen Sammlungen von Thoraxröntgenaufnahmen, CT-Scans, Lungenfunktionstests, Tonaufnahmen und elektronischen Gesundheitsakten lernen. Die Pneumologie ist ungewöhnlich reich an dieser Art von Daten: Bilder des Brustkorbs, standardisierte Lungenfunktionskurven, Aufnahmen von Husten- und Atemgeräuschen sowie kontinuierliche Datenströme von Wearables und Heimmonitoren. Diese Kombination aus detailreichen Momentaufnahmen und Langzeitüberwachung macht die Atemwegsversorgung zu einem natürlichen Testfeld für KI-Systeme, die subtile Warnsignale erkennen, Patientengruppen in sinnvolle Subtypen einteilen und vorhersagen können, wer sich wahrscheinlich verschlechtern wird.

Ärzten helfen, mehr in Bildern und Lungenfunktionstests zu sehen

Ein zentrales Thema ist, wie KI die Diagnostik unterstützt. Deep-Learning-Programme helfen Radiologen bereits dabei, Thoraxröntgenaufnahmen zu sortieren, indem sie normale Bilder kennzeichnen, sodass dringende, auffällige Fälle an die Spitze der Warteschlange springen und die Zeit bis zur Befundung kritischer Fälle deutlich reduziert wird. Ähnliche Werkzeuge können Muster einer COVID-19-Pneumonie hervorheben oder beurteilen, ob winzige Knoten in CT-Scans wahrscheinlich frühe Lungenkrebse sind. In Lungenfunktionslaboren und in der Primärversorgung überwachen Algorithmen, wie Patientinnen und Patienten in Spirometer blasen, erkennen technische Fehler und klassifizieren häufige Krankheitsmuster — teils mit Leistungen auf Augenhöhe oder besser als Spezialisten. Zusammengenommen versprechen diese Systeme konsistentere Testqualität und weniger verpasste oder verzögerte Diagnosen, besonders dort, wo gut ausgebildete Fachkräfte knapp sind.

Auf Husten hören, Patienten zu Hause verfolgen und Bevölkerungen schützen

Über die Klinikmauern hinaus verwandelt KI einfache Geräte in mächtige Gesundheitswerkzeuge. Smartphone-Mikrofone und Wearables können Husten, Atmung und Sprache erfassen, sodass Algorithmen Episoden automatisch detektieren und nach akustischen „Fingerabdrücken“ von Krankheiten suchen. Heimsensoren und portable Lungenmonitore, kombiniert mit Wetter- und Luftqualitätsdaten, können Exazerbationen bei Asthma oder COPD vorhersagen und Patientinnen, Patienten sowie Kliniker Tage im Voraus warnen. Telemedizinplattformen und Chatbots erweitern diese Unterstützung, indem sie Selbstmanagement leiten, Anliegen triagieren und Menschen helfen, Medikamente zwischen Praxisbesuchen anzupassen. Auf Bevölkerungsebene hilft Machine Learning, Ausbrüche wie COVID-19 zu verfolgen, gezielte Lungen-Gesundheitskampagnen zu entwerfen und Muster von Vaping- und Tabakkonsum bei Jugendlichen aufzudecken, die in Standardbefragungen übersehen werden könnten.

Chancen, Risiken und gerechter Zugang

Die Autorinnen und Autoren betonen vorsichtig, dass die meisten dieser Werkzeuge noch in Forschung oder frühen Pilotphasen stecken und dass sichere, faire Nutzung nicht garantiert ist. Viele Modelle wurden nur in begrenzten Umgebungen getestet und können versagen, wenn sie anderswo eingesetzt werden oder sich Technologien und Krankheiten im Laufe der Zeit verändern. Wenn Trainingsdaten bestimmte Gruppen unterrepräsentieren — etwa Kinder, ältere Menschen oder marginalisierte Gemeinschaften — könnte KI bestehende Ungleichheiten in der Atemwegsversorgung verstärken. Große Sprachmodelle und andere generative Werkzeuge können zudem selbstbewusste, aber falsche Vorschläge zu Diagnosen oder Therapien machen. Zum Schutz vor Schaden fordert der Artikel rigorose multizentrische Tests, kontinuierliches Monitoring auf Leistungsveränderungen, klare Erklärungen dazu, wie Systeme zu ihren Schlussfolgerungen kommen, und strikte Regeln, die Klinikerinnen und Kliniker bei der endgültigen Entscheidungsfindung in Verantwortung halten.

Was das für die künftige Lungentherapie bedeutet

Abschließend zeichnet der Review ein vorsichtig optimistisches Bild. Mit durchdachtem Design, sorgfältigen Tests sowie starken Datenschutz- und Fairnessschutzmaßnahmen könnte KI viele der repetitiven, datenintensiven Aufgaben übernehmen, die derzeit Zeit von Behandlern beanspruchen. Das würde Hausärzte und Lungenspezialisten entlasten, damit sie sich stärker auf Zuhören, Erklären von Optionen und individualisierte Versorgung konzentrieren können. Statt Ärztinnen und Ärzte zu ersetzen, wird KI als ein Satz neuer Instrumente dargestellt — wie bessere Stethoskope und schärfere Bildgebungsobjektive — die, wenn sie klug eingesetzt werden, die Atemwegsversorgung für Menschen mit Lungenerkrankungen schneller, genauer und persönlicher machen können.

Zitation: Soriano, J.B., Lumbreras, S. The rise of artificial intelligence in respiratory primary care and pulmonology: a scoping review. npj Prim. Care Respir. Med. 36, 21 (2026). https://doi.org/10.1038/s41533-026-00487-5

Schlüsselwörter: künstliche Intelligenz im Gesundheitswesen, Lungenerkrankung, Atemwegsdiagnostik, Telemonitoring, Asthma und COPD