KI-basierte Priorisierung von Thorax-Röntgenaufnahmen im Lungenkrebs-Diagnoseweg: die randomisierte kontrollierte LungIMPACT-Studie

Warum diese Studie für Patientinnen und Patienten wichtig ist

Lungenkrebs zählt zu den tödlichsten Krebserkrankungen, zum Teil weil er oft spät entdeckt wird. Viele hoffen, dass künstliche Intelligenz auffällige Thorax-Röntgenaufnahmen schnell markieren kann, damit Betroffene früher die nötigen Untersuchungen und Behandlungen erhalten. Diese große Studie prüfte, ob das Vorrücken verdächtiger Röntgenaufnahmen in der Bearbeitungsliste innerhalb des britischen National Health Service tatsächlich die Lungenkrebsdiagnose beschleunigt. Die Antwort liefert einen wichtigen Realitätscheck dafür, wie KI im Alltag des Gesundheitswesens eingesetzt werden sollte.

Wie Lungenkrebs üblicherweise entdeckt wird

Für viele Menschen ist der erste Schritt auf dem Weg zur Lungenkrebsdiagnose ein vom Hausarzt veranlasstes Thorax-Röntgen. Wirkt das Röntgenbild auffällig oder besteht ein hohes Risiko, sollte zeitnah eine genauere Bildgebung, eine CT-Untersuchung, erfolgen und Fachärzte hinzugezogen werden. Nationale Leitlinien in England empfehlen idealerweise eine CT innerhalb von drei Tagen nach einem verdächtigen Röntgenbild, doch Druck auf Geräte und Personal führt oft zu Verzögerungen. Solche Wartezeiten können die Prognose verschlechtern und große Unsicherheit bei Patientinnen und Patienten auslösen, die auf Ergebnisse warten.

Was das KI-System leisten sollte

Die Forschenden testeten ein KI-Programm, das Thorax-Röntgenaufnahmen sofort nach der Entstehung analysiert. An manchen Tagen wurden Röntgenaufnahmen, die das System als möglicherweise auffällig einstufte, an den Anfang der radiologischen Bearbeitungsliste gesetzt, damit sie schnell von Menschen begutachtet werden. An anderen Tagen waren die KI-Markierungen zwar für das Personal sichtbar, es erfolgte aber keine besondere Priorisierung. Eingeschlossen wurden mehr als 93.000 Röntgenaufnahmen von fast 87.000 Erwachsenen aus fünf NHS-Krankenhausgruppen. Die Kernfragen lauteten, ob die KI-Priorisierung die Zeit bis zur CT und bis zur bestätigten Lungenkrebsdiagnose im Vergleich zur üblichen Praxis verkürzte.

Was die Studie tatsächlich ergab

Trotz des Umfangs der Studie beschleunigte die KI-Priorisierung die wichtigsten Schritte im Lungenkrebs-Weg nicht. Unter mehr als 13.000 Personen, die später eine CT erhielten, betrug die typische Wartezeit vom Röntgen bis zur CT 53 Tage – unabhängig davon, ob die KI-Priorisierung angewendet wurde. Bei den 558 Personen mit bestätigter Lungenkrebsdiagnose lag die mittlere Zeit vom Röntgen bis zur Diagnose in beiden Gruppen bei etwa anderthalb Monaten. Es gab auch keine nennenswerten Unterschiede bei der Geschwindigkeit dringender Überweisungen, dem Behandlungsbeginn oder dem gefundenen Tumorstadium. Die KI verkürzte zwar die Zeit vom Röntgen bis zum schriftlichen Bericht, diese Reduktion war jedoch nicht groß genug, um das weitere Vorgehen für die Patientinnen und Patienten zu verändern.

Was die KI richtig und falsch machte

Das Team untersuchte Fälle, in denen KI und menschliche Leser unterschiedlicher Meinung waren. Solche Diskrepanzen traten bei etwa einem von drei Röntgenaufnahmen auf. Experten beurteilten, dass in fast einem Viertel dieser uneinheitlichen Fälle wichtige Befunde vorlagen, die eine Maßnahme erforderten, darunter viele spätere Krebsfälle. Insgesamt erkannte die KI die meisten Krebsfälle in offensichtlichen Kategorien wie deutlichen Verschattungen, erzeugte aber auch eine erhebliche Zahl falsch-positiver Hinweise und verfehlte einen kleinen Anteil an Tumoren, insbesondere subtile Herde. Diese zusätzlichen Kontrollen können für das ohnehin überlastete Personal Mehrarbeit bedeuten und das Risiko von Warnmüdigkeit erhöhen, bei der häufige Alarme die Reaktionsbereitschaft verringern.

Welche Bedeutung das für die Zukunft der KI in Kliniken hat

Die wichtigste Erkenntnis dieser Studie ist, dass das bloße Verschieben von Röntgenaufnahmen in der Berichtsliste durch KI allein die Lungenkrebsdiagnose in einem bereits etablierten Versorgungsweg nicht beschleunigt. Mögliche Vorteile schnellerer computergestützter Auswertungen wurden durch reale Engpässe wie begrenzte CT-Kapazitäten und klinische Ressourcen aufgezehrt. Die Autorinnen und Autoren schließen daraus, dass KI-Tools für Thorax-Röntgenaufnahmen nicht allein zur Priorisierung von Arbeitlisten in diesem Setting eingeführt werden sollten. Künftige Maßnahmen müssen vielmehr untersuchen, wie KI mit weitergehenden Änderungen des Versorgungswegs kombiniert werden kann – etwa Entscheidungsprozesse am selben Tag, gebündelte Untersuchungen – und wie sie am besten die sorgfältige menschliche Beurteilung unterstützt statt ersetzt.

Zitation: Woznitza, N., Smith, L., Rawlinson, J. et al. AI-based chest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial. Nat Med 32, 1737–1744 (2026). https://doi.org/10.1038/s41591-026-04253-5

Schlüsselwörter: Lungenkrebs, Thorax-Röntgen, medizinische KI, Diagnosewege, klinische Studien