Vergleich zwischen künstlicher Intelligenz und Empfehlungen multidisziplinärer Teams bei der Behandlung von Lebermetastasen kolorektaler Karzinome

Warum das für Patientinnen, Patienten und Familien wichtig ist

Bei vielen Menschen mit kolorektalem Krebs kann die Erkrankung in die Leber streuen, wodurch Therapieentscheidungen zu einem Wettlauf gegen die Zeit werden. Heute werden diese Entscheidungen meist von multidisziplinären Teams getroffen – Gruppen von Spezialistinnen und Spezialisten, die sich abstimmen, um den besten Plan zu bestimmen. Gleichzeitig tauchen chatbasierte KI‑Werkzeuge, wie ChatGPT, zunehmend in Praxen und Kliniken als mögliche Unterstützung auf. Diese Studie stellt eine einfache, aber wichtige Frage: Wie stark stimmen die Vorschläge einer KI mit den Entscheidungen eines Expertenteams überein, wenn beiden dieselben Patienten‑Zusammenfassungen vorgelegt werden?

Wie Behandlungsentscheidungen üblicherweise getroffen werden

Wenn kolorektaler Krebs die Leber erreicht, reichen die Therapieoptionen von Operationen über Chemotherapie bis hin zu begrenzteren, symptomorientierten Maßnahmen. Die Auswahl ist selten eindeutig. Kliniken verlassen sich auf MDT‑Sitzungen (multidisziplinäre Teams), in denen Chirurginnen und Chirurgen, medizinische Onkologinnen und Onkologen, Radiologinnen und Radiologen sowie weitere Expertinnen und Experten zusammenkommen. In diesen Diskussionen werden Tumorgröße und -anzahl, Befunde aus Bildgebung, der allgemeine Gesundheitszustand sowie die Chancen, alle sichtbaren Tumoren sicher zu entfernen, abgewogen. Dieses Teammodell verbessert das Überleben und sorgt dafür, dass Patientinnen und Patienten eine konsistente, evidenzbasierte Behandlung erhalten, ist aber gleichzeitig zeitaufwendig und abhängig davon, dass die richtigen Fachleute verfügbar sind.

Was die Forschenden testen wollten

Die Autorinnen und Autoren prüften, ob ein chatbasiertes KI‑System als Entscheidungsunterstützung für diese Expertenteams dienen könnte, nicht als Ersatz. Sie konzentrierten sich auf 30 Patientinnen und Patienten mit kolorektalem Krebs und Lebermetastasen, die zuvor in einem MDT an einem einzigen Krankenhaus besprochen worden waren. Für jede Person erstellten sie eine standardisierte, anonymisierte Textzusammenfassung mit den wichtigsten klinischen und bildgebenden Details; das KI‑System hatte keinen direkten Zugriff auf Bilder oder vollständige Krankenakten. Anschließend fragten sie ChatGPT nach der jeweils am besten geeigneten Behandlung und wiederholten die Frage pro Fall dreimal, um die Stabilität der Antworten zu prüfen. In einer zweiten Runde gaben sie eine entscheidende Zusatzinformation: Sie stellten explizit klar, dass die Lebertumoren potenziell operabel erschienen, und fragten, ob dies den empfohlenen Plan ändern sollte.

Wie gut die KI mit dem Expertenteam übereinstimmte

Die KI gab bei wiederholten Anfragen zu einem Fall stets den gleichen Empfehlungstyp ab und zeigte damit eine sehr hohe interne Konsistenz. Basierend nur auf den kurzen Zusammenfassungen stimmte die abschließende Empfehlung der KI in etwa zwei Dritteln der Fälle (20 von 30) mit der einstimmigen Entscheidung des MDT überein. Die meisten Meinungsverschiedenheiten ergaben sich dadurch, dass die KI eher vorsichtigere Schritte bevorzugte – etwa zuerst eine Chemotherapie, zusätzliche Bildgebung oder Biopsien – während das Expertenteam in sorgfältig ausgewählten Fällen direkt zur Operation überging. Als die Forschenden das Experiment wiederholten und ausdrücklich angaben, dass die Lebermetastasen operabel erschienen, stieg die Übereinstimmung deutlich: In diesem „Resektabilität‑spezifizierten“ Setting stimmten KI und MDT in 28 von 30 Fällen überein, also in 93 %, ein Niveau, das die Autorinnen und Autoren als sehr gute Übereinstimmung beschreiben.

Was die Muster der Uneinigkeit offenbaren

Selbst nach Angabe der zusätzlichen Information gab es zwei Patientinnen bzw. Patienten, bei denen die KI weiterhin eine systemische Therapie statt einer Operation empfahl, während das MDT eine Operation anstrebte, die auf eine langfristige Kontrolle abzielte. Insgesamt neigte die KI zu konservativeren Empfehlungen, sobald auch nur ein Hauch von Unsicherheit vorhanden war. Das spiegelt wahrscheinlich sowohl trainingsbedingte Sicherheitsprioritäten als auch die Grenzen wider, die sich aus der Arbeit mit knappen Textzusammenfassungen ergeben. Die Autorinnen und Autoren und frühere Studien weisen darauf hin, dass solche Systeme je nach Krankenhaus, Krebsart und Softwareversion unterschiedlich reagieren können, sodass Leistungsergebnisse aus einem Umfeld nicht automatisch auf andere übertragbar sind. Sie betonen außerdem, dass wichtige menschliche Faktoren – etwa Präferenzen, Werte und die alltägliche Lebensqualität einer Patientin oder eines Patienten – in Texten oder Leitlinien nur schwer abzubilden sind und weiterhin dem persönlichen, klinischen Urteil vorbehalten bleiben.

Was das für die künftige Krebsversorgung bedeuten könnte

Diese kleine Pilotstudie legt nahe, dass ein chatbasiertes KI‑System bei klaren und vollständigen schriftlichen Informationen oft zu ähnlichen Behandlungsvorschlägen gelangen kann wie ein erfahrenes Krebszentrum bei kolorektalem Krebs mit Lebermetastasen. Gleichwohl ist das Übereinstimmen mit Expertenentscheidungen auf dem Papier nicht gleichbedeutend mit dem Beweis, dass KI‑gestützte Versorgung sicher ist oder bessere Ergebnisse liefert. Die Autorinnen und Autoren betonen, dass solche Systeme bestenfalls als überwachte Assistenten betrachtet werden sollten – nützlich zum Strukturieren von Fallzusammenfassungen oder zum Aufzeigen fehlender Details – und nicht als autonome Entscheider. Umfangreichere, prospektive Studien, die tatsächliche Patientenergebnisse und nicht nur Übereinstimmungsraten verfolgen, werden unerlässlich sein, bevor solche Werkzeuge in die routinemäßige Versorgung integriert werden können.

Zitation: Yılmaz, M., Abbaslı, N., Tuna, S. et al. Comparison of artificial intelligence and multidisciplinary team recommendations in the management of colorectal cancer liver metastases. Sci Rep 16, 7278 (2026). https://doi.org/10.1038/s41598-026-38449-z

Schlüsselwörter: kolorektales Karzinom, Lebermetastasen, multidisziplinäre Teams, Unterstützung klinischer Entscheidungen, künstliche Intelligenz in der Onkologie