Frühdiagnose der axialen Spondyloarthritis in der Primärversorgung mithilfe von Multi-Agenten-Systemen

Warum Rückenschmerzen klügere Hilfe brauchen

Chronische Kreuzschmerzen sind so verbreitet, dass viele Menschen — und selbst vielbeschäftigte Hausärzte — die kleine Untergruppe von Patientinnen und Patienten übersehen können, die tatsächlich eine ernsthafte entzündliche Wirbelsäulenerkrankung entwickeln: die axiale Spondyloarthritis. Diese Erkrankung kann über Jahre hinweg unbemerkt die Gelenke des unteren Rückens schädigen, sodass Betroffene gerade in ihren aktivsten Lebensjahrzehnten behindert werden. Die in diesem Artikel beschriebene Studie untersucht, ob ein KI-„Team“ aus digitalen Assistenten Hausärzten helfen kann, diese Hochrisikopatienten früher zu erkennen und rechtzeitig an Spezialisten zu überweisen, um Langzeitschäden zu verhindern.

Eine versteckte Erkrankung hinter alltäglichen Rückenschmerzen

Die axiale Spondyloarthritis, kurz axSpA, beginnt oft bei jungen Erwachsenen mit monatelangen Rückenschmerzen, die sich bei Bewegung bessern und nachts schlimmer werden. Zwar ist die globale Prävalenz relativ gering, doch entwickeln fast die Hälfte der unbehandelten Patientinnen und Patienten innerhalb von drei Jahren eine Behinderung und etwa 70 % innerhalb von fünf Jahren. Dennoch wird die Erkrankung im Durchschnitt erst fast sieben Jahre nach dem Beginn der Symptome diagnostiziert. Ein Hauptgrund ist, dass Hausärztinnen und Hausärzte, die die meisten Rückenbeschwerden zuerst sehen, nicht immer mit den Warnzeichen oder mit der Interpretation spezialisierter MRT-Befunde der Sakroiliakalgelenke — der kleinen Gelenke an der Wirbelsäulenbasis, an denen die Erkrankung meist beginnt — vertraut sind. Daher wechseln viele Patientinnen und Patienten zwischen Praxen und Untersuchungen, bevor jemand erkennt, was wirklich vor sich geht.

Ein KI-Pflegeteam aus mehreren digitalen „Agenten“

Um dieses Problem anzugehen, entwickelten die Forschenden ein System namens SpAgents — eine koordinierte Gruppe von KI-Komponenten, die wie Mitglieder eines klinischen Teams zusammenarbeiten. Ein PlannerAgent steuert das Gespräch mit der Ärztin oder dem Arzt und entscheidet, was als Nächstes zu tun ist. Ein DataAgent durchsucht die elektronischen Patientenakten nach Symptomen, Laborwerten und schriftlichen MRT-Berichten. Ein ToolAgent führt ein spezialisiertes Bildgebungsmodell auf den MRT-Aufnahmen der Sakroiliakalgelenke aus und erstellt einen standardisierten Score der Knochenmarksschwellung, ein Kennzeichen aktiver Entzündung. Schließlich wägt ein DoctorAgent all diese Informationen ab und liefert eine von drei Einschätzungen: axSpA, kein axSpA oder „unsicher“, jeweils mit einer Erklärung und Vorschlägen für weitere Tests oder Überweisungen.

Prüfung des Systems an realen Patientinnen, Patienten und Ärztinnen, Ärzten

Das Team evaluierte SpAgents anhand von Daten aus 596 Personen mit Verdacht auf axSpA, stammend aus einem Hauptkrankenhaus und fünf weiteren Zentren. Sie teilten die Fälle in Trainings-, Validierungs- und einen unabhängigen Testdatensatz auf. In diesen Gruppen identifizierte SpAgents axSpA mit hoher Sensitivität (ungefähr 86–94 % der tatsächlichen Fälle wurden korrekt erkannt) und solider Spezifität (etwa 74–87 % der Nicht‑Fälle wurden korrekt als solche eingestuft). Im direkten Vergleich mit sieben Ärztinnen und Ärzten — drei Hausärzten, drei Rheumatologen mit unterschiedlicher Erfahrung und einem Unfallchirurgen — erreichte SpAgents die Leistung erfahrener Spezialistinnen und Spezialisten und übertraf zugleich weniger erfahrene Kliniker deutlich sowohl in Sensitivität als auch in der Gesamtgenauigkeit.

Aus Erfahrung lernen und Bilder klüger nutzen

Über die reine Genauigkeit hinaus war das System so gestaltet, dass es sich eher wie eine vorsichtige Klinikerin oder ein vorsichtiger Kliniker verhält als ein strikter Rechner. Ein Langzeitgedächtnismodul speichert frühere, bestätigte Fälle, sodass die KI bei neuen Patientinnen und Patienten ähnliche Situationen „abrufen“ und ihre Einschätzungen mit der Zeit verbessern kann. Dieses Gedächtnis erhöhte sowohl Sensitivität als auch Genauigkeit über die Datensätze hinweg. Der bildgebende ToolAgent spielte ebenfalls eine wichtige Rolle: Durch Anwendung eines dedizierten MRT-Modells zur Quantifizierung der Sakroiliakalgelenksentzündung verringerte er Fehlalarme, während echte Erkrankungen weiterhin erkannt wurden. Die Forschenden simulierten darüber hinaus die reale Praxis, indem sie SpAgents mit unterschiedlich umfangreichen Informationen versorgten — von nur der Patientenanamnese bis hin zu kompletten Labor- und MRT-Daten. Mit zunehmenden Informationen sank der Anteil der „unsicheren“ Antworten deutlich und die Genauigkeit stieg, was zeigt, wie Blutmarker, genetische Tests und MRT jeweils zu einem klareren Gesamtbild beitragen.

Hausärzte unterstützen, früher und sicherer zu entscheiden

Am auffälligsten war vielleicht, dass Hausärzte und junge Rheumatologen, die ihre Einschätzungen mit Unterstützung von SpAgents wiederholten, eine deutlich bessere Sensitivität und Genauigkeit erreichten — und diese Verbesserungen blieben sogar drei Monate später erhalten. Anders ausgedrückt: Das KI-System fungierte nicht nur als Zweitmeinung, sondern auch als Trainingspartner, der gute diagnostische Gewohnheiten stärkte. Die Autorinnen und Autoren weisen darauf hin, dass SpAgents weiterhin Grenzen hat — etwa Schwierigkeiten, alle Arten von Knochenveränderungen im MRT zu unterscheiden, und die Notwendigkeit einer tieferen Integration in Krankenhaus-IT-Systeme — doch liefert es bereits jetzt kostengünstige, genaue Unterstützung auf realen klinischen Daten. Für Patientinnen und Patienten mit hartnäckigen Rückenschmerzen könnte ein solcher KI-Assistent den Unterschied zwischen Jahren der Ungewissheit und einer rechtzeitigen Diagnose bedeuten, die Wirbelsäule und Leben beweglich hält.

Zitation: Ji, X., Li, Z., Zeng, L. et al. Early diagnosis of axial spondyloarthritis in primary care using multi-agent systems. npj Digit. Med. 9, 185 (2026). https://doi.org/10.1038/s41746-026-02372-4

Schlüsselwörter: axiale Spondyloarthritis, Diagnose von Rückenschmerzen, medizinische KI, Multi-Agenten-Systeme, MRT-Bildgebung