Gesundheitsökonomische Simulationsmodellierung eines KI-gestützten klinischen Entscheidungshilfesystems für koronare Revaskularisation

Klügere Entscheidungen in der Herzversorgung

Menschen mit schweren Verengungen der Herzkranzgefäße stehen oft vor der schwierigen Wahl zwischen Medikamenten, minimalinvasiven Eingriffen oder einer offenen Herzoperation. Diese Studie stellt eine einfache, aber wichtige Frage: Wenn Ärztinnen und Ärzte Unterstützung durch ein leistungsstarkes KI‑Tool hätten, das künftige Gesundheit und Kosten vorhersagt, könnten Patienten dann besser leben und das Gesundheitssystem Geld sparen? Anhand von realen Daten aus Zehntausenden kanadischer Patientinnen und Patienten mit Herzkrankheit zeigen die Forschenden, dass ein KI‑Leitsystem häufig eine andere Behandlung empfehlen würde als die tatsächlich gewählte — und dass diese Änderungen sowohl die Ergebnisse verbessern als auch die Ausgaben senken könnten.

Drei verschiedene Wege für ein krankes Herz

Wenn die Gefäße, die das Herz versorgen, sich verengen, erwägen Ärztinnen und Ärzte meist drei Hauptoptionen. Die eine ist alleinige medikamentöse Therapie, mit Medikamenten zur Kontrolle von Symptomen und Risikofaktoren. Eine andere ist ein katheterbasierter Eingriff, der verstopfte Gefäße von innen öffnet. Die dritte ist eine Bypass‑Operation, bei der Blutgefäße aus anderen Körperregionen verwendet werden, um den Blutfluss um verengte Stellen herumzuleiten. Große klinische Studien haben diese Optionen in ausgewählten Patientengruppen verglichen, aber reale Fälle sind oft komplexer als die Menschen, die an Studien teilnehmen. Alter, Begleiterkrankungen, Anatomie und persönliche Präferenzen können die Wahl unklar machen und Ärztinnen und Ärzte sowie Patientinnen und Patienten in Unsicherheit zurücklassen.

Was das KI‑System tatsächlich leistet

Das Team bewertete ein KI‑gestütztes Entscheidungshilfesystem namens Revaz AI. Es wurde mit Daten von mehr als 42.000 Patientinnen und Patienten trainiert, die in Alberta, Kanada, Bildgebung ihrer Herzkranzgefäße erhalten hatten. Für jede neue Patientin bzw. jeden neuen Patienten und für jede der drei Behandlungsoptionen sagt Revaz AI die Wahrscheinlichkeit voraus, innerhalb der nächsten drei und fünf Jahre zu sterben oder schwere herzbezogene Komplikationen zu erleiden. Die Forschenden speisten diese Vorhersagen dann in ein detailliertes Computermodell, das jede Patientin und jeden Patienten über den restlichen Lebensverlauf verfolgt und zwei Dinge erfasst: die Behandlungskosten und die Zeit in gutem Gesundheitszustand, gemessen als „qualitätsadjustierte Lebensjahre“ (QALYs), eine gebräuchliche Größe, die Lebensdauer und Lebensqualität zu einer Zahl zusammenfasst.

Testen verschiedener Wege, wie Ärztinnen und Ärzte KI nutzen könnten

Mithilfe der Aufzeichnungen von 25.942 realen Patientinnen und Patienten spielten die Autorinnen und Autoren die Vergangenheit auf einer virtuellen Bühne noch einmal ab. Für jede Person simulierte das Modell, was unter den drei Behandlungen passiert wäre, geleitet von den Risiko‑Prognosen von Revaz AI. Diese simulierten Zukünfte verglichen sie dann mit dem tatsächlich Eingetretenen, unter drei fiktiven Regeln dafür, wie Ärztinnen und Ärzte das KI‑Tool nutzen könnten. In der ersten Regel wählten Ärztinnen und Ärzte die Option mit der besten Mischung aus Kosten und Gesundheit, wobei das Gesundheitssystem bereit ist, einen standardisierten Betrag für jedes zusätzliche qualitätsadjustierte Lebensjahr zu zahlen. In der zweiten Regel ignorierten sie die Kosten und wählten die Option, die die meisten gesunden Lebensjahre erzeugte. In der dritten, vorsichtigeren Regel blieben Ärztinnen und Ärzte bei ihrem ursprünglichen Plan, sofern die KI nicht eine andere Behandlung vorschlug, die eindeutig die erwartete Lebensqualität verbesserte.

Große Verschiebungen zugunsten von Operationen und besserem Wert

Über diese Szenarien hinweg unterschieden sich die KI‑geleiteten Entscheidungen oft von den ursprünglichen Entscheidunge n und verlagerten die Patienten am häufigsten zugunsten von Bypass‑Operationen statt Kathetereingriffen oder alleiniger Medikation. Unter der kostenbewussten Regel hätte fast drei Viertel der Patientinnen und Patienten in der Hauptanalyse eine andere Behandlung erhalten, was im Durchschnitt sowohl zu niedrigeren Lebenszeitkosten als auch zu mehr Zeit in guter Gesundheit führte. Selbst unter der vorsichtigen Regel, bei der Ärztinnen und Ärzte nur bei eindeutigem Vorteil durch die KI umsteuerten, wären mehr als die Hälfte der Patientinnen und Patienten anders behandelt worden, wiederum mit moderaten Kosteneinsparungen und relevanten Gesundheitsgewinnen. Wenn das Modell ausschließlich darauf abzielte, gesunde Lebensjahre zu maximieren, wurden einige Strategien insgesamt teurer, boten aber nach gängigen Gesundheitspolitik‑Standards dennoch ein gutes Kosten-Nutzen‑Verhältnis.

Warum diese Ergebnisse wichtig sind — und wo ihre Grenzen liegen

Die Studie legt nahe, dass KI‑basierte Entscheidungshilfen Gesundheitssystemen helfen könnten, mehr Nutzen aus jedem ausgegebenen Dollar für komplexe Herzbehandlungen zu ziehen. Indem Entscheidungen auf die vorhergesagte Zukunft jeder Patientin und jedes Patienten zugeschnitten werden — und nicht nur auf die heutige Anatomie — bevorzugt das Tool oft Behandlungen, die anfangs teurer sind, aber Wiederholungsmaßnahmen und Krankenhausaufenthalte später verhindern, insbesondere Bypass‑Operationen. Die Ergebnisse stellen jedoch eine Best‑Case‑Schätzung dar. Das Modell geht davon aus, dass die Risiko‑Vorhersagen der KI genau sind, dass Ärztinnen und Ärzte jederzeit ihren Empfehlungen folgen können und dass künftige Patientinnen und Patienten denen in den Alberta‑Daten und älteren klinischen Studien ähneln. In der Realität werden chirurgische Kapazitäten, Gebrechlichkeit der Patientinnen und Patienten, persönliche Präferenzen und sich entwickelnde medizinische Techniken alle einschränken, wie eng die Praxis dem simulierten Ideal folgen kann.

Was das für Patientinnen, Patienten und Gesundheitssysteme bedeutet

Für Patientinnen und Patienten lautet die Schlussfolgerung nicht, dass ein Computer über ihre Behandlung entscheiden sollte, sondern dass bessere Datennutzung das Gespräch mit den Ärztinnen und Ärzten schärfen kann. Für Gesundheitssysteme zeigt die Arbeit, dass KI nicht nur ein High‑Tech‑Gadget ist, sondern ein Werkzeug, das bei durchdachter Integration in die Versorgung sowohl Ergebnisse als auch Budgets spürbar verbessern könnte. Bevor solche Systeme breit eingeführt werden können, müssen randomisierte klinische Studien bestätigen, dass die Nutzung von KI in echten Kliniken Entscheidungen wirklich in der Weise verändert, wie diese Simulation vorhersagt — und dass diese Änderungen in längere, gesündere Leben zu akzeptablen Kosten münden.

Zitation: Mullie, T., Puri, A., Bogner, E. et al. Health economic simulation modeling of an AI-enabled clinical decision support system for coronary revascularization. npj Digit. Med. 9, 249 (2026). https://doi.org/10.1038/s41746-026-02430-x

Schlüsselwörter: koronare Herzkrankheit, künstliche Intelligenz, klinische Entscheidungshilfe, Gesundheitsökonomie, Bypass-Operation