Mensch und Maschine – gemeinsam für Ihre Gesundheit

Künstliche Intelligenz in der Radiologie

Ob von einer künstlichen Intelligenz (KI) gesprochene Verkehrsnachrichten, per KI generierte Fotos in Werbeprospekten oder telefonische Kommunikationen mit Chatbots in Service-Hotlines oder auf Websites: In unserem Alltag etabliert sich die KI immer mehr und verändert und erleichtert ihn dadurch oftmals auch. Und das alles geschieht in einem rasanten Tempo, da die künstliche Intelligenz tagtäglich mehr dazulernt. Das gilt natürlich auch für die Medizin und hier speziell für die Radiologie. Denn KI-gestützte Computerprogramme können zum Beispiel in der Radiologie erstellte Bilder analysieren, darin auffällige Bereiche markieren, Messungen durchführen und Radiologinnen und Radiologen bei ihren Befunden unterstützen. Für Patientinnen und Patienten stellt sich dabei vor allem die Frage: Was kann KI heute schon leisten – und was wird in Zukunft möglich sein?

Intelligente Unterstützung im Praxisalltag

KI in der Radiologie heute

Künstliche Intelligenz kommt heutzutage bereits bei zahlreichen radiologischen Untersuchungen zum Einsatz. Sie kann beispielsweise auf Röntgen-, CT- oder MRT-Aufnahmen nach bestimmten Auffälligkeiten suchen und Radiologinnen und Radiologen auf verdächtige Bereiche aufmerksam machen.

Verschiedene wissenschaftlich Untersuchungen zeigen mittlerweile, was die KI in der Radiologie jetzt bereits konkret leisten kann.

Beispiel:
Eine 2025 in der Fachzeitschrift Radiology veröffentlichte Studie untersuchte KI-generierte Befunde von mehr als 1.500 Röntgenaufnahmen des Brustkorbs. Die KI erkannte relevante Auffälligkeiten empfindlicher als die Vergleichsbefunde, war allerdings weniger spezifisch.

Das macht ganz deutlich: KI soll und kann derzeit vor allem unterstützen. Die endgültige medizinische Beurteilung bleibt Aufgabe der Ärztin oder des Arztes.

Aktuelle Einsatzgebiete von künstlicher Intelligenz in der Radiologie

Die folgenden Beispiele zeigen, wo KI bereits eingesetzt wird und welche Aufgaben sie übernehmen kann.

Erkennen von Lungen-Veränderungen (z.B. Tumoren)
Unterstützung bei der Schlaganfalldiagnostik
Erkennung bestimmter Knochenbrüche (Frakturen)
Unterstützung bei der Mammographie
Automatische Vermessung von Organen und Tumoren
Erkennung und Quantifizierung von Fettgewebe oder Gefäßverkalkungen
Priorisierung besonders dringlicher Untersuchungen

KI in der Radiologie der Zukunft

In den kommenden Jahren wird sich die KI immer mehr in den gesamten radiologischen Arbeitsablauf integrieren. Die Entwicklung geht zunehmend in Richtung sogenannter „generativer KI“ und „multimodaler KI-Systeme“. Diese können nicht nur Bilddaten analysieren, sondern perspektivisch auch Informationen aus unterschiedlichen Quellen – beispielsweise aus Bildern, Befunden, Arztbriefen und Laborwerten – miteinander verknüpfen. Das dürfte Radiologinnen und Radiologen künftig die Befundung, die Zusammenfassung von Vorbefunden und die klinische Entscheidungsfindung deutlich erleichtern und Diagnosen zusätzlich absichern.

Personalisierte Medizin

Auch die personalisierte Medizin könnte künftig von der künstlichen Intelligenz profitieren. Denn die KI könnte und kann sogar bereits jetzt aus radiologischen Bildern nicht nur erkennen, ob eine Veränderung vorhanden ist, sondern zusätzliche Merkmale analysieren, die beispielsweise Hinweise auf den Krankheitsverlauf geben oder darauf, ob eine verordnete Therapie anschlägt. Die Forschung zu sogenannten „Foundation Models“ (= mit großen Datenmengen vortrainierte KI-Modelle), die für unterschiedliche bildgebende Aufgaben eingesetzt werden können, entwickelt sich derzeit besonders schnell.

Prävention

Auch die Prävention wird von KI profitieren. Bereits vorhandene oder aktuell anstehende CT- oder MRT-Aufnahmen könn(t)en mit speziellen Programmen zusätzlich auf bislang nicht beachtete Risikofaktoren untersucht werden. Denkbar sind beispielsweise Hinweise auf Osteoporose, Gefäßverkalkungen oder Veränderungen des Fettgewebes. Dadurch lassen/ließen sich aus einer Untersuchung, die ursprünglich aus einem anderen medizinischen Grund stattfand oder noch stattfindet, zusätzliche gesundheitliche Informationen liefern im Sinne einer „mitlaufenden Prävention“.

Für eine KI-gestützte Zusatzdiagnostik käme beispielsweise unter anderem das Mammographie-Screening in Frage, zeigte eine große im European Heart Journal veröffentlichte Studie. Dort erkannte Gefäßverkalkungen können auf ein erhöhtes Risiko für kardiovaskuläre Erkrankungen hinweisen und somit ohne zusätzlichen Aufwand Frauen mit einem erhöhten Herz-Kreislauf-Risiko ausfindig machen und so für eine schnelle Behandlung sorgen.

Vorteile von KI

Was KI für die Radiologie leisten kann

Der Einsatz von Künstlicher Intelligenz bietet viele Chancen für die radiologische Diagnostik – von schnelleren Auswertungen über zusätzliche Sicherheit bis hin zu standardisierten Abläufen und mehr Zeit für die Patient:innen.

Schnellere Diagnostik

KI kann große Mengen von Bilddaten sehr schnell analysieren und auffällige Untersuchungen markieren. Dadurch lassen sich dringliche Befunde schneller erkennen.

Zusätzliche Sicherheit

Ein KI-System kann als zweite digitale Kontrolle dienen und auf Veränderungen aufmerksam machen, die bei einer sehr großen Zahl von Untersuchungen möglicherweise übersehen werden könnten.

Entlastung des medizinischen Personals

Die KI kann teilweise automatische Messungen, Vergleiche mit früheren Untersuchungen und andere Routineaufgaben übernehmen. Dadurch entsteht mehr Zeit für Radiologinnen und Radiologen, sich um schwierige/komplexe Befunde und die persönliche Betreuung von Patient:innen zu kümmern.

Standardisierte Auswertung

Bei bestimmten Fragestellungen kann die KI Messungen reproduzierbar durchführen und Veränderungen über mehrere Untersuchungen hinweg vergleichen.

Nachteile und Grenzen der KI in der Radiologie

So vielversprechend die KI auch ist, fehlerfrei und vor allem allwissend ist sie nicht. Ein wesentliches Problem sind falsch-positive und falsch-negative Ergebnisse. Ein Computerprogramm kann – ebenso wie natürlich auch eine Ärztin oder ein Arzt – eine harmlose Veränderung als verdächtig einstufen oder eine Erkrankung übersehen.

Datentraining mit Fehlerpotenzial

Hinzu kommt, dass KI-Systeme mit großen Datenmengen trainiert werden. Sind diese Trainingsdaten nicht vielfältig genug, entstehen möglicherweise Fehler oder Verzerrungen. Ein System, das beispielsweise überwiegend mit bestimmten Patientengruppen trainiert wurde, muss nicht bei allen Bevölkerungsgruppen gleich zuverlässig funktionieren. Auch Unterschiede zwischen Kliniken, Geräten und Untersuchungsprotokollen können die Leistungsfähigkeit beeinflussen.

Datensicherheit und Nachvollziehbarkeit

Ein weiteres Problem ist die Nachvollziehbarkeit. Bei manchen KI-Systemen lässt sich nicht ohne Weiteres erkennen, warum ein bestimmtes Ergebnis zustande gekommen ist.

Auch Datenschutz und Datensicherheit spielen eine wichtige Rolle. Denn medizinische Bilddaten gehören zu den besonders schützenswerten persönlichen Informationen. Die Weltgesundheitsorganisation (WHO) weist deshalb darauf hin, dass KI im Gesundheitswesen mit klaren Regeln für Sicherheit, Datenschutz, Verantwortlichkeit und Fairness eingesetzt werden muss.

Radiologie im Wandel

Heute und morgen: Was bedeutet die KI in der Radiologie für Patient:innen?

Die Radiologie der Zukunft wird wahrscheinlich nicht aus „Mensch oder Maschine“ bestehen, sondern aus „Mensch UND Maschine“. Die KI kann große Datenmengen analysieren, Muster erkennen und Radiologinnen und Radiologen bei ihrer Arbeit sinnvoll unterstützen. Die Ärztin oder der Arzt kennt dagegen die Krankengeschichte, Beschwerden und individuellen Umstände der Patientin oder des Patienten und kann die Bildbefunde in diesen Zusammenhang einordnen. Deshalb hat die ärztliche Verantwortung auch bei zunehmendem KI-Einsatz einen entscheidenden und nicht zu ersetzenden Stellenwert!

Für Patientinnen und Patienten sollte und wird KI vor allem eines bringen: Eine bessere, schnellere und möglichst zuverlässige medizinische Versorgung.

Weiterführende Informationen/ Links

Deutsche Röntgengesellschaft
KI in der Radiologie – Herausforderungen und Praxis (Abruf: 15.08.2026)

Radiologienetz
Radiologische Prävention im Zeitalter von Longevity und KI (Abruf: 15.08.2026)

Radiologienetz
KI-Anwendungsfälle in der Praxis (Abruf: 15.08.2026)

Radiologienetz
KI-gestützte Hirnvolumetrie (Abruf: 15.08.2026)

Universitätsmedizin Greifswald
Künstliche Intelligenz in der Radiologie (Abruf: 15.08.2026)

Universitätsklinikum Brandenburg an der Havel
Was macht KI in der Radiologie? (Abruf: 15.08.2026)

ASKLEPIOS Konzern
Asklepios setzt neue Maßstäbe mit flächendeckendem KI-Einsatz in der Radiologie (Abruf: 15.08.2026)