Eure Gesundheit

Die Schilddrüse ist ein kleines Organ mit großer Wirkung.

Die digitale Therapie

eine menschliche Hand und eine Roboterhand halten gemeinsam eine künstliche Schilddrüse und symbolisieren so digitale Therapie

Künstliche Intelligenz in der Medizin


Wie verändert KI die Schilddrüsendiagnostik?

Künstliche Intelligenz (KI) bringt große Veränderungen in der Untersuchung von Schilddrüsenerkrankungen. KI-Systeme können viele Informationen über Patient:innen, wie z.B. Blutwerte und Bilder, sehr schnell auswerten. Bei der Untersuchung der Schilddrüse helfen besonders KI-gestützte Bildanalyseverfahren. Demnach kann die Künstliche Intelligenz alle relevanten Daten aus bildgebenden Verfahren, wie der Magnetresonanztomographie (MRT) und der Computertomographie (CT), präziser als zuvor analysieren und auch zu einer rascheren Diagnose verhelfen.

Die digitale Therapie kann demzufolge Ärzt:innen helfen, Veränderungen an der Schilddrüse früher und genauer erkennen, was wiederum bei der Diagnose von Schilddrüsenerkrankungen wie Überfunktion (Hyperthyreose) oder Unterfunktion (Hypothyreose), Hashimoto oder Schilddrüsenkrebs hilft.1 Allerdings wird die Künstliche Intelligenz nicht nur in der Diagnose von Schilddrüsenerkrankungen eingesetzt, sondern auch zur Erkennung andere Krankheiten. Künstliche Intelligenz somit auch bei der Erkennung von Hautkrebs mittels einer App2, bei der Feststellung von Herzerkrankungen, die durch eine Augenuntersuchung erkennbar sind, oder auch bei der Diagnose von Parkinson im Frühstadium3 unterstützen.

Welche Vorteile bietet KI für die digitale Therapie?

KI macht die Behandlung von Schilddrüsenerkrankungen persönlicher und digitaler, dabei ist eine ihrer größten Stärken, die Fähigkeit, große Mengen an Daten schnell und genau zu analysieren. Dadurch kann sie Muster erkennen, die wir Menschen oft nicht sehen. Zum Beispiel kann KI in der Gesundheitsversorgung helfen, frühzeitig Anzeichen von Krankheiten zu entdecken. Ein konkretes Beispiel hierfür ist der Einsatz von Maschineller Intelligenz zur Auswertung von Bildern aus medizinischen Untersuchungen, wie MRT- oder CT-Scans. Dadurch können Ärzt:innen präzisere Diagnosen stellen und individuelle Risiken für Krankheiten wie Krebs besser einschätzen. Ebenso nutzen Geräte wie Smartwatches, die Gesundheitsdaten kontinuierlich sammeln, KI, um dabei zu helfen, frühzeitig auf mögliche Gesundheitsprobleme aufmerksam zu machen 4.

Durch den Einsatz von Künstlicher Intelligenz innerhalb des Gesundheitswesens kann auch eine digitale Transformation stattfinden. Somit entlastet die KI auch verschiedene Bereiche durch Aufgabenbearbeitung wie die Personalplanung, Verwaltung von Patient:innenakten, Materialbeschaffung und -lagerung 5.

Außerdem könnte künstliche Intelligenz in Zukunft auch die Patient:innenreise unterstützend begleiten. Dieser Ablauf umfasst einen Hauptprozess, der mit der Ursache beginnt und die Phasen „Diagnose“ und „Behandlung“ umfasst. Jede dieser Phasen wird durch Aktivitäten, Akteure, wichtige Ereignisse, Bedürfnisse und Emotionen konkretisiert, sowie oft in Tabellen oder Grafiken dargestellt. Besonders wichtig sind die Kontaktpunkte, auch „Touchpoints“ genannt, die während der Patient:innenreise auftreten. Diese Kontaktpunkte spielen eine entscheidende Rolle im Service Design, da sie bestimmen, wie Patient:innen mit dem Gesundheitswesen interagieren und welche Erfahrungen sie dabei machen. Hierbei kann durch die Automatisierung, die Patient:innenreise schneller analysiert werden6.

grafische Darstellung einer digitalen Patient:innenreise beginnend bei der Diagnose bis hin zur digitalen Therapie

Digitale Therapie: Wo liegen die Grenzen und Herausforderungen?

Trotz der Vorteile gibt es auch Herausforderungen beim Einsatz von KI in der Schilddrüsenmedizin und in der digitalen Schilddrüsentherapie. Eine zentrale Frage ist die der Datensicherheit und des Datenschutzes, da für effektive KI-Systeme große Mengen sensibler Patient:innendaten verarbeitet werden müssen. Moderne Behandlungsansätze nutzen viele verschiedene Informationen, um die beste Therapie für jede:n Patient:in zu finden. Dazu gehören Untersuchungsergebnisse, Röntgenbilder, Gentests und sogar Daten von Fitnessarmbändern. Die große Herausforderung ist es, all diese unterschiedlichen Informationen sinnvoll zusammenzubringen. Besonders wichtig sind dabei Informationen über die Gene, weil sie zeigen, wie der Körper auf bestimmte Behandlungen reagieren könnte. Die KI kann in diesen Daten Muster erkennen und dabei helfen, die Behandlung individuell (auf jede:n Patient:in) abzustimmen.


Allerdings gibt es auch Grenzen: Oft fehlen noch wichtige Daten oder sie sind nicht einheitlich erfasst. Außerdem muss der Schutz der persönlichen Daten immer gewährleistet sein. Deshalb arbeiten oft Fachärzt:innen aus verschiedenen Bereichen zusammen, um die besten Behandlungsempfehlungen zu geben8.

Wie könnt ihr von KI in der Schilddrüsenmedizin profitieren?

Für euch als Patient:innen können sich durch Künstliche Intelligenz in der Medizin viele Vorteile ergeben. Erkrankungen können früher und genauer erkannt werden, sodass die Diagnose von Schilddrüsenerkrankungen rascher und präziser erfolgt. Demnach kann die entsprechende Behandlung schneller beginnen. Eine auf euch zugeschnittene Therapie (personalisierte Medizin) könnte zu weniger Nebenwirkungen und besseren Ergebnissen führen. In Zukunft könnten KI-Systeme auch dabei helfen, medizinische Informationen verständlicher zu erklären, sowie durch Apps den Alltag von Erkrankten zu erleichtern. Folglich werden auch andere medizinische Bereiche von der Nutzung von KI profitieren. Seit einiger Zeit wird in der Diagnostik von verschiedenen Erkrankungen KI als Unterstützung genutzt. Hier werden zum Beispiel verschiedene Bilder aus dem Ultraschall, dem CT, dem MRT oder Bilder aus dem Mikroskop genutzt, um Gewebeproben zu analysieren9.

Fazit

ünstliche Intelligenz bietet in der digitalen Schilddrüsentherapie vielversprechende Möglichkeiten, um Diagnosen zu präzisieren und Behandlungen individueller zu gestalten. Dabei ist es jedoch unerlässlich, die Herausforderungen des Datenschutzes und der Datensicherheit zu berücksichtigen, da der Umgang mit sensiblen Patient:innendaten höchste Sorgfalt erfordert. Die Verantwortung der Ärzt:innen bleibt dabei von zentraler Bedeutung. Sie sind nicht nur für die Analyse der von KI bereitgestellten Ergebnisse zuständig, sondern auch dafür, dass alle Entscheidungen im Einklang mit den individuellen Bedürfnissen und der Privatsphäre der Patient:innen getroffen werden.

Künstliche Intelligenz kann die medizinische Versorgung erheblich verbessern, doch letztlich ist es ein unterstützendes Medium und die letzte Instanz bleibt das medizinische Fachpersonal.

  1. Wenz, F. & Ebener, S. (2023). Anwendungen künstlicher Intelligenz in der Onkologie: Möglichkeiten, Machbarkeit und regulatorische Herausforderungen. Die Onkologie30(5), 339–346. https://doi.org/10.1007/s00761-023-01428-4
  2. Lang, M. & Kraft, R. (2024). Forschung will KI nachvollziehbarer machen. dehttps://www.tagesschau.de/wissen/forschung/ki-vertrauen-100.html
  3. Tsanas, A., Little, M. A., McSharry, P. E., Spielman, J., & Ramig, L. O. (2012). Novel speech signal processing algorithms for high-accuracy classification of Parkinson’s disease. IEEE Transactions on Biomedical Engineering, 59(5), 1264-1270. https://doi.org/10.1109/TBME.2012.2183367
  4. Wenz, F. & Ebener, S. (2023). Anwendungen künstlicher Intelligenz in der Onkologie: Möglichkeiten, Machbarkeit und regulatorische Herausforderungen. Die Onkologie, 30(5), 339–346. https://doi.org/10.1007/s00761-023-01428-4
  5. Digital Health – Fraunhofer IKS. (o. D.). Fraunhofer-Institut für Kognitive Systeme IKS. https://www.iks.fraunhofer.de/de/leistungen/digital-health.html#Optimierung-von-Gesundheitsprozessen
  6. Pfannstiel, M. A., Krammer, S. & Swoboda, W. (2017). Digitale Transformation von Dienstleistungen im Gesundheitswesen IV. In Springer eBooks. https://doi.org/10.1007/978-3-658-13644-4
  7. Fraunhofer IKS. (n.d.). Optimierung von Gesundheitsprozessen. In Digital Health. Abgerufen am 12. Mai 2025, von https://www.iks.fraunhofer.de/de/leistungen/digital-health.html#Optimierung-von-Gesundheitsprozessen
  8. Metzger, P., Gräßel, L., Illert, A. L. & Boerries, M. (2024). Data complexity in oncology. Die Onkologie, 30(5), 347–352. https://doi.org/10.1007/s00761-023-01468-w
  9. Wittig, F. (2024). Bessere Krebsdiagnose und -therapie dank KI. dehttps://www.tagesschau.de/wissen/forschung/ki-krebsdiagnose-100.html

AT-NONT-00181; 05/2025