15. 09. 2025
Verfasst von: Maria-Esther Vidal

KI-System macht Krebsbehandlung verständlicher

Eine Frau sitzt einem Mann im Arztkittel gegenüber und schaut ihn vertrauensvoll an. Er hält ein Tablet mit dem Schriftzug MEDI-AGENAI in der Hand. Im Hintergrund sitzt eine Patientin im Behandlungskittel einer Ärztin gegenüber. — Aufklärungsgespräch mit einer Brustkrebspatientin: Das KI-System MEDI-AGENAI verbessert die Kommunikation zwischen Ärzten und Patienten. Es macht medizinische Zusammenhänge verständlicher und fördert eine individuelle Therapie (Bild KI-generiert).

Eine Krebsdiagnose stellt für Betroffene eine enorme Belastung dar. Besonders herausfordernd wird es, wenn medizinische Fachbegriffe unverständlich bleiben und Behandlungsoptionen schwer einzuschätzen sind. Zur Unterstützung entwickelt die TIB – Leibniz-Informationszentrum Technik und Naturwissenschaften das KI-Werkzeug Medi-AgenAI. Es analysiert medizinische Daten aus verschiedenen Quellen sowie das Krankheitsprofil der Patientinnen und Patienten und fördert eine individualisierte, verständliche Therapieplanung.

Medizinische Daten patientenfreundlich aufbereiten

Gute Kommunikation zwischen Medizinern und Patienten ist ungemein wichtig, aber nicht einfach. Ein realistisches Szenario zeigt die Herausforderung: Ein Onkologe bespricht mit einer Brustkrebspatientin verschiedene Therapieoptionen. Doch Fachbegriffe und komplexe Befunde überfordern die Patientin. Hier setzt das hybride KI-System Medi-AgenAI an. Es analysiert medizinische Daten und das individuelle Krankheitsbild, bereitet die Informationen verständlich auf und unterstützt dadurch eine individualisierte Therapieplanung.

Die TIB – Leibniz-Informationszentrum Technik und Naturwissenschaften entwickelt das Werkzeug in Zusammenarbeit mit spanischen Forschungsteams. Ihr Ziel: Durch die Übersetzung komplexer medizinischer Informationen in eine verständliche, patientenfreundliche Sprache verbessert Medi-AgenAI die Kommunikation zwischen Arzt und Patientin. Die KI erleichtert es der Patientin, ihre Behandlungsoptionen zu verstehen, aktiv an ihrer Behandlung mitzuwirken und eine fundierte und selbstbestimmte Entscheidung in der eigenen Krebsbehandlung zu fällen.

Patientenbedürfnisse und Datenschutz berücksichtigen

Medi-AgenAI kombiniert verschiedene KI-Methoden: Open Source Sprachmodelle (Large Language Models, LLMs), Wissensgraphen (Knowledge Graphs) und sogenanntes Symbolic Reasoning. Letzteres bezeichnet die Fähigkeit, aus bekannten Fakten mithilfe logischer Regeln neue Erkenntnisse abzuleiten. Vereinfacht gesagt geht es bei Medi-AgenAI darum, medizinische Informationen aus unterschiedlichen Quellen zu verarbeiten, diese verständlich darzustellen und auf Grundlage des individuellen Krankheitsbilds logische Schlussfolgerungen zu ziehen. Aus diesen Quellen erzeugt es einen strukturierten Wissensgraphen, der Zusammenhänge zwischen Krankheitsverläufen, Diagnosen und Therapieoptionen sichtbar macht. Das Sprachmodell anonymisiert personenbezogene Daten automatisch und gewährleistet so jederzeit den Schutz sensibler klinischer Informationen.

Die Grafik zeigt ein hybrides KI-System, das klinische Daten, wissenschaftliche Publikationen, Arzneimittelinteraktionen und digitale Zwillinge integriert. Ein zentraler Block mit der Beschriftung „MEDI-AGENAI“ verbindet medizinische und kontextuelle Wissensgraphen mit dem Ziel einer verbesserten Kommunikation. — MEDI-AGENAI kombiniert Open-Source-Sprachmodelle (LLMs), Wissensgraphen und symbolisches Schließen. Das System nutzt verschiedene Datenquellen und digitale Zwillinge, um sowohl die personalisierte Behandlung der Patientinnen und Patienten als auch die Kommunikation mit medizinischem Fachpersonal zu verbessern.

Eine Besonderheit von Medi-AgenAI ist die Verwendung digitaler Zwillinge (Digital Twins): Diese virtuellen Abbilder spiegeln die Bedürfnisse und Präferenzen sowohl der Patienten als auch des medizinischen Personals wider. Auf dieser Grundlage kann das System personalisierte Empfehlungen geben und individuelle Behandlungspläne unterstützen. Es erkennt auch Faktoren, die bestimmte Menschen besonders anfällig für unerwünschte Nebenwirkungen machen, so dass mögliche Behandlungsrisiken frühzeitig reduziert werden können.