2026-11-17 · ← News
Microsoft kartiert KI-Medizin, doch die größte Lücke liegt zwischen Labor und Patient
Microsoft Research bringt sequenzielle Diagnose, medizinische Bildgebung, virtuelle Zellen und biologische Foundation Models in einer Debatte zusammen. Die Karte zeigt die Breite der Forschung, doch bessere biologische Daten und Validierung in der Versorgung bleiben die größten Hürden.
Das Bild konnte nicht geladen werden.
Microsoft Research hat eine Diskussion mit Doug Burger, Ava Amini, Eric Horvitz und dem Arzt Eric Topol über die Möglichkeiten von KI in der Medizin veröffentlicht. Es handelt sich nicht um eine einzelne Produkteinführung. Die Folge dient als Karte mehrerer Forschungsrichtungen von Diagnose bis Versuchsplanung.
Eine Diskussion verbindet Diagnose, Bildgebung und virtuelle Zellen
Die Teilnehmer sprechen über KI-gestützte Diagnose, medizinische Bildgebung, Modelle des gesamten Patienten, virtuelle Zellen und biologische Foundation Models. Zudem untersuchen sie, wie KI den nächsten Versuch auswählen und die Arzneimittelforschung unterstützen könnte.
Microsoft verweist auf Sequential diagnosis with language models, veröffentlicht in Science am 22. Oktober 2026. Die Arbeit untersucht einen realistischeren Ablauf: Ein Modell oder Arzt erhält einen kurzen Fall, wählt schrittweise Fragen und Tests und stellt schließlich eine Diagnose. So lassen sich nicht nur Genauigkeit, sondern auch Kosten und Länge der Abklärung bewerten.
Der wertvolle Schritt führt von einer Antwort zum gesamten Versorgungspfad
Medizinische Benchmarks bewerten oft die Antwort auf eine vollständige Frage. Sequenzielle Diagnose ähnelt der Praxis stärker, weil jeder zusätzliche Test Zeit und Geld kostet und Patienten belasten kann. Das Modell muss entscheiden, was als Nächstes zu klären ist und wann die Evidenz ausreicht.
Dasselbe gilt für biologische Forschung. Eine virtuelle Zelle oder ein Foundation Model ist wertvoll, wenn es bei der Auswahl eines sinnvollen Experiments hilft, statt nur bekannte Daten zu beschreiben. KI wird damit vom Ergebnisleser zum Werkzeug für den nächsten Schritt.
Eine Forschungskarte ist noch kein klinischer Weg
Der Podcast selbst belegt keine klinische Wirksamkeit eines konkreten Systems. Microsoft betont ausdrücklich, dass vielversprechende Forschung Patienten oft nur langsam erreicht und bessere biologische Daten sowie Validierung in der realen Versorgung nötig bleiben.
In der Medizin ist der Abstand zwischen einer richtigen Benchmark-Antwort und sicherem Rat in der Praxis größer als bei einem gewöhnlichen Chatbot. Entscheidend sind Patientengruppe, verfügbare Tests, weitere Behandlung und die Verantwortung für Fehler oder unnötige Untersuchungen.
Prospektive Studien zeigen, ob die Karte Ärzte weiterführt
Prospektive Studien in echten Krankenhäusern werden entscheiden. Sie sollten Diagnosegenauigkeit, Zahl und Kosten der Tests, Zeit bis zur Diagnose, Folgen für die Behandlung und Unterschiede zwischen Patientengruppen messen.
Zellmodelle brauchen ein anderes Signal: den Anteil ihrer Vorschläge, die reproduzierbare Laborergebnisse liefern. Bis beide Forschungsstränge diese Schwellen überschreiten, bleibt der Podcast ein nützlicher Wegweiser und keine Abkürzung in die Klinik.
Liliths Urteil
Microsoft hat eine Karte von medizinischen Bildern über virtuelle Zellen bis zur Diagnose ausgebreitet. Der Patient liegt jedoch nicht auf der Karte, sondern in der Praxis, wo jede falsche Abzweigung einen weiteren Test, mehr Warten und einen Verantwortlichen bedeutet.