Künstliche Intelligenz (KI) wird zunehmend Teil medizinischer Versorgung. Gerade in datenintensiven chronischen Erkrankungen wie der Multiplen Sklerose (MS) liegt das Potenzial auf der Hand: KI kann helfen, klinische Informationen zu strukturieren, Symptome longitudinal zu erfassen, Monitoring zwischen Visiten zu unterstützen und perspektivisch auch komplexe Entscheidungen vorzubereiten.
Aber eine zentrale Frage wird dabei oft zu spät gestellt: Wollen Patienten das überhaupt – und in welchen Rollen akzeptieren sie KI?
Genau dieser Frage sind wir unter der Federführung von Kollegen aus Dresden sowie weiteren Partnern in einer neuen Studie in PLOS Digital Health nachgegangen. In der Arbeit „Exploring attitudes and acceptance of artificial intelligence in multiple sclerosis from the patient perspective“ wurden 241 Menschen mit MS in Deutschland befragt. Ziel war es, nicht nur eine allgemeine Haltung zu KI zu erfassen, sondern differenziert zu verstehen, in welchen Bereichen der MS-Versorgung KI als hilfreich, akzeptabel oder eher kritisch wahrgenommen wird.
Das Ergebnis ist differenziert und klinisch hoch relevant: Die Akzeptanz von KI ist nicht grundsätzlich niedrig. Viele Patienten sehen durchaus Potenzial und sind offen für den Einsatz von KI in der MS-Versorgung. Entscheidend ist aber, welche Aufgabe die KI übernehmen soll.
Am höchsten war die Akzeptanz für unterstützende Anwendungen, etwa im langfristigen Krankheitsmanagement oder beim Symptom-Screening. Deutlich zurückhaltender waren die Befragten, wenn KI in stärker entscheidungskritische Bereiche eingebunden werden sollte – insbesondere bei Diagnose oder Therapieauswahl. Die Studie zeigt damit eine Art Verantwortungsgradienten: Je unmittelbarer eine KI medizinische Kernentscheidungen beeinflusst, desto vorsichtiger werden Patient:innen.
Besonders klar war die Präferenz für ein Human-in-the-loop-Modell. Wenn KI und Ärzt:innen als gleich akkurat angenommen wurden, bevorzugten 78,8% der Befragten eine gemeinsame Entscheidungsfindung von KI und klinischem Team – mit finaler Verantwortung beim Arzt oder bei der Ärztin. Nur ein sehr kleiner Anteil sprach sich für eine alleinige finale Entscheidung durch KI aus.
Für uns ist das eine zentrale Botschaft: Patienten lehnen KI nicht pauschal ab. Sie wünschen sich aber keine automatisierte Medizin, in der Verantwortung unklar wird. KI sollte unterstützen, strukturieren und ergänzen – nicht ersetzen.
Ein weiterer wichtiger Befund war, dass die Akzeptanz weniger mit klinischer Krankheitsschwere zusammenhing, sondern stärker mit Vorerfahrung: Menschen, die KI bereits häufiger im Alltag nutzten, waren auch offener für KI-Anwendungen in der MS-Versorgung. Das spricht dafür, dass Vertrauen nicht nur durch technische Modellgüte entsteht, sondern auch durch Transparenz, Erfahrung und verständliche Einführung.
Die Konsequenz für die digitale Neurologie ist klar: Erfolgreiche KI-Implementierung braucht mehr als gute Algorithmen. Sie braucht nachvollziehbare klinische Workflows, transparente Kommunikation, klare Verantwortlichkeiten und eine schrittweise Einführung in Bereichen, in denen Nutzen und Risiko für Patient:innen gut verständlich sind.
Gerade die MS-Versorgung eignet sich als Modell für diese Entwicklung. Sie ist langfristig, datenreich, interdisziplinär und stark auf gemeinsame Entscheidungsfindung angewiesen. Wenn KI hier sinnvoll eingeführt werden soll, muss sie patientenzentriert gedacht werden – nicht als autonome Entscheidungstechnologie, sondern als klinisch eingebettetes Werkzeug.
Unsere Arbeit zeigt: Der Weg zu KI in der MS-Versorgung führt nicht an Patienten vorbei. Er beginnt mit ihrer Perspektive.