Round-Table-Diskussion, moderiert durch Mag. (FH) Dieter Aigner, Geschäftsführer der Raiffeisen KAG mit den Expert:innen

• Ing.in Mag.a (FH) Christine Stadler-Häbich, Roche Österreich, Director Medical, Access & Governmental Affairs

• Dipl.-Ing. (FH) David Lilek MSc, Fachhochschule Wiener Neustadt, Biotech Campus Tulln

• Mag.a Dr.in Ulrike Bechtold, Institut für Technikfolgen-Abschätzung, Akademie der Wissenschaften

• Lydia Reich MBA, Fondsmanagerin und Leiterin der Arbeitsgruppe „Gesundheit, Ernährung & Wohlbefinden“, Raiffeisen Capital Management

Dieter Aigner: Die Bedeutung der künstlichen Intelligenz (KI) in der Diagnostik wächst stetig und revolutioniert die Art und Weise, wie Krankheiten erkannt und behandelt werden. Wie setzt Roche Österreich aktuell künstliche Intelligenz in der Diagnostik ein, und welche konkreten Vorteile konnten Sie bisher beobachten?

Christine Stadler-Häbich: In der Diagnostik verfolgen wir eine klare Strategie, die weggeht von der krankenhauszentrierten Akutmedizin hin zu einer präventiv orientierten, datengestützten Versorgung. Wir nutzen KI und Digitalisierung als zentrale Hebel für einen Paradigmenwechsel im Gesundheitssystem, stärker in Richtung Prävention. Es gibt mehrere Bereiche, in denen das schon Einzug gefunden hat. Ein Beispiel ist die Pathologie. Wir haben eine große Plattform entwickelt, die eine Vielzahl von KI-Algorithmen integriert, um Patholog:innen bei der Befundung von komplexen Bildanalysen von Gewebeschnitten zu unterstützen. Der Vorteil liegt darin, dass die Befundzeiten verkürzt werden, die Präzision steigt und Kapazitäten im Labor freigemacht werden, zum Beispiel für molekulare Analysen. Auch in der Früherkennung nutzen wir KI-gestützte Risikomodelle. Ein exzellentes Beispiel ist ein Algorithmus, der zur Darmkrebsvorsorge dient. Dieser Algorithmus erkennt in regulären Blutwerten Muster, die auf ein erhöhtes Darmkrebsrisiko hinweisen können. Das ermöglicht einen niederschwelligen Zugang zur Vorsorge, besonders für Menschen, die Screening-Programme nicht in Anspruch nehmen.

Welche Vorteile bietet dieser Algorithmus?

Christine Stadler-Häbich: Mit diesem Algorithmus könnte man im System besser triagieren und dem medizinischen Fachpersonal dabei helfen, Patient:innen mit erhöhtem Risiko gezielter und prioritär zur Koloskopie zu schicken. Das spart dem System Kosten. Ähnliche Ansätze gibt es auch in der Nieren- und Leberdiagnostik. Routinemäßige Laborparameter werden mit algorithmischer Mustererkennung kombiniert, um frühzeitige Hinweise auf sinkende Nierenfunktion oder fortschreitende Lebererkrankungen zu erhalten, lange bevor klinische Symptome sichtbar werden. Insgesamt beobachten wir einen klaren Vorteil. KI führt zu mehr diagnostischer Validität, besseren Triageentscheidungen und weniger unnötigen Untersuchungen. Die zentrale Botschaft ist, dass KI die Medizin nicht ersetzt, sondern erweitert. Das Fachpersonal hat dadurch mehr Zeit für das Wesentliche, mehr Zeit für die Patient:innen und schnellere Möglichkeiten, Therapieentscheidungen zu treffen.

Herr Lilek, Ihr aktueller Forschungs- und auch Lehrschwerpunkt betrifft das maschinelle Lernen von bioanalytischen Daten, das Sie auch für Krebstherapien einsetzen. Können Sie uns einen Überblick über das Projekt „Ra-Dia-M“ geben?

David Lilek: Mit dem Projekt „Ra-Dia-M“ verfolgen wir eine Methode der Spektroskopie. Das „Ra“ steht für Raman-Spektroskopie, „Dia“ für Diagnose und „M“ für die Melanomzellen, die wir untersuchen. Unser Ziel ist es, eine schnelle Diagnose von Hautkrebszellen zu ermöglichen und diese mithilfe der optischen Spektroskopie zu charakterisieren. Wir möchten diese analytische Methode so vorantreiben, dass wir Krebserkrankungen bereits im Ansatz erkennen können und die Therapiestrategie auf Basis der analytischen Daten anpassen können.

Wie gehen Sie bei der Analyse der Daten vor?

David Lilek: Wenn wir unsere analytischen Daten haben, versuchen wir, Modelle zu bauen, die es uns ermöglichen, unter anderem zwischen gesunden und Krebszellen zu unterscheiden. Außerdem schauen wir, ob es Unterschiede gibt, wenn diese Krebszellen behandelt werden, und ob diese Unterschiede biologisch begründbar sind. Wir haben unser Projekt inzwischen ausgeweitet und arbeiten nicht mehr nur mit Hautkrebs- bzw. Melanomzellen, sondern auch mit Hodgkin-Lymphom-Zellen und Leukozyten, also verschiedenen humanen Zellen. Wir untersuchen die Veränderungen in diesen Zellen. Der Vorteil dieser analytischen Methode im Vergleich zu klassischen diagnostischen Verfahren ist, dass sie sehr zeitsparend ist und im Optimalfall keine Patientenproben braucht. Aktuell machen wir das alles in Zellkultur im Labor, aber theoretisch wäre es denkbar, dass man das direkt am Patienten messen kann, und zwar nicht invasiv, sondern mit laserbasierter Messung.

Können Sie bereits therapeutische Strategien ableiten?

David Lilek: Derzeit leiten wir auf Basis unserer Messungen noch keine therapeutischen Strategien ab. Wir sagen also nicht, dass ein:e Patient:in diese oder jene Therapie anwenden soll oder ob er oder sie Krebs hat oder nicht. Solange wir noch im Labor arbeiten, sind wir in dieser Hinsicht sicherer in Bezug auf die Ethik. Trotzdem versuchen wir, die Ergebnisse, die das Modell liefert, auch mit komplementären Methoden zu bestätigen und die Validität und Kausalität abzusichern.

Frau Bechtold, Sie beschäftigen sich mit der Abschätzung von Technikfolgen. Welche gesellschaftlichen und ethischen Implikationen sehen Sie bei der zunehmenden Nutzung von KI in der medizinischen Diagnostik?

Ulrike Bechtold: Aus meiner Perspektive gibt es spezifische Erfolgsgeschichten, wo künstliche Intelligenz etwas tun kann, was der Mensch in der Geschwindigkeit und Verlässlichkeit nicht leisten kann. Diese Erfolgsgeschichten liegen auf der Hand. Die Frage ist, was tun wir damit und wofür sind sie gedacht? An welchem Ende der gesamten Kette der medizinischen Versorgung befinden wir uns hier?
Befinden wir uns in einem Bereich, der relativ klein, aber lukrativ ist, oder haben wir große Effekte im Gesundheitswesen? Das ist letztlich auch eine ökonomische Frage. Wer profitiert davon? In den USA, beispielsweise, wird der Zugang zu Gesundheitsleistungen aufgrund eines Risikos berechnet. Ein:e Patient:in in einem bestimmten Alter hat bestimmte Kosten verursacht und erhält daher schneller Zugang zu notwendigen Therapien. Weiße Patient:innen verursachen mehr Kosten und werden daher risikotechnisch höher eingestuft, was ihnen besseren Zugang zu Therapien verschafft. Hier schließt sich der Kreis wieder. Wir müssen aufpassen, welchen Bias wir in unserem System reproduzieren oder verschärfen.

Wie können wir diesen Bias erkennen und vermeiden?

Ulrike Bechtold: Man muss fragen, in wessen Interesse die technologische Innovation ist und wer sich dafür einsetzt. Auch im Gesundheitswesen ist das immer wieder wichtig. Man muss schauen, wie man Innovationen wie KI an dem Ort, wo sie sinnvoll sind, tatsächlich einsetzt, ohne dass der Hype um KI gleich das gesamte System umstülpt. KI kann uns nicht davor bewahren, bestimmte Fehler zu machen, weil sie nur sieht, was vorher von bestimmten Akteuren definiert wurde. Es gibt keine autonome Intelligenz, die darüber hinauswächst. Es bleibt die menschliche Rolle zu schauen, wo die Grenzen liegen und welche Akteure im Gesundheitssystem von einer Maßnahme – also auch dem Einsatz von KI – profitieren oder dadurch eingeschränkt werden. Der Deutsche Ethikrat hat genau dazu kürzlich eine Stellungnahme abgegeben. Eine der wichtigsten Botschaften war, dass genau hingeschaut werden müsse, welche Rolle der Mensch an welcher Stelle habe, der komplexe Prozess aber Zeit brauche.

Welche langfristigen Auswirkungen sehen Sie?

Ulrike Bechtold: Es gibt auch eine Verpflichtung, Vorsicht walten zu lassen, was neue Technologien für zukünftige Generationen bedeuten. Kinder haben durch digitale Medien eine andere kognitive Basis. In 20 Jahren haben wir möglicherweise andere Akteure und andere Kompetenzen oder Defizite. Wenn wir das nicht mit dem, was der KI zugeschrieben wird, zusammendenken und kritisch hinterfragen, könnten wir Gesellschaften mit einem wachsenden Anteil an weniger mündigen und kritischen Patient:innen und Bürger:innen bekommen. Daneben könnte spezifisches Wissen verloren gehen, weil es bequemer ist, es nicht mehr zu erwerben und anzuwenden. In der Medizin ist das aber extrem relevant. Junge Ärzt:innen müssen diese Kompetenz erlangen, aber wenn Diagnostikarbeiten – etwa durch KI – entkoppelt von einer Anamnese stattfinden und die Ärzt:innen die Grundlagen der Ergebnisse der KI nicht nachvollziehen können, wird das schwierig. Es ist daher entscheidend, dass wir ein großes Augenmerk darauf legen, dass auch die individuelle Wissensbasis nicht kleiner oder eingeschränkt wird. Andernfalls könnten wir in naher Zukunft nicht mehr beurteilen, was in die KI einfließt und was sie produziert. Das ist etwas, worauf wir als Gesellschaften wirklich achten müssen.

Sie sprechen von Gesellschaften im Plural. Können Sie das näher erläutern?

Ulrike Bechtold: Ja, ich sage bewusst Gesellschaften, weil es unterschiedliche Zugänge gibt. Wir haben etwa einen europäischen Zugang, oder einen amerikanischen – es gibt auch andere weltpolitische und geopolitische Konstellationen, die hier wichtig sind. Wir müssen achtsam sein, damit eine pluralistische Basis nicht langfristig gefährdet wird und eine europäische Haltung erkennbar bleibt. Diese ist etwa von einem deutlichen Konsument:innenschutz geprägt. Ein anderes Beispiel ist der amerikanische Investitionsmarkt in KI-Firmen und -Anwendungen. Laut einer Aussage von Sam Altman stehen für Open AI 500 Milliarden US-Dollar an Investitionen einem rechnerischen Gewinn durch Einkünfte aus dieser KI-Anwendung von nur 12 Milliarden Dollar gegenüber. Es gibt also jedenfalls eine große Diskrepanz zwischen der Investition und dem, was tatsächlich zurückkommt. Diese Diskrepanz muss von den großen Technologiefirmen in irgendeiner Form abgesichert werden. Ein Weg ist, dass KI-Anwendungen in systemtragende oder systemerhaltende Funktionen integriert werden, auch wenn sie eigentlich nicht systemerhaltend sind. Wenn diese Blase platzt, gibt es keinen Grund, warum der Staat nicht einspringen sollte. Es ist wichtig, dass wir als Technikfolgen-Abschätzer:innen den Prozess, wo dies möglich ist, zumindest kognitiv entschleunigen und genau hinschauen. Wir müssen die großen und kleinen Problematiken zusammenbringen und sorgfältig analysieren.

Es geht hier auch um enorme Summen. Lydia, wie bewertest du das Thema KI und Medizin aus der Perspektive einer Fondsmanagerin?

Lydia Reich: Der Gesundheitsmarkt ist für uns sehr wichtig. Wenn wir uns den europäischen Aktienmarkt anschauen, sehen wir, dass rund 15 % des breiten Index auf Unternehmen aus dem Gesundheitssektor entfallen. Aber man darf das nicht zu eng sehen – die Wertschöpfungskette ist vielschichtig und reicht über mehrere Sektoren hinaus. Frau Bechtold hat bereits erwähnt, dass die großen Techgiganten Ressourcen schaffen, die am Ende des Tages monetarisiert werden müssen. Das eröffnet spannende Investmentmöglichkeiten für uns. Wir konzentrieren uns dabei auf börsennotierte Unternehmen und nicht auf Start-ups.

Wie sieht es mit dem Thema Diagnostik aus, das wir heute diskutieren?

Lydia Reich: In der Diagnostik haben wir keine kleinen Player, sondern große Unternehmen, die Lösungen anbieten oder implementieren. Es geht nicht nur darum, am Ende des Tages eine Lösung für die Patient:innen zu generieren, sondern entlang der gesamten Wertschöpfungskette. In der Pharmaindustrie beschleunigt KI die Entwicklungszyklen für Medikamente signifikant, sodass Wirkstoffkandidaten schneller auf den Markt kommen und klinische Studien vorangetrieben werden können. Auch in der Medizintechnik, insbesondere bei bildgebenden Verfahren, ermöglicht KI beschleunigte Diagnosen. In der Chirurgie wird Robotik eingesetzt, die ebenfalls mit KI zusammenhängt. Am Anfang der Wertschöpfungskette steht die Diagnose, die nur erfolgen kann, wenn Daten gesammelt werden. Hier kommen die Techgiganten ins Spiel. Viele von uns tragen Wearables wie eine Apple Watch oder einen Fitnesstracker, die Daten sammeln und die Grundlage für Diagnostik im Gesundheitssektor bilden.

Ein breites Feld für Investitionen …

Lydia Reich: Ja, bei den einzelnen Punkten entlang der Wertschöpfungskette ergeben sich für uns zahlreiche Investitionsmöglichkeiten. Wir sehen großes Potenzial in den Bereichen Pharma und Medizintechnik sowie den Technologien, die Daten für Diagnostik sammeln.

Die Datenqualität wurde in der Diskussion schon als problematisch erwähnt. Wie sehen Sie, Frau Stadler-Häbich, dieses Thema?

Christine Stadler-Häbich: Die Datenqualität ist sicher eine der größten Hürden, die wir bemerken. Die Qualität der medizinischen Entscheidungen hängt unmittelbar von der Datenbasis ab. Übrigens gehen 2 % der Gesundheitsausgaben in die Diagnostik, die für 70 % der medizinischen Entscheidungen verantwortlich ist. In Österreich und europaweit sind die Daten weitgehend fragmentiert. Sie befinden sich in den einzelnen Krankenhäusern und bei verschiedenen Gesundheitsdiensteanbietern, die nicht unmittelbar zusammenarbeiten.

Wie kann man diese Problematik angehen?

Christine Stadler-Häbich: Es fehlt an vielen Stellen die nötige Interoperabilität. Krankenhäuser und Praxen arbeiten oft mit nicht kompatiblen Systemen. Standards wie FHIR oder SNOMED CT sind nicht flächendeckend implementiert, gerade im Hinblick auf den European Health Data Space wird dies notwendig werden. Ohne diese saubere Datengrundlage und vernetzte Schnittstellen drohen digitale Lösungen zu Insellösungen zu verkommen.Die Qualität der medizinischen Entscheidungen hängt unmittelbar von der Datenbasis ab. Wenn Daten fragmentiert oder auf bestimmte Patient:innengruppen begrenzt sind, kann algorithmischer Bias entstehen und verzerrte Realitäten erzeugen. Wir müssen Validität garantieren und Bias kontinuierlich über verschiedene Populationen hinweg vermeiden.
Die großen Hürden liegen weniger in der Innovation selbst, sondern im System. Das Gesundheitssystem ist für KI-gestützte Diagnostik nicht vollständig vorbereitet.
Das Vertrauen der Patient:innen und Ärzt:innen ist zentral, da es sich um sensible Gesundheitsdaten handelt, die geschützt werden müssen. Die Zugriffe müssen transparent sein und die KI-Entscheidungen erklärbar.

Wie sieht es mit der Finanzierung aus?

Christine Stadler-Häbich: Es gibt ein sogenanntes Evidenzparadoxon. Man muss Evidenz zeigen, um etwas finanziert zu bekommen. Ohne Finanzierung kann man aber die Evidenz nicht zeigen. KI-Lösungen unterliegen nicht den klassischen Entwicklungszyklen wie in der Pharmaindustrie, wo Produkte zehn bis 15 Jahre Entwicklung benötigen. KI-Lösungen gehen viel schneller, und die Zyklen sind kürzer. Mit Studien versuchen wir viel Evidenz zu zeigen, allerdings sind die Gesundheitssysteme so ausgerichtet, dass die gleichen Studien in jedem Land gemacht werden müssten – das sprengt oft den Rahmen der Finanzierbarkeit.
Präventive Diagnostik kann später Kosten sparen, findet aber oft erst Erstattung, wenn unmittelbar Kosten gespart werden. Eine Langzeitökonomie wird oft nicht so wahrgenommen wie kurzfristige Einsparungen. Kurz gesagt, die Innovation ist schneller, als sich unser System entwickelt. Wir müssen die Technologieeinführung, die Datenqualität, die Regulierung und die Finanzierung gemeinsam denken. Das passiert leider noch nicht ausreichend.

Wie verändert sich die Ausbildung des Bioanalytikers aufgrund von KI, Herr Lilek?

David Lilek: Das Lernverhalten und das Unterrichten werden sich definitiv verändern bzw. haben sich schon verändert. Es geht weniger darum, Wissen anzuhäufen, sondern vielmehr darum, kritisches Denken zu fördern. Studierende müssen lernen zu beurteilen, ob die Informationen, die sie erhalten, plausibel und erklärbar sind. Das ist ein entscheidender Punkt. KI-Modelle wie ChatGPT liefern oft sehr überzeugende Antworten, die leicht als Wahrheit akzeptiert werden können. Es ist wichtig, dass Studierende und auch wir selbst lernen, diese Informationen kritisch zu hinterfragen. Das lebenslange Lernen wird immer wichtiger, da sich das Wissen so schnell vermehrt.
In der Diagnostik sehe ich zwei relevante Richtungen: einerseits Large Language Models wie ChatGPT und andererseits Algorithmen zur Vorhersage. Diese beiden Bereiche sollten aus universitärer Sicht stärker auseinandergehalten werden, da sie unterschiedliche Anwendungen und Herausforderungen mit sich bringen.

Wie gehen Sie mit Fehlern in der KI um?

David Lilek: Nicht nur KI macht Fehler, auch wir Menschen machen Fehler. Ein Peer-Review-System, wie wir es im Forschungsbereich haben, ist auch bei der KI angebracht. Es geht darum, die Ergebnisse kritisch zu hinterfragen und zu überprüfen, ob sie plausibel und erklärbar sind. Aktuell machen wir die biologische Interpretation unserer spektralen Signale noch manuell. In Zukunft könnte das auch die KI übernehmen. Aber auch hier ist es wichtig, dass der Mensch eingreift und die Modelle überprüft, um sicherzustellen, dass die Ergebnisse plausibel und erklärbar sind. Bei vielen KI-Modellen, insbesondere bei neuronalen Netzen und Deep Learning, wird die Erklärbarkeit und Plausibilitätsüberprüfung extrem schwierig. Diese Modelle sind oft eine Blackbox, und es ist herausfordernd, ihre Ergebnisse zu verstehen und zu überprüfen.

Welche Rolle spielt Regulierung in diesem Kontext, Frau Bechtold?

Ulrike Bechtold: Eine sehr wichtige. Und ich möchte festhalten, dass Regulierung nicht nur zu einer Verlangsamung der Innovation führt. Es gibt Beispiele, wie die REACH-Verordnung in der EU, die gezeigt haben, dass Regulierung zu mehr Patenten und damit zu mehr unternehmerischer Kreativität führen kann. Wir sollten nicht immer den Narrativen folgen, dass Vorsicht zu einem Rückstand führt. Regulierung kann auch positive Effekte haben und zu Lösungen führen. Akteure können selbstbewusst sein und Innovation auch unter regulierten Bedingungen fördern. Das bedeutet nicht, dass es automatisch weniger lukrativ ist, sondern das bedeutet vor allem, dass Innovationen weniger negative Folgen haben. Es ist wichtig, dass die Rechte und die langfristige Sicherheit der Bürger:innen im Vordergrund stehen und diese nicht die negativen Konsequenzen tragen müssen.

Nach welchen Kriterien beurteilst du die Unternehmen, in die du investierst, Lydia – speziell in diesem Bereich?

Lydia Reich: Wenn wir mit dem Top-Management sprechen, adressieren wir genau die erwähnten Punkte. Wir interessieren uns für die Standards und ob diese tatsächlich gelebt werden. Natürlich gibt es regulatorische Rahmenbedingungen, aber wir wollen wissen, was darüber hinaus noch gemacht wird. Wenn wir über KI sprechen, werden große Datenmengen zur Verfügung stehen. Diese Daten müssen auch geschützt werden. Datenschutz ist ein sehr wichtiges Thema, das ich immer anspreche, wenn ich mit großen Unternehmen in Kontakt bin. Es muss erkennbar sein, dass es klare Strukturen gibt und Grenzen gesetzt werden. Ein sorgfältiger Umgang mit sensiblen Daten muss gewährleistet sein.
Ein weiterer entscheidender Punkt ist die Cybersecurity. Hier muss es Sicherheitsmaßnahmen geben, die den Datenpool sichern. Wir interessieren uns auch dafür, wie Modelle zur Anwendung kommen und ob ethische Kriterien eine Rolle spielen. Es ist wichtig, kritisch mit den Unternehmen in Diskussion zu gehen und diese Themen anzusprechen.

Die Entwicklung lässt sich ja nun nicht mehr umkehren – was in vielem sehr gut und in manchem weniger gut ist. Mit welchen Hoffnungen und Erwartungen betrachten Sie die Zukunft der KI in der Diagnostik?

Christine Stadler-Häbich: Die Zukunft der KI in der Diagnostik ist unvermeidlich. Sie wird transformativ sein und steht unmittelbar bevor. Die Entwicklungen gehen klar in Richtung Präzisionsmedizin als neuem Standard. Ich bin fest davon überzeugt, dass dies kein Zusatzangebot mehr sein wird, sondern ein selbstverständlicher Bestandteil der Versorgung. Diagnostik wird eine Art Kompassfunktion übernehmen, die Menschen zum richtigen Zeitpunkt in die richtige Versorgungsebene bringt und auf objektiven Modellen beruht. Ich hoffe und wünsche mir, dass digitale Diagnostik bis 2035 niederschwellig verfügbar sein wird, von der Arztpraxis bis ins Krankenhaus. Ich glaube, dass wir so den Wandel von einem krankheitsfokussierten zu einem gesundheitsfokussierten System aktiv mitgestalten können. Diagnostik wird dabei ein strategischer Grundpfeiler für eine moderne Versorgung sein und dazu beitragen, dass wir in Österreich mehr gesunde Lebensjahre erreichen. Durch den Hebel in Richtung mehr Prävention und gute Früherkennung können wir auch in Österreich nicht nur rund 60, sondern vielleicht sogar 80 Lebensjahre in guter Gesundheit erreichen. Das ist mein Wunsch für die Zukunft: die Versorgung in Österreich zu verbessern.

Ulrike Bechtold: Ich würde mir wünschen, dass die Akteure, die Technologie gestalten, finanzieren und kaufen, mutig sind und einen Schritt zurücktreten, um zu fragen: Was brauche ich? Wofür brauche ich es? Wie muss es sein? Es sollten öfter klarere Anforderungen an die Technologie gestellt werden, anstatt – auch als Entscheidungsträger – nur als Konsument:innen zu agieren, die das nehmen, was verfügbar ist. Diejenigen, die die Technologie finanzieren und nutzen, sollten nicht nur das akzeptieren, was auf dem Markt ist, sondern auch den Mut haben, die Entwicklung mitzubestimmen und mitzugestalten.

Lydia Reich: Mein Wunsch ist, dass wir weiterhin eine präzise Diagnostik haben und dass sich die Unternehmen an Rahmenbedingungen wie Regulatorik, Datensicherheit und Cybersecurity halten. Für uns als Investor:innen ist das eine wichtige Komponente, denn das Risiko von Reputationsschäden ist groß. Am Kapitalmarkt ist es entscheidend, dass wir Investitionen in KI-Projekte sehen, die langfristig das gesamte Gesundheitssystem verbessern.

Welche Anliegen gibt es Ihrerseits zu dem Thema, Herr Lilek?

David Lilek: Ich habe zwei: ein projektbezogenes und ein persönliches. Für das Projekt wünsche ich mir, dass wir in zehn Jahren so weit sind, KI-basierte Datenauswertung und bioanalytische Methoden direkt bei den Patient:innen anwenden zu können. Dies würde zu einer schnelleren und besseren Diagnostik und Früherkennung beitragen. Mein ganz persönlicher Wunsch ist, dass die zwischenmenschliche Kommunikation nicht unter der KI leidet. Es ist wichtig, dass wir uns weiterhin austauschen und nicht für alles ChatGPT verwenden. Die gemeinsame kritische Diskussion und die zwischenmenschliche Beurteilung der Ergebnisse sind essenziell. Ich hoffe, dass sich die Entwicklung in diese Richtung bewegt.