Googles AMIE vs. MIRA: Eine Realitätsprüfung der neuesten medizinischen KI-Behauptungen

In einer verblindeten Evaluierung über 100 Drei-Besuche-Szenarien (Kardiologie, Pneumologie, Neurologie, Gynäkologie/Urologie und Gastroenterologie) waren AMIEs Untersuchungs- und Behandlungsempfehlungen durchgängig präziser. Fachärzte bewerteten AMIEs Pläne signifikant häufiger als exakte Übereinstimmungen mit den Leitlinien: 99 % vs. 84 % für Untersuchungen bei zweiten Besuchen und 100 % vs. 88 % bei dritten Besuchen, inklusive expliziter Quellenangaben .

MIRA, ein separater KI-Agent, verfolgt einen anderen Ansatz. Statt auf Konversation zu setzen, operiert er direkt in elektronischen Gesundheitsakten. Laut einem LinkedIn-Beitrag des Else Kröner Fresenius Zentrums für Digitale Gesundheit entwickelte ein Forscherteam unter der Leitung von Jakob Nikolas Kather MIRA, um medizinische Informationen autonom zu bewerten, Tests anzuordnen sowie diagnostische und therapeutische Entscheidungen in einem simulierten Krankenhausinformationssystem mit echten Patientenfallakten vorzubereiten .

In retrospektiven Simulationen erreichte MIRA eine diagnostische Gesamtgenauigkeit von 87,8 %, verglichen mit 78,1 % bei Fachärzten. Besonders auffällig waren die Verbesserungen bei spezifischen Diagnosen wie Pankreatitis (95,2 % vs. 78,6 %) und Appendizitis (100 % vs. 88 %) . MIRA ordnete zwar mehr Blutuntersuchungen an als die Ärzte (51 % vs. 28 %), kompensierte dies jedoch teilweise durch deutlich weniger Bildgebungen . Das System hatte Zugriff auf über 85.000 mögliche klinische Aktionen und wurde gegen 880 adversarial Prompts getestet, die die KI täuschen sollten – ohne dass es zu Datenlecks kam .

Die kritischen Einschränkungen

Trotz dieser Zahlen stehen beide Systeme vor der gleichen nüchternen Realität: Sie wurden nicht an echten Patienten in echten Kliniken getestet. Diese Lücke zwischen Simulation und Realität ist das dominierende Thema in unabhängigen Expertenbewertungen von KI-Agenten im Gesundheitswesen.

Ein umfassender Scoping Review in PMC benennt die größte Herausforderung unverblümt: „das Fehlen einer robusten klinischen Validierung in realen Umgebungen.“ Die Evaluationen stützen sich häufig auf idealisierte, synthetische Datensätze, anstatt die für reale Patientenakten charakteristische Datenknappheit, Unausgewogenheit und fehlende Werte zu verarbeiten. Die tatsächliche klinische Wirksamkeit dieser Systeme bleibt durch prospektive Studien weitgehend unbestätigt .

Weitere wichtige Einschränkungen sind:

• Textbasierte Begrenzung. Sowohl AMIE als auch MIRA arbeiten hauptsächlich mit Text und strukturierten Daten. Keines der Systeme kann eine körperliche Untersuchung durchführen – den Bauch abtasten, Herztöne abhören oder den Gang eines Patienten beobachten. Dies ist keine nebensächliche Lücke; die körperliche Untersuchung ist für viele Diagnosen nach wie vor fundamental.
• Kein kontinuierliches Lernen. Eine Analyse des Kapitels zum Gesundheitswesen im AI Index Report 2026 bestätigt, dass kein System kontinuierliches Lernen oder ein Langzeitgedächtnis über verschiedene Patientenkontakte hinweg demonstrierte .
• Simulierte Schauspieler, keine echten Patienten. AMIEs Studie zum Krankheitsmanagement über mehrere Besuche hinweg war zwar methodisch streng, nutzte aber professionelle Schauspieler in virtuellen OSCE-ähnlichen Begegnungen. MIRA wurde an retrospektiven Fällen evaluiert, bei denen KI-Agenten das Patientenverhalten simulierten .
• Sicherheitslücken. Dieselbe AI-Index-Analyse führt Halluzinationen, undurchsichtige Entscheidungsprozesse, Koordinationsfehler zwischen Agenten und Schwachstellen bei EGK-Datenschutzverletzungen als offene Sicherheitsrisiken für handelnde medizinische KI an .

Expertenwarnungen

Wissenschaftler, die die beiden Nature-Studien kommentierten, erkannten deren Bedeutung an, betonten aber gleichzeitig die Distanz zur klinischen Anwendung. Eine Expertenreaktion des britischen Science Media Centre bezeichnete die Arbeit als „einen qualitativen Sprung nach vorne“, wies jedoch darauf hin, dass die Ergebnisse aus kontrollierten Umgebungen stammen .

Die breitere Forschung zu KI-Agenten im Gesundheitswesen identifiziert mehrere anhaltende Problemfelder:

Interpretierbarkeit und Vertrauen. Wenn KI-Agenten diagnostische oder therapeutische Empfehlungen generieren, mangelt es der zugrundeliegenden Argumentation oft an Transparenz, was es Klinikern erschwert, nachzuvollziehen, wie eine Schlussfolgerung zustande kam. Dies untergräbt das Vertrauen und begrenzt die Akzeptanz .

Unklare Verantwortlichkeit. Im Falle eines fehlerhaften Ergebnisses bleibt unklar, wer die rechtliche und ethische Verantwortung trägt – der KI-Entwickler, die einsetzende Einrichtung oder der beaufsichtigende Kliniker. Die aktuellen Regulierungsrahmen, einschließlich der FDA und des EU AI Act, adressieren die besonderen Governance-Bedürfnisse handelnder medizinischer KI noch nicht .

Generalisierbarkeit. Systeme, die auf Daten eines einzelnen medizinischen Zentrums oder spezifischer Datensätze (wie MIMIC-IV) trainiert und evaluiert wurden, könnten in anderen Bevölkerungsgruppen, mit anderen Verwaltungsprotokollen oder Gesundheitssystemen unzuverlässig sein .

Risiko der Überabhängigkeit. Selbst Forscher, die eine abgesicherte Version von AMIE (g-AMIE) entwickelten, erkennen die Notwendigkeit expliziter Einschränkungen an. g-AMIE wurde entwickelt, um die Anamnese zu erheben, aber keine individualisierte medizinische Beratung zu geben – eine explizite Anerkennung, dass ein uneingeschränkter autonomer Einsatz verfrüht und potenziell gefährlich ist .

Der Weg zur realen Anwendung

Weder AMIE noch MIRA sind für den routinemäßigen klinischen Einsatz bereit. AMIE hat erste Schritte in Richtung realer Validierung unternommen, mit einer prospektiven, einarmigen Machbarkeitsstudie in Zusammenarbeit mit dem Beth Israel Deaconess Medical Center, die untersuchte, wie AMIE vor ambulanten hausärztlichen Besuchen Patienteninformationen sammeln könnte . Eine separate Machbarkeitsstudie in der Notfallversorgung mit 100 Patienten evaluierte AMIEs prä-ärztliche Anamneseerhebung und stellte fest, dass seine Differentialdiagnosen in 90 % der Fälle die endgültige Diagnose enthielten, mit einer Top-3-Genauigkeit von 75 % – obwohl Hausärzte AMIE in Bezug auf die Praktikabilität und Kosteneffektivität der Behandlungspläne übertrafen .

Dies sind vielversprechende frühe Signale, aber es handelt sich um Machbarkeitsstudien – nicht um die randomisierten kontrollierten Studien, die für den Nachweis verbesserter Patientenergebnisse erforderlich wären. Das Feld der KI-Agenten im Gesundheitswesen steht allgemein vor einer Reihe ungelöster Herausforderungen:

• Regulierungswege. Klinische KI-Systeme, die bei der Diagnose oder Behandlung helfen, benötigen Nachweise für Sicherheit und Wirksamkeit. Keine große Regulierungsbehörde hat bisher einen klaren Rahmen für kontinuierlich lernende autonome Agenten im klinischen Umfeld etabliert.
• EGK-Integration. Die Integration großer Sprachmodelle (LLMs) in bestehende elektronische Gesundheitssysteme bringt praktische und Governance-Herausforderungen mit sich, einschließlich des Risikos der Vermischung von KI-generierten und menschlich erstellten Inhalten, was die klinische Verantwortlichkeit verschleiert .
• Lücke bei der körperlichen Untersuchung. Textbasierte Konversations-KI und Agenten, die mit strukturierten Daten arbeiten, können die praktische körperliche Untersuchung nicht ersetzen, die für die klinische Praxis zentral ist.
• Gesundheitliche Chancengleichheit. Keines der Systeme wurde über diverse reale Bevölkerungsgruppen hinweg so validiert, dass Behauptungen über eine gleichberechtigte Leistung gestützt werden könnten.

Was ist davon zu halten?

Die Studien vom Juni 2026 stellen einen echten Fortschritt dar. AMIE hat sich von Einmal-Diagnosegesprächen zum Krankheitsmanagement über mehrere Besuche hinweg mit leitlinienbasierter Argumentation entwickelt. MIRA hat gezeigt, dass ein autonomer Agent in der Lage ist, in elektronischen Gesundheitsakten zu navigieren und Tests und Behandlungen auf einem Niveau anzuordnen, das in sorgfältig kontrollierten retrospektiven Simulationen mit Ärzten vergleichbar oder besser ist .

Aber die Lücke zwischen diesen Demonstrationen und der realen Medizin ist nach wie vor groß. Wie der Scoping Review zu KI-Agenten im Gesundheitswesen zusammenfasst, stützen sich die meisten Evaluationen auf Datensätze und Umgebungen, die nicht das Rauschen, die Mehrdeutigkeit, die Ressourcenbeschränkungen und die Rechenschaftspflichten tatsächlicher klinischer Umgebungen widerspiegeln .

Die nächsten kritischen Meilensteine werden prospektive Studien an echten Patienten, klare regulatorische Rahmenbedingungen, nachgewiesene Sicherheit in verschiedenen Bevölkerungsgruppen und der Nachweis sein, dass diese Systeme die Ergebnisse verbessern, anstatt nur die Leistung von Klinikern in Testszenarien nachzuahmen. Bis dahin bleiben AMIE und MIRA beeindruckende Forschungsprototypen – kein Ersatz für menschliche Ärzte, sondern potenzielle zukünftige Werkzeuge, die vor ihrem Einsatz in einer Klinik einer erheblichen weiteren Validierung bedürfen.