KI könnte den Kampf gegen Antibiotikaresistenzen verändern, aber der Zugang könnte der schwierige Teil sein

Eine öffentliche Gesundheitskrise, die noch immer auf Vermutungen beruht

Antibiotikaresistenzen sind bereits eine große globale Gesundheitslast, verursachen jährlich mehr als eine Million Todesfälle und tragen zu Millionen weiteren bei. Dennoch werden Behandlungsentscheidungen oft unter erheblicher Unsicherheit getroffen. Ärzte müssen häufig Antibiotika wählen, bevor Standard-Laborergebnisse vorliegen, besonders bei schnell verlaufenden Fällen wie Sepsis. Dadurch entsteht eine gefährliche Lücke zwischen der Geschwindigkeit der Infektion und der Geschwindigkeit der Diagnose.

Auf der WIRED Health in London argumentierte der Chirurg und Gesundheitspolitiker Ara Darzi, dass KI womöglich einen Punkt erreicht, an dem sie diese Gleichung materiell verändern kann. Seine Kernaussage war nicht, dass künstliche Intelligenz eine ferne Verheißung sei, sondern dass 2026 einen Wendepunkt im Kampf gegen antimikrobielle Resistenzen markieren könnte. Das Argument stützt sich auf eine einfache Tatsache: Traditionelle Diagnostik dauert oft zwei bis drei Tage, weil sie auf dem Anzüchten von Bakterien aus Proben beruht. In der Akutversorgung kann diese Verzögerung teuer oder tödlich sein.

Warum schnellere Diagnosen so wichtig sind

Resistente Infektionen sind schwer zu behandeln, teuer in der Versorgung und mit längeren Krankenhausaufenthalten verbunden. Sie werden zudem von einem Teufelskreis geprägt. Über- und Fehlgebrauch von Antibiotika fördern die Entwicklung von Resistenzen, während fehlende starke Anreize für neue Wirkstoffe die Liste wirksamer Optionen für Kliniker immer weiter verkleinern. In diesem Umfeld werden Geschwindigkeit und Präzision bei der Diagnose entscheidend.

Darzi verwies auf eine besonders harte Zahl bei der Sepsis-Versorgung: Jede Stunde Behandlungsverzögerung erhöht das Sterberisiko. Damit wird Diagnostik zu einem Frontthema und nicht zu einer Backoffice-Laborfunktion. Hätten Ärzte früher bessere Informationen, könnten sie das Rätselraten reduzieren, schneller die passendere Behandlung wählen und möglicherweise den unnötigen Einsatz von Breitbandantibiotika vermeiden, der die Resistenzen weiter antreibt.

Das Versprechen der KI-Diagnostik

Nach Darzis Angaben erreichen KI-gestützte Diagnosesysteme bereits sehr hohe Genauigkeit, ohne zusätzliche Laborinfrastruktur zu benötigen. Sollte sich das in der Praxis bestätigen, ist das aus zwei Gründen bedeutsam. Erstens deutet es darauf hin, dass Geschwindigkeit nicht zwangsläufig auf Kosten der Präzision gehen muss. Zweitens legt es nahe, dass fortgeschrittene Diagnostik auch dort besser einsetzbar sein könnte, wo die herkömmliche Infrastruktur begrenzt ist.

Das ist besonders wichtig, weil antimikrobielle Resistenzen nicht gleichmäßig verteilt sind. Darzi hob besonders hohe Belastungen in Südostasien und im östlichen Mittelmeerraum hervor, mit erheblichem Druck auch in Afrika. In ländlichen und abgelegenen Regionen, in denen der Zugang zu spezialisierten Laboren begrenzt sein kann, könnte der Wert KI-gestützter Schnelltests sogar noch höher sein als in gut ausgestatteten Krankenhäusern.

KI jenseits der Diagnose

Das Potenzial von KI in diesem Feld beschränkt sich nicht darauf, Infektionen schneller zu identifizieren. Darzi verwies auch auf ihre Rolle bei der Entdeckung neuer Wirkstoffe und bei der Vorhersage der Ausbreitung resistenter Bakterien. Diese Fähigkeiten adressieren unterschiedliche Teile des Problems der antimikrobiellen Resistenz: Behandlung, Überwachung und Vorbereitung. Zusammen betrachtet positionieren sie KI als bereichsübergreifendes Werkzeug und nicht als Einzelproduktlösung.

Dennoch kann die Lücke zwischen technischer Fähigkeit und realem Gesundheitseffekt groß sein. Gesundheitssysteme führen neue Lösungen nur langsam ein, Beschaffung ist oft fragmentiert, und Produkte erreichen die Patienten, die am meisten profitieren würden, häufig nicht. Das gilt besonders bei schwachen ökonomischen Anreizen. Die Antibiotikaentwicklung leidet seit Langem unter fehlgeleiteten Anreizen, und diagnostische Innovation kann ähnliche Einführungsbarrieren erleben, selbst wenn die Technologie funktioniert.

Das Risiko: Innovation ohne Reichweite

Die wichtigste Warnung in Darzis Argument ist, dass Innovation allein nicht genügt. Ein starkes Diagnosetool, das nicht in Kliniken, Gemeindeversorgung oder ressourcenarme Gesundheitssysteme gelangt, verändert den Verlauf der Krise nicht wesentlich. Die kommerzielle Logik rund um antimikrobielle Resistenzen ist seit Jahren gestört, weil Stewardship einen zurückhaltenden Antibiotikaeinsatz fördert und damit die Renditen für Entwickler schwächt. Diagnostik kann auf ähnliche Hürden bei der Einführung stoßen, wenn Käufer Prävention und Präzision nicht belohnen.

Das bedeutet, dass es in der nächsten Phase dieser Geschichte nicht nur um Modellleistung geht. Es geht um Erstattung, Beschaffung, Vertrauen, Workflow-Integration und globalen Zugang. KI kann die Diagnose verbessern und die Behandlung steuern, aber öffentliche Institutionen und Gesundheitssysteme werden entscheiden, ob diese Fähigkeit breit verfügbar wird oder in Demonstrationen und Pilotprogrammen stecken bleibt.

Ein technologisches Zeitfenster, kein garantierter Wendepunkt

Die Bedeutung des Moments liegt in der Möglichkeit, nicht in der Gewissheit. KI scheint zunehmend in der Lage, Diagnosen zu beschleunigen, klinische Urteile zu unterstützen und die Überwachung resistenter Infektionen zu stärken. Das sind bedeutsame Fortschritte in einer Krise, die sich seit Jahrzehnten aufbaut. Doch sie werden nur dann wichtig sein, wenn sie in Systeme eingebettet werden, die sie dorthin bringen, wo die Last am größten ist.

Das ist der eigentliche Test vor uns. Die Antibiotikaresistenzkrise ist dringlich genug, dass schon eine echte Verbesserung von Diagnosegeschwindigkeit und -genauigkeit für sich genommen folgenreich wäre. Die schwierigere Frage ist, ob Gesundheitssysteme, Regierungen und Industrie sich schnell genug abstimmen können, um diese Fähigkeit in breite Versorgung zu übersetzen. KI kann helfen, Antibiotikaresistenzen zu bekämpfen. Ob sie das in großem Maßstab tut, hängt von allem außerhalb des Algorithmus ab.

• Traditionelle Diagnosen resistenter Infektionen dauern oft zwei bis drei Tage.
• Ara Darzi sagte, KI-gestützte Werkzeuge könnten ohne zusätzliche Laborinfrastruktur hohe Genauigkeit erreichen.
• Schwache Anreize könnten begrenzen, ob Innovation die Patienten und Gesundheitssysteme erreicht, die sie am dringendsten brauchen.

Dieser Artikel basiert auf einem Bericht von Wired. Den Originalartikel lesen.