Differentialdiagnose
Eine Differentialdiagnose ist eine geordnete Liste möglicher Krankheiten, die die Symptome eines Patienten erklären könnten. Ärzte und zunehmend auch KI-Systeme nutzen sie, um systematisch von einer breiten Verdachtsliste zur wahrscheinlichsten Diagnose zu gelangen.
Eine Differentialdiagnose ist eine Liste von Erkrankungen, die alle zu denselben Beschwerden eines Patienten passen könnten. Der Begriff kommt aus dem Lateinischen: „differentia“ bedeutet Unterschied. Man sucht also nach dem Unterschied zwischen mehreren möglichen Erklärungen. Am Anfang steht nicht eine Antwort, sondern eine strukturierte Auswahl an Verdachtsmomenten. Im Laufe der Untersuchung werden Kandidaten auf dieser Liste gestrichen, bis eine Diagnose übrig bleibt oder sich klar als wahrscheinlichste heraushebt. In der Medizin ist dieses Vorgehen seit Jahrhunderten Standard — und in der KI-gestützten Diagnostik ist es heute ein zentrales Konzept.
Differentialdiagnose als Schutz vor voreiligen Schlüssen
Kopfschmerzen können von Schlafmangel kommen, aber auch von einem erhöhten Blutdruck, einer Gehirnhautentzündung oder einem Sehfehler. Wer sofort auf die häufigste Ursache tippt, übersieht vielleicht eine gefährliche. Die Differentialdiagnose zwingt dazu, erst alle ernsthaften Möglichkeiten zu prüfen, bevor man sich festlegt.
Dieses Prinzip schützt vor einem bekannten Denkfehler, den Mediziner „Anchoring“ nennen: Man bleibt zu früh an einer einzigen Idee hängen und ignoriert Hinweise, die dagegen sprechen. Eine explizite Liste macht das schwerer, weil sie zwingt, jeden Kandidaten zu begründen und aktiv auszuschließen.
Für KI-Systeme ist das besonders relevant. Ein Modell, das direkt eine Diagnose ausgibt, wirkt präzise — gibt aber keine Auskunft darüber, welche Alternativen es verworfen hat und warum. Ein System, das eine Differentialdiagnose mit Wahrscheinlichkeiten ausgibt, ist transparenter und für Ärzte besser nachvollziehbar.
Vom breiten Verdacht zur engsten Erklärung
Der Arzt beginnt mit den Symptomen und erstellt zunächst eine breite Liste — manchmal zehn oder mehr Erkrankungen. Dann werden Untersuchungen gezielt so gewählt, dass sie möglichst viele Kandidaten auf einmal ausschließen. Ein Blutbild kann Infektionen sichtbar machen; ein EKG schließt Herzprobleme aus oder bestätigt sie. Nach und nach schrumpft die Liste.
Wichtig dabei ist die Reihenfolge auf der Liste. Ganz oben stehen nicht unbedingt die häufigsten, sondern auch die gefährlichsten Erkrankungen — solche, die man auf keinen Fall übersehen darf. Eine Lungenentzündung und ein Lungenembolus können sich ähnlich anfühlen; Letzterer ist lebensbedrohlich und muss deshalb früh ausgeschlossen werden, auch wenn er seltener vorkommt.
KI-Systeme, die medizinische Daten auswerten, bilden diesen Prozess oft statistisch nach. Sie vergleichen ein Symptommuster mit Millionen dokumentierter Fälle und geben für jeden Kandidaten auf der Differentialdiagnose eine Wahrscheinlichkeit aus. Das Modell „schließt“ dabei nicht logisch, sondern gewichtet — was ein wichtiger Unterschied ist, den Ärzte kennen müssen, wenn sie solche Systeme nutzen.
Differentialdiagnose in KI-Produkten und medizinischen News
Systeme wie Isabel DDx, Ada Health oder das Diagnostik-Modul von Google Health nutzen Differentialdiagnosen als Kernprinzip. Nutzer geben Symptome ein und erhalten eine priorisierte Liste möglicher Erkrankungen — kein Urteil, sondern eine strukturierte Entscheidungshilfe. In klinischen Studien hat sich gezeigt, dass solche Werkzeuge vor allem in der Notaufnahme helfen, seltene Erkrankungen nicht zu übersehen.
Große Sprachmodelle wie GPT-4 wurden in Studien getestet, wie gut sie Differentialdiagnosen erstellen. In einem vielbeachteten Paper von 2023 zeigte sich, dass GPT-4 in standardisierten Fällen häufig die richtige Diagnose in seiner Top-3-Liste hatte — und damit mit erfahrenen Allgemeinmedizinern vergleichbar abschnitt. Das löste eine Debatte aus: Wie viel Eigenverantwortung darf ein Arzt an ein Modell abgeben, das seine Gedankenschritte nicht erklären kann?
Wenn in Tech-News von „KI-Diagnose“ die Rede ist, ist meistens eine automatisierte Differentialdiagnose gemeint — kein System, das endgültig urteilt, sondern eines, das eine strukturierte Auswahl vorschlägt. Der Unterschied klingt klein, ist aber entscheidend: Verantwortung und letzte Entscheidung liegen weiterhin beim Menschen.