Vergleich der diagnostischen Genauigkeit von Ärzten und KI-basierten Symptomcheckern

Symptomchecker werden zunehmend eingesetzt, um neue Symptome zu bewerten und im Gesundheitssystem zu navigieren. Ziel dieser Studie war es, die Genauigkeit eines KI-basierten Symptomcheckers (Ada) mit der von Ärzten hinsichtlich des Vorhandenseins/Nichtvorhandenseins einer entzündlichen rheumatischen Erkrankung (ERE) zu vergleichen. In dieser Umfrage wurden deutschsprachige Ärzte mit priorer Erfahrung in der Rheumatologie gebeten, das Vorhandensein/Nichtvorhandensein von ERE zu bestimmen und Diagnosen für 20 verschiedene reale Patientenvignetten vorzuschlagen, die nur rudimentäre Gesundheits- und symptomrelevante Anamnese beinhalteten. Die ERE-Erkennungsrate und die vorgeschlagenen Diagnosen der Teilnehmer und von Ada wurden mit dem Goldstandard, der endgültigen Diagnose der Rheumatologen, die im Entlassungsbericht angegeben waren, verglichen. Insgesamt wurden 132 Vignetten von 33 Ärzten ausgefüllt (Durchschnittliche rheumatologische Berufserfahrung 8,8 (SD 7,1) Jahre). Die diagnostische Genauigkeit von Ada (ERE) war signifikant höher im Vergleich zu Ärzten (70 vs. 54 %, p = 0,002) bezüglich der Hauptdiagnose. Ada nannte die korrekte Diagnose häufiger als Ärzte (54 vs. 32 %, p < 0,001) sowohl als Hauptdiagnose als auch unter den drei besten Diagnosen (59 vs. 42 %, p < 0,001). Die Berufserfahrung war nicht mit der Vorschlag der korrekten Diagnose oder dem ERE-Status verbunden. Eingeschränkt auf rudimentäre Gesundheits- und symptomrelevante Anamnese war die diagnostische Genauigkeit von Ärzten im Vergleich zu einem KI-basierten Symptomchecker niedriger. Diese Ergebnisse unterstreichen das Potenzial der frühen Nutzung von Symptomcheckern während des Patientenprozesses und die Wichtigkeit des Zugangs zu vollständigen und ausreichenden Patienteninformationen zur Feststellung einer korrekten Diagnose.