gms | German Medical Science

Hintergrund/Fragestellung: Die zunehmende Integration von künstlicher Intelligenz (KI) in die klinische Versorgung erfordert verlässliche Methoden zur Nutzenbewertung. Bislang ist unklar, inwiefern etablierte Health Technology Assessment (HTA) -Methoden für KI-Gesundheitstechnologien geeignet sind. Diese Studie analysiert systematisch verfügbare methodische Ansätze und internationale HTA-Berichte zur Evaluation von KI-Gesundheitstechnologien.

Methoden: Eine fokussierte Recherche nach Methodendokumenten und KI-Assessments wurde auf den Websites von 51 HTA-Institutionen (INAHTA) durchgeführt. Die Dokumente wurden mittels qualitativer Inhaltsanalyse ausgewertet und gegen das EUnetHTA Core Model abgeglichen.

Ergebnisse: Von den 51 untersuchten HTA-Institutionen wurden 13 Institutionen identifiziert, aus denen fünf HTA-Methodendokumente und 30 HTA-Berichte eingeschlossen wurden. Die Assessments konzentrierten sich hauptsächlich auf Diagnostik und Screening (27/30), vor allem in Radiologie (10/27) und Innerer Medizin (7/27). Die KI-Systeme unterstützten meist Einzelaufgaben mit geringer Autonomie unter ärztlicher Aufsicht. Auf Basis der Kartierung der Methodendokumente mit dem EUnetHTA Core Model konnten KI-spezifische Aspekte in folgenden Bewertungsdomänen festgestellt werden: technische Aspekte (Algorithmus-Validierung, Trainingsdaten), ethische Überlegungen (algorithmische Verzerrung), organisatorische Aspekte (menschliche Kontrolle) sowie Implementierung (kontinuierliches Monitoring).

Schlussfolgerung: Standardisierte HTA-Methoden könnten als Ausgangspunkt für die Bewertung von KI-Gesundheitstechnologien dienen, erfordern jedoch KI-spezifische Ergänzungen. Verschiedene internationale Methodenpapiere liefern eine gute Unterstützung.

Interessenkonflikte: keine