BOSTON / LONDON (IT BOLTWISE) – OpenAI stellt mit o3 „Deep Research“ eine KI vor, die in seltenen pädiatrischen Fällen nachweislich weiter kommt als klassische Abklärungen. In Studien aus dem Umfeld von Boston Children’s Hospital und Harvard wird beschrieben, wie das System genetische Daten, Symptome und Fachliteratur zusammenführt und Diagnosen in Minuten durchprüfbar macht. Parallel zeigt eine weitere multizentrische Arbeit ein Vorhersagemodell für Nierenversagen bei Kindern mit angeborenen Anomalien. Damit verschiebt sich die Diskussion von der reinen Trefferquote hin zu Implementierung, Sicherheit, Dokumentation und den Anforderungen des EU AI Act.
OpenAI bringt die KI-gestützte Medizin erneut in eine „vom Labor in die Klinik“-Diskussion: Mit dem Modell o3 und dem Modus „Deep Research“ berichten Forschende, dass es in 18 Fällen mit seltenen Kindererkrankungen auch dann zur korrekten Diagnose gelangt, wenn etablierte Wege zuvor keine Antworten lieferten. Entscheidend ist dabei weniger das Schlagwort „Durchbruch“ als der praktische Ablauf: Das System verknüpft klinische Symptome, genetische Informationen und umfangreiche medizinische Fachliteratur zu einer konsistenten diagnostischen Herleitung. Das adressiert eine seit Jahren bekannte Hürde in der Pädiatrie, nämlich die lange Zeit bis zur passenden Einordnung, die für Betroffene therapeutische Chancen limitiert.
Technisch lohnt der Blick auf den Methodenmix, weil er die Grenzen reiner Sprachkompetenz sichtbar macht. Die Auswertung umfasste 376 pädiatrische Fälle, bei denen die üblichen Verfahren keine ausreichenden Ergebnisse lieferten. o3 kombinierte dem Bericht zufolge genetische Befunde mit beobachtbaren klinischen Mustern und nutzte dazu medizinisches Wissen aus der Literatur, um Differentialdiagnosen systematisch gegeneinander zu prüfen. Auffällig ist auch die kurze Bearbeitungszeit: Pro Fall werden sechs bis zehn Minuten genannt, bevor die Vorschläge durch Ärztinnen und Ärzte verifiziert und durch Labortests abgesichert wurden. Genau diese „prüfbare“ Eingliederung ist ein wichtiges Signal für reale Workflows.
Für Unternehmen in der Gesundheits-IT ist damit zugleich eine historische Entwicklung greifbar: KI in der Medizin hat sich von regelbasierten Expertensystemen über klassische Machine-Learning-Modelle hin zu großen Sprachmodellen bewegt, die heute zunehmend als Orchestratoren von Wissen eingesetzt werden. Gleichzeitig bleibt die klinische Skepsis aus gutem Grund bestehen: Modelle können plausibel klingen, aber dennoch fehlgeleitet sein, insbesondere bei Randfällen. Branchenexperten weisen zudem darauf hin, dass in größeren Studien häufig nur ein kleiner Teil der Differentialdiagnosen automatisch korrekt identifiziert wird. Vor diesem Hintergrund ist die Einbindung „human in the loop“ nicht nur Best Practice, sondern oft Voraussetzung, um Haftungs- und Sicherheitsfragen überhaupt beherrschbar zu machen.
Der Markt nimmt das Thema parallel sehr aufmerksam auf. OpenAI erweitert sein Ökosystem und stellt das GPT-5.5 Instant-Angebot breiter bereit, während Wettbewerber ihre medizinisch relevanten Benchmarks ebenfalls vorantreiben. In einem Leistungsvergleich beim „HealthBench Professional“ erreicht GPT-5.5 Instant laut den Angaben 38,4 Prozent, während das Claude-Opus-Modell 4.8 auf 55,8 Prozent kommt. Zusätzlich wird aus unabhängigen Beobachtungen berichtet, dass große Sprachmodelle in weniger als 20 Prozent der Fälle korrekte Differentialdiagnosen erkennen. Für Entscheider bedeutet das: Wer KI produktiv einsetzen will, braucht Messkonzepte, die über einzelne Benchmarks hinausgehen, und eine klare Strategie zur Einbettung in ärztliche Entscheidungsprozesse.
Regulatorisch wird die Lage dadurch allerdings komplexer, nicht einfacher. Im Zentrum steht der EU AI Act, der künftig auch für medizinische KI-Systeme Pflichten rund um Risikoklassen, Dokumentation, Transparenz und Governance festlegt. Gerade in der Diagnostik zählt dabei nicht nur die Modellleistung, sondern auch die Nachvollziehbarkeit: Welche Daten wurden wie verwendet? Wie wird Drift erkannt? Welche Grenzen gelten für Nutzergruppen? Zudem gibt es bereits Stimmen aus der klinischen Community, die davor warnen, KI in der Medizin isoliert als Entscheidungsinstanz zu behandeln. Der Arzt Adam Rodman wird sinngemäß so zitiert, dass ein Alleingang bei der Nutzung lebensgefährlich werden könnte und dass bislang Verbesserungen der Patientenergebnisse nicht breit genug belegt seien.
Auch jenseits der Modellgüte verschieben sich die Prioritäten: Hardware- und Sicherheitsfragen werden zum Engpass. Zoya Technologies hat mit dem ZoyeMed 3.0 eine Offlinefähige „Resilience Edition“ angekündigt, die in schlecht angebundenen Regionen funktionieren soll und dabei auf ein Human-in-the-Loop-Prinzip setzt, bei dem ärztliche Kontrolle die KI-Vorschläge absichert. Parallel steigen die Betrugsrisiken: In den USA wurde ein Vorgehen mit automatisierten Anrufen beschrieben, das auf gefälschte Krankenakten und Identitäten zielt, und das US-Justizministerium hat Anklagen gegen 324 Personen erhoben. Für Integratoren heißt das, dass KI-gestützte Systeme in der Medizin nicht nur „genau“, sondern auch „angriffsrobust“ und prozessual abgesichert sein müssen.
Der Blick auf die Zukunft wird damit klarer: Bis erste KI-Systeme zuverlässig in Routineprozesse eingebunden sind, müssen sich Technologie, Compliance und Betrieb synchron entwickeln. Die zweite erwähnte Studie zu POCC adressiert etwa die Vorhersage von Nierenversagen bei Kindern mit CAKUT und nennt interne Genauigkeiten im Bereich von 93 bis 99 Prozent bei Daten von über 2.200 Kindern. Solche Kennzahlen zeigen das Potenzial, machen aber zugleich deutlich, dass die spätere Wirkung auf Therapiepfade und Outcomes erst durch kontrollierte Implementierungen nachgewiesen werden muss. Für Entwickler und Produktteams folgt daraus eine Roadmap, die Modell-Engineering, Auditierbarkeit und Sicherheitskonzepte zusammenführt—und damit die Grundlage schafft, dass KI-Assistenten nicht nur Diagnosen vorschlagen, sondern verantwortbar entscheiden helfen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "OpenAI o3 und neue KI-Modelle: Diagnostik bei Kindern rückt näher an die Praxis" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "OpenAI o3 und neue KI-Modelle: Diagnostik bei Kindern rückt näher an die Praxis" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »OpenAI o3 und neue KI-Modelle: Diagnostik bei Kindern rückt näher an die Praxis« bei Google Deutschland suchen, bei Bing oder Google News!