Die Entschlüsselung des menschlichen Genoms vor über zwei Jahrzehnten markierte einen Wendepunkt in der Biomedizin. Heute, da die Kosten für eine Ganzgenomsequenzierung (WGS) die vieler konventioneller Diagnostika unterschreiten, ist es nur noch eine Frage der Zeit, bis Next-Generation Sequencing (NGS) in fast allen klinischen Disziplinen zum Standard wird.
Doch die technologische Reife allein garantiert noch keinen klinischen Erfolg. Die eigentliche Herausforderung ist nicht mehr nur technischer Natur, sondern eine Frage der menschenzentrierten Integration.
Das Paradoxon der Datenflut: Potenzial vs. Praxis
Obwohl NGS-Plattformen immer schneller und kostengünstiger werden, stehen wir in der täglichen Praxis vor massiven Hürden: fragmentierte Workflows, mangelnde Benutzerfreundlichkeit und fehlende Standardisierung der Datenschnittstellen. Wenn komplexe bioinformatische Pipelines auf den stressigen Klinikalltag treffen, entstehen Reibungsverluste, die die Akzeptanz neuer KI-gestützter Systeme gefährden.
In ihrer aktuellen Publikation zeigen Markus Plass, Andreas Holzinger, Robert Reihs (BEKO Solutions) und Heimo Müller auf, dass KI nicht länger als isoliertes Werkzeug, sondern als integraler Bestandteil eines soziotechnischen Systems betrachtet werden muss.
Der DUXU-Framework: Design als klinische Infrastruktur
Das Herzstück der Untersuchung ist der DUXU-Ansatz (Design, User Experience, Usability). Die Autoren machen deutlich, dass DUXU keine „kosmetische Schicht“, sondern eine kernklinische Infrastruktur ist. Nur Systeme, die den kognitiven Workload reduzieren, statt ihn durch intransparente Algorithmen zu erhöhen, werden das Vertrauen der Mediziner gewinnen.
Das Paper identifiziert drei Ebenen, auf denen KI den NGS-Workflow transformiert:
- KI im Patient*innensupport: Beispielsweise durch Chatbots, die Patienten bei der Einverständniserklärung unterstützen.
- KI in der Analytik: Automatisierte Varianten-Priorisierung und Mustererkennung zur Unterstützung diagnostischer Entscheidungen.
- KI in der Qualitätskontrolle (QC): Echtzeit-Überwachung der Sequenzierqualität direkt im Labor.
Abb. 1: KI-Einsatz auf drei Ebenen: Patientensupport, Analytik und Qualitätskontrolle. Quelle: Plass, M., Holzinger, A., Reihs, R. & Müller, H. (2026). Integrating AI into Clinical Practice: Human-Centered Design Requirements for Next-Generation Sequencing Workflows, S. 5.
Rollenspezifische Intelligenz statt „One-Size-Fits-All“
Ein entscheidender Punkt des Frameworks ist die Erkenntnis, dass die Präzisionsmedizin personalisierte Interfaces benötigt. Die Anforderungen variieren je nach Stakeholder extrem:
- Kliniker benötigen prägnante, handlungsorientierte Zusammenfassungen, die nahtlos in elektronische Patientenakten (EHR) integriert sind.
- Pathologen und Molekulargenetiker benötigen tiefgehende Visualisierungstools für die Variantenkuratierung sowie Zugriff auf Wissensdatenbanken wie ClinVar oder COSMIC.
- Bioinformatiker benötigen skalierbare Infrastrukturen und reproduzierbare Workflows (z. B. Nextflow), um die Nachvollziehbarkeit der Ergebnisse zu gewährleisten.
Interoperabilität und Ethik: Das Fundament des Vertrauens
Damit KI-gestützte CDSS (Clinical Decision Support Systems) skalierbar sind, müssen sie auf internationalen Standards wie HL7 FHIR Genomics und GA4GH APIs basieren. So wird sichergestellt, dass Daten nicht in Silos liegen, sondern institutionenübergreifend und ethisch verantwortungsvoll genutzt werden können.
Besonders hervorzuheben ist der Aspekt des dynamischen Konsents. In einer Ära, in der eine genetische Variante Auswirkungen auf ganze Familienverbände haben kann, müssen Patienten ihre Präferenzen in Echtzeit über Portale aktualisieren können.
Fazit: KI als Teamplayer im klinischen Alltag
Die Implementierung von NGS in der Klinik ist kein einmaliges Roll-out, sondern ein fortlaufender, multidisziplinärer Designprozess. Wir müssen Systeme entwickeln, die:
- rollen-spezifisch agieren,
- transparent und erklärbar (Explainable AI) sind und
- Interoperabilität als Standard voraussetzen.
Nur durch die konsequente Anwendung von Human-Centered Design wird es gelingen, die technologische Power der Genomik in einen echten Mehrwert für den Patienten zu übersetzen.
Diskutieren Sie mit
Wie erleben Sie die Integration von KI in Ihren klinischen oder laborinternen Alltag? Sind die Schnittstellen bereits „human-centered“ genug, oder dominiert noch die technische Komplexität?
