Die rasante Entwicklung von KI-Technologien eröffnet der Medizin neue Diagnose- und Therapie-Perspektiven – von der Bildanalyse über Chat-Bots bis zur Outcome-Prognose – doch die klinische Implementierung bleibt bislang fragmentiert. Parallel dazu zeigen sich ethische Herausforderungen: mangelnde Transparenz, Datenschutz-Risiken, versteckte Biases, unklare Haftungsfragen und der potenzielle Verlust menschlicher Entscheidungsautonomie. Diverse Leitlinien definieren Prinzipien wie Fairness, Transparenz und Robustheit, deren Heterogenität jedoch zu Interpretations- und Umsetzungs-Lücken führt. Responsible Artificial Intelligence (RAI) ist daher eine strukturelle Notwendigkeit: Durch konkrete Maßnahmen und Strategien sollen ethische Vorgaben in den gesamten Lebenszyklus medizinischer KI-Systeme integriert werden. Best-Practices zeigen, wie organisatorische, technische, regulatorische und datenbezogene Ansätze den sogenannten Principle-to-Practice-Gap schließen können. Es wird deutlich, dass ein Rahmen aus klarer Zweckdefinition, Bias-Analysen, Lifecycle-Monitoring und transparenter Haftungszuweisung entscheidend ist, um das Potenzial von KI im Gesundheitswesen verantwortungsbewusst zu realisieren.
Diese Publikation ist Teil unseres Dossiers Medizintechnik: Künstliche Intelligenz und digitale Innovationen in der Praxis.