|
08.03.2026 08:08 Uhr |
Frauen sind in der medizinischen Forschung lange unterrepräsentiert gewesen – mit spürbaren Folgen für Diagnostik, Therapie und Datenlage. Symptome werden häufig nicht richtig eingeordnet, evidenzbasierte Informationen sind schwer zugänglich.
Mit dem Forschungsprojekt „Petra‑AI“ will ein interdisziplinäres Konsortium unter Leitung von Dr. Theresa Ahrens vom Fraunhofer IESE eine KI‑gestützte App entwickeln, die Frauen in der Perimenopause wissenschaftlich fundiert, verständlich und sicher begleitet.
Im Interview erklärt Ahrens, welche Rolle ein KI‑Chatbot spielen kann und warum strukturierte, interoperable Gesundheitsdaten entscheidend sind, um Versorgungslücken zu schließen.
Femna bringt Expertise im Bereich Frauengesundheit ein. Die sozialwissenschaftlichen Partner begleiten die nutzerzentrierte Entwicklung und Co-Creation-Prozesse. Das Berlin Institute of Health unterstützt uns bei interoperablen Datenstandards wie FHIR und SNOMED, damit Forschungsdaten strukturiert und weiterverwendbar erhoben werden können.
Gleichzeitig ist uns die Sicherheit extrem wichtig. Sprachmodelle können halluzinieren – also falsche Informationen erzeugen. Gerade im Gesundheitskontext ist das problematisch. Deshalb arbeiten wir intensiv an technischen Absicherungen und evaluieren verschiedene bestehende Sprachmodelle. Ein eigenes komplettes Sprachmodell zu trainieren wäre wirtschaftlich nicht sinnvoll, aber wir erweitern und sichern die gewählten Modelle technisch ab.
Es gibt zum Beispiel den sogenannten „Automation Bias“: Menschen können dazu neigen, KI-Systemen zu stark zu vertrauen. Deshalb müssen wir KI als Unterstützung verstehen, nicht als Ersatz für ärztliche Expertise. KI-Systeme sind soziotechnische Systeme – das Zusammenspiel zwischen Mensch und Maschine muss immer mitgedacht und erforscht werden.
Viele Symptome werden im Versorgungsalltag nicht als hormonell bedingt erkannt. Das kann zu langen „Odysseen“ führen. Deshalb ist Aufklärung wichtig – sowohl für Betroffene als auch für Ärztinnen und Ärzte.
(mack)