Warum KI bei der Rekrutierung für klinische Studien scheitert

Das Problem

Ihre KI hat gerade einen geeigneten Patienten von einer klinischen Studie ausgeschlossen, weil sie einen routinemäßigen intravenösen Zugang mit einer Operation am offenen Herzen verwechselt hat. Das ist kein hypothetisches Szenario. Studien zur Evaluierung von KI für den Studienabgleich haben gezeigt, dass Modelle fälschlicherweise schlussfolgern: „Eine Herzkatheteruntersuchung ist dasselbe wie eine zentralvenöse Punktion“, und damit Patienten zu Unrecht ausschließen, die eigentlich qualifiziert wären. Bei dem einen Verfahren wird ein Katheter in das Herz eingeführt, um Gefäßverschlüsse zu diagnostizieren. Beim anderen wird ein Zugang in eine größere Vene gelegt, um Medikamente zu verabreichen – häufig direkt am Krankenbett. Sie teilen sich das Wort „Katheter“, und genau da endet die Gemeinsamkeit auch schon.

Doch generische KI weiß das nicht. Sie sieht sich überschneidende Wörter wie „Katheter“, „venös“ und „Punktion“. Sie fasst diese auf der Grundlage oberflächlicher Ähnlichkeiten zusammen. Anschließend markiert sie den Patienten als ungeeignet. Niemand in Ihrem Team bekommt diesen Patienten je wieder zu Gesicht. Multiplizieren Sie diesen Fehler mit Tausenden von Patientenakten, und Sie beginnen zu verstehen, warum rund 80 % der klinischen Studien ihre Zeitpläne für die Patientenrekrutierung verfehlen. Der Branche mangelt es nicht an Patienten mit den entsprechenden Krankheitsbildern. Es mangelt ihr an KI, die den Unterschied zwischen zwei Verfahren erkennen kann, die ähnlich klingen, aber völlig unterschiedliche Bedeutungen haben. Ihre Screening-Tools lehnen qualifizierte Personen ab und verschwenden Zeit an ungeeignete Kandidaten.

Warum dies für Ihr Unternehmen wichtig ist

Jeder Tag, den Ihre Studie hinter dem Zeitplan liegt, kostet Sie Geld, das Sie nicht wieder hereinholen können. Eine aktualisierte Analyse des Tufts Center for the Study of Drug Development beziffert die Kosten eines einzigen Tages Verzögerung auf rund 800.000 US-Dollar an entgangenen Rezeptumsätzen für ein durchschnittliches Spitzenpräparat. Bei kardiovaskulären Therapien steigt dieser Betrag auf 1,4 Millionen US-Dollar pro Tag. In der Hämatologie sind es 1,3 Millionen US-Dollar pro Tag.

Hierbei handelt es sich nicht um Betriebskosten. Es sind entgangene Umsätze während Ihres Patentexklusivitätsfensters – dem einzigen Zeitraum, in dem Ihr Medikament Spitzenumsätze erzielt.

So summiert sich der Schaden in Ihrem gesamten Unternehmen:

• Direkter operativer Verlust: Das Offenhalten von Studienzentren, die Datenüberwachung und die Aufrechterhaltung von Verträgen mit Auftragsforschungsinstituten (CROs) verursachen bei Phase-II- und Phase-III-Studien zusätzliche Kosten von rund 40.000 US-Dollar pro Tag.
• Verschwendung durch Screening-Fehlschläge: Jeder Patient, der Ihren Screening-Trichter durchläuft, sich dann aber als ungeeignet erweist, kostet etwa 1.200 US-Dollar. Wenn Ihre KI die Studienkoordinatoren mit falschen Übereinstimmungen überschwemmt, summieren sich diese Kosten rasant.
• Aufgabe von Studienzentren: Etwa 37 % der Forschungszentren rekrutieren zu wenige Patienten, und 11 % schaffen es nicht, auch nur einen einzigen Patienten aufzunehmen. Mangelhafte KI-Übereinstimmungen sind eine Hauptursache dafür.
• Wettbewerbsnachteile: Bei dicht besetzten Indikationen wie dem nicht-kleinzelligen Lungenkarzinom oder der akuten myeloischen Leukämie sichert sich das erste zugelassene Medikament den Großteil des Marktes. Eine sechsmonatige Verzögerung aufgrund von Rekrutierungsproblemen kann ein wissenschaftlich überlegenes Medikament in einen kommerziellen Totalverlust verwandeln.

Ihr Vorstand fragt, warum die Studie im Rückstand ist. Ihre Antwort darf nicht lauten: „Die KI hat einen Venenkatheter mit einem Herzeingriff verwechselt.“

Was hinter den Kulissen tatsächlich geschieht

Stellen Sie es sich folgendermaßen vor: Sie übergeben jemandem einen Aktenschrank voller Krankenakten und bitten ihn, geeignete Patienten für Ihre Studie zu finden. Doch anstatt sinnbildend zu lesen, sucht die Person nach bestimmten Begriffen – wie bei der Tastenkombination Strg+F in einem riesigen Dokument. Wenn auf der Ausschlussliste „Herzkatheteruntersuchung“ steht und in der Akte eines Patienten „zentralvenöser Katheter“ erwähnt wird, meldet der Wortsucher einen Treffer. Patient abgelehnt.

Genau so funktionieren die meisten aktuellen KI-Tools, ganz gleich, ob es sich um traditionelle Schlagwortsucher oder neuere große Sprachmodelle (LLMs – die Technologie hinter Tools wie ChatGPT) handelt. LLMs sind zwar hochentwickelter, operieren jedoch nach wie vor auf Basis von Wortnähe. In ihrem internen mathematischen Raum liegen „Herzkatheteruntersuchung“ und „zentralvenöse Katheterisierung“ dicht beieinander. Beide beinhalten Katheter. Beide betreffen das Gefäßsystem. Ohne eine strukturierte medizinische Wissensbasis, die der KI mitteilt, dass diese Verfahren auf völlig verschiedenen Zweigen des medizinischen Stammbaums angesiedelt sind, wirft die KI sie in einen Topf.

Das Whitepaper bezeichnet dies als „Präzisionslücke“. Dadurch entsteht ein Paradoxon: Mehr Automatisierung führt tatsächlich zu weniger Effizienz. Wenn Ihr Tool 100 Kandidaten liefert, von denen jedoch nur 5 tatsächlich geeignet sind, verlieren die Studienkoordinatoren das Vertrauen. Sie stellen die Nutzung des Tools ein und kehren zur manuellen Aktenprüfung zurück. Sie haben für eine KI bezahlt, die Ihr Team verlangsamt hat.

Das Kernproblem besteht darin, dass LLMs das wahrscheinlichste nächste Wort vorhersagen. Sie ziehen keine logischen Schlüsse über medizinische Fakten. Sie können Ihnen je nach Formulierung der Frage unterschiedliche Antworten auf dieselbe Frage liefern. Klinische Studien erfordern zu 100 % reproduzierbare Prüfpfade. Ihre Zulassungsbehörde muss genau nachvollziehen können, warum jeder einzelne Patient ein- oder ausgeschlossen wurde. Wahrscheinlichkeit ist kein Beweis.

Was funktioniert (und was nicht)

Drei gängige Ansätze, die unzureichend sind:

• Schlagwortabgleich und PDF-Parser: Diese behandeln die Eignungsprüfung wie ein Suchsel. Sie können nicht zwischen einem Herzeingriff und einem Veneneingriff unterscheiden, die das Wort „Katheter“ gemeinsam haben.
• Generische LLM-Wrapper-APIs: Diese leiten Ihre Patientendaten an ein großes Sprachmodell weiter, das die Eignung errät. Sie halluzinieren – das bedeutet, dass sie mitunter Diagnosen oder Freigaben erfinden, die in der Akte gar nicht existieren. Zudem entstehen Datenschutzrisiken, wenn geschützte Gesundheitsdaten auf externe Server gelangen.
• Boolesche Filter auf strukturierten Feldern: Diese prüfen Ja/Nein-Kästchen (z. B. „Hypertonie = WAHR“), können jedoch Ausnahmeklauseln nicht analysieren. Ein Protokoll mit der Vorgabe „Patienten mit Hypertonie ausschließen, es sei denn, diese ist durch eine stabile Medikation seit mindestens 3 Monaten gut eingestellt“, führt zu einer pauschalen Ablehnung. Sie verlieren jeden Patienten mit kontrollierter Hypertonie.

Was tatsächlich funktioniert, ist eine neuro-symbolische Architektur – ein System, das das Lesen vom logischen Schlussfolgern trennt. So funktioniert es in drei Schritten:

1. Eingabe – der Leser: Ein Sprachmodell liest Ihre unstrukturierten Daten (PDFs, Arztbriefe, gescannte Laborbefunde). Seine einzige Aufgabe besteht darin, medizinische Konzepte im Text zu identifizieren. Es entscheidet nicht über die Eignung. Es extrahiert Begriffe wie „zentralvenöse Punktion“ und ordnet sie einem standardisierten medizinischen Code zu.
2. Verarbeitung – der Zuordner und Logiker: Ein Wissensgraph – eine strukturierte Karte medizinischer Beziehungen auf Basis von SNOMED CT (dem weltweit detailliertesten klinischen Terminologiesystem) – prüft, an welcher Stelle dieser Code in der medizinischen Hierarchie steht. Er bestätigt, dass „zentralvenöse Katheterisierung“ ein Untertyp von „Katheterisierung einer Vene“ ist und kein Untertyp von „Eingriff am Herzen“. Anschließend wendet eine Logik-Engine die Regeln der Studie an, einschließlich zeitlicher Bedingungen („vor mehr als 6 Monaten abgeschlossen“) und Ausnahmeklauseln („sofern gut eingestellt“).
3. Ausgabe – die Entscheidung mit Prüfpfad: Das System liefert für jedes Kriterium ein eindeutiges Ergebnis: geeignet oder ausgeschlossen. Jede Entscheidung ist mit einer Argumentationsspur versehen – den spezifischen medizinischen Codes, dem geprüften Hierarchiepfad und der angewendeten Logikregel. Ihr Compliance-Team kann jede einzelne Übereinstimmung auditieren.

Dieser Prüfpfad macht den Unterschied zwischen einem System aus, das Ihre Regulierungsbehörden akzeptieren, und einem, das sie anzweifeln. Wenn die FDA oder die EMA fragt, warum Patient 4.072 in Ihre Studie aufgenommen wurde, können Sie die exakte Logikkette vorlegen. Mit einem generischen LLM, das Ihnen lediglich einen Wahrscheinlichkeitswert geliefert hat, ist das unmöglich. Die Architektur hält die Patientendaten zudem innerhalb Ihrer sicheren Umgebung. Der Wissensgraph und die Logik-Engine laufen lokal. Keine geschützten Gesundheitsdaten müssen Ihre Firewall verlassen.

Für Unternehmen, die bereits über den Aufbau von Wissensgraphen und domänenspezifischen medizinischen Terminologiennachdenken, bildet dies die Basisschicht. Und da jede Entscheidung einen nachvollziehbaren logischen Beweis liefert, knüpft sie direkt an die Anforderungen an Erklärbarkeit und Entscheidungstransparenz an, die Regulierungsbehörden zunehmend einfordern.

Dies ist von entscheidender Bedeutung im gesamten Bereich Gesundheitswesen und Life Sciences, wo die Kosten einer Fehlentscheidung durch KI an der Patientensicherheit, regulatorischen Risiken und Hunderten Millionen an Umsatzeinbußen gemessen werden.

Für die vollständige technische Architektur, einschließlich Beispielen der SNOMED-CT-Hierarchie und deontischen Logikformulierungen, lesen Sie die vollständige technische Analyse. Sie können auch die interaktive Version erkunden , um eine geführte Einführung in die Funktionsweise des neuro-symbolischen Abgleichs in der Praxis zu erhalten.