Ein aktueller Praxisversuch veranschaulicht die wachsende Rolle von KI-Systemen in der medizinischen Diagnostik. Ein Nutzer setzte das Modell Opus 4.8 in Verbindung mit Claude Code ein, um ein MRT der rechten Schulter computergestützt auszuwerten. Hintergrund war eine vorangegangene orthopädische Diagnose eines schwerwiegenden Teilrisses der Schultermuskulatur sowie eine direkt anschließende, intensive Behandlung. Da der Patient den Behandlungsweg als überhastet einstufte und klinische Leitlinien bezüglich der angewandten Therapien fragwürdig erschienen, erfolgte die technische Zweitbegutachtung. Die Rohdaten im DICOM-Format wurden via Claude Code bereitgestellt. Das System installierte eigenständig Analyse-Pakete und erstellte über mehrere Stunden hinweg einen detaillierten Untersuchungsplan. Opus 4.8 klassifizierte den Sehnenansatz als intakt und identifizierte lediglich leichte degenerative Veränderungen, was im direkten Widerspruch zum klinischen Befund stand. Zur Absicherung initiierte die KI eine mehrstufige Vergleichsanalyse mit unabhängigen Unteragenten, um Verzerrungen auszuschließen. Das abschließende Votum bestätigte die initiale KI-Auswertung mit moderater bis hoher Sicherheit. Der Vorgang demonstriert technische Fortschritte im Umgang mit medizinischen Bilddaten und der Integration von Large Language Models in programmierbare Agenten-Umgebungen. Durch die Fähigkeit zur Eigenausführung von Skripten und Paketverwaltung übersteigt Claude Code klassische Chat-Schnittstellen, was komplexe Datenpipelines ermöglicht. Gleichzeitig offenbart das Beispiel aktuelle Validierungsgrenzen: Die KI konnte nicht alle Diskrepanzen auflösen und betonte explizit, dass es sich um keine medizinische Beratung handelt. Der Nutzer bleibt in einer Abwägung zwischen manueller Arztkonsultation und weiterem Monitoring. Für die Technologiebranche liefert der Fall relevante Hinweise zur Reife multimodaler Systeme in sensiblen Bereichen. KI-gestützte Zweitmeinungen können Behandlungspläne hinterfragen, verdrängen jedoch nicht die fachärztliche Verantwortung. Die gesellschaftliche und klinische Integration solcher Tools erfordert robuste Evaluierungsrahmen und transparente Limitationen. Der Vorgang markiert einen Schritt in Richtung technischer Machbarkeit, unterstreicht aber gleichzeitig, dass Vertrauen in automatisierte Diagnoseunterstützung noch durch Nachweisbarkeit und standardisierte Validierung geprägt werden muss.