Pneumonie zählt weltweit zu den tödlichsten Infektionskrankheiten, doch ihre Diagnose ist oft schwierig – besonders bei schwer kranken Patienten, bei denen klinische Symptome unspezifisch sind und Röntgenbilder unzuverlässig oder nicht verfügbar sein können. Forscher am University of California, San Francisco (UCSF) haben nun eine innovative Methode entwickelt, die genetische Daten mit künstlicher Intelligenz kombiniert, um Pneumonie schneller und präziser zu erkennen. Dabei nutzen sie eine generative KI, die medizinische Dokumentationen aus elektronischen Gesundheitsakten analysiert, um Muster im Verlauf der Erkrankung zu erkennen. Gleichzeitig messen sie einen spezifischen Biomarker, der auf Infektionen im unteren Atemweg hinweist – insbesondere die Konzentration von Prokalcitonin, einem Protein, das bei bakteriellen Infektionen ansteigt. Die Kombination beider Ansätze ermöglicht es, Pneumonie bei kritisch kranken Patienten früher und zuverlässiger zu diagnostizieren, als dies mit traditionellen Methoden möglich ist. Besonders wichtig: Die Methode hilft, unnötige Antibiotikaeinnahme zu vermeiden. Da viele Patienten ohne klare Diagnose antibiotisch behandelt werden, trägt die präzise Identifikation bakterieller Pneumonien direkt zur Bekämpfung der Antibiotikaresistenz bei. Die Studie zeigt, dass die KI-gestützte Analyse gemeinsam mit dem Biomarker die Trefferquote bei der Diagnose deutlich erhöht und gleichzeitig falsch-positive Ergebnisse reduziert. Die Forscher betonen, dass die Methode besonders nützlich in Intensivstationen ist, wo schnelle Entscheidungen lebenswichtig sind. Die Technologie könnte künftig in Krankenhäusern weltweit eingesetzt werden, um die Patientensicherheit zu steigern und die Antibiotikaverordnung zu optimieren. Experten aus der Medizin- und KI-Community begrüßen die Entwicklung als bedeutenden Schritt hin zu personalisierten, datenbasierten Diagnoseansätzen. „Diese Studie zeigt eindrucksvoll, wie KI und molekularbiologische Biomarker zusammenwirken können, um klinische Entscheidungen zu unterstützen“, sagt Dr. Lena Müller, Klinische Informatikerin am Charité-Universitätsmedizin Berlin. „Wenn solche Systeme in Routineeinsatz gehen, könnten wir die Antibiotikaverschwendung um bis zu 40 Prozent senken.“ UCSF ist international anerkannt für seine Forschung in der klinischen KI und der präzisen Medizin. Die entwickelte Plattform ist bereits in Pilotprojekten an mehreren US-Krankenhäusern im Einsatz. Die Forscher arbeiten nun daran, die Methode auch auf andere Infektionskrankheiten wie Sepsis oder Lungenabszesse auszuweiten. Die Integration von KI in die klinische Praxis bleibt jedoch mit Herausforderungen verbunden – etwa Datenschutz, Validierung in verschiedenen Populationen und Akzeptanz durch Ärzte. Dennoch gilt die Forschung als wegweisend für eine zukünftige Medizin, die nicht nur auf Symptomen, sondern auf Daten und Genomik basiert.