KI als Rückenschmerz-Triage – stark bei Struktur, schwach bei Warnsignalen

Rückenschmerzen gehören zu den häufigsten Gründen für Arztbesuche, doch hinter demselben Symptom können sehr unterschiedliche Ursachen stehen – von Bandscheibenvorfall und Spinalkanalstenose bis hin zu Infektionen, Tumoren oder hämatologischen Erkrankungen. Eine neue Studie im Journal of Medical Internet Research hat genau dieses diagnostische Spannungsfeld genutzt, um zwei große Sprachmodelle zu testen: ChatGPT 5.1 und DeepSeek V3.2. In 160 realen ambulanten Fällen mit Low Back Pain wurden die Modelle in zwei Situationen geprüft: einmal nur mit der Hauptbeschwerde und einmal mit einem strukturierten Fragebogen aus sieben Bereichen und 33 Items.

Die Ergebnisse zeigen, wie stark KI von guter klinischer Information abhängt. Bei der Triage verbesserte sich ChatGPT 5.1 von 75,6 % auf 93,1 %, DeepSeek V3.2 von 84,4 % auf 90,6 %. Noch deutlicher war der Sprung bei der vorläufigen Diagnose muskuloskelettaler Fälle: ChatGPT 5.1 stieg von 35,0 % auf 87,5 %, DeepSeek V3.2 von 48,3 % auf 76,7 %. Besonders eindrucksvoll war der Effekt strukturierter Angaben bei osteoporotischen Wirbelkörperfrakturen, wo ChatGPT 5.1 von 10 % auf 100 % Diagnosesicherheit kam. Die Studie zeigt damit sehr konkret, dass KI nicht einfach „besser“ oder „schlechter“ ist, sondern stark davon abhängt, ob sie mit vagen Beschwerden oder mit sauber erhobenen klinischen Daten arbeitet.

Gerade die spannendsten Ergebnisse sind aber auch die vorsichtigsten. Bei Red-Flag-Diagnosen wie multiplem Myelom und metastatischem Spinaltumor blieben beide Modelle anfällig für gefährliche Fehler. Die Erkennung des multiplen Myeloms verbesserte sich nur begrenzt, und auch nach strukturierter Eingabe blieben sicherheitsrelevante Fehlentscheidungen bestehen. Die Autoren betonen deshalb, dass solche Systeme nicht als eigenständige Triage-Tools eingesetzt werden sollten. Ihr Potenzial liegt eher dort, wo sie Beschwerden strukturieren, an Warnzeichen erinnern, Differenzialdiagnosen vorschlagen und die passende Weiterleitung unterstützen. Für die Praxis entsteht damit ein realistisches Bild von KI in der Medizin: kein digitaler Ersatz für klinisches Urteil, aber ein möglicher Copilot, dessen Nutzen mit der Qualität der Information steigt und dessen Grenzen bei seltenen, gefährlichen Erkrankungen besonders ernst genommen werden müssen.