David-Sackett-Preis 2026 für Forschungsarbeiten zur Evidenz von KI im Gesundheitswesen
Künstliche Intelligenz verändert medizinische Entscheidungsprozesse in rasantem Tempo. Während KI-basierte Entscheidungssysteme in der Versorgung und generative Sprachmodelle in der Gesundheitsinformation zunehmend relevant werden, stehen in der öffentlichen Debatte häufig Geschwindigkeit, Innovationskraft und technische Leistungsfähigkeit im Vordergrund. Aus Sicht der evidenzbasierten Medizin ist jedoch entscheidend, ob solche Systeme patientenrelevanten Nutzen bringen, Schaden vermeiden und informierte Entscheidungen verbessern.
Das ausgezeichnete Forschungsprogramm adressiert diese Lücke. In drei eng verbundenen Arbeiten untersuchen Christoph Wilhelm und Dr. Felix G. Rebitschek vom Harding-Zentrum für Risikokompetenz an der Medizinischen Hochschule Brandenburg Theodor Fontane und der Universität Potsdam gemeinsam mit weiteren Autorinnen und Autoren, ob und unter welchen Bedingungen KI-basierte Entscheidungsunterstützung und generative Sprachmodelle den Anforderungen evidenzbasierter Medizin gerecht werden. Im Mittelpunkt stehen Nutzen-Schaden-Abwägungen, patientenrelevante Endpunkte, Transparenz und informierte Entscheidungen.
„Künstliche Intelligenz wird meist vor allem nach ihrer technischen Leistung bewertet – also danach, wie genau ihre Empfehlungen sind. Entscheidend ist aber, ob ihr Einsatz Menschen nachweislich mehr nutzt als die bisherige Praxis ohne KI-Unterstützung. Unsere Arbeiten zeigen, dass genau solche Fragen bislang noch zu selten im Mittelpunkt der Forschung stehen“, sagt Felix Rebitschek.
Die systematische Übersichtsarbeit zu KI-basierten Entscheidungsunterstützungssystemen zeigt, dass diese bislang nur selten angemessen mit Blick auf patientenrelevante Endpunkte evaluiert werden. In einzelnen Anwendungsbereichen finden sich Hinweise auf positive Effekte, etwa auf Krankenhausverweildauer, Symptomlast oder Mortalität. Insgesamt reicht die Evidenz jedoch nicht aus, um den patientenrelevanten Mehrwert vieler KI-Anwendungen belastbar zu beurteilen. Potenzielle Schäden, Unterschiede nach Geschlecht oder sozioökonomischen Merkmalen sowie die Transparenz der zugrunde liegenden Modelle werden häufig unzureichend berücksichtigt.
Die Arbeiten zu generativen Sprachmodellen zeigen, dass diese zwar oft sprachlich überzeugende Gesundheitsinformationen erzeugen, die Anforderungen evidenzbasierter Gesundheitsinformation aber nur eingeschränkt erfüllen. Defizite bestehen insbesondere bei der ausgewogenen Darstellung von Nutzen und Schaden, bei absoluten Risiken sowie beim Umgang mit Unsicherheit und Evidenzqualität. Schon eine einfache Hilfestellung beim Formulieren der Anfrage – ein sogenannter Prompting-Boost – verbesserte die Qualität der Antworten; dennoch bleiben sie unter dem fachlich wünschenswerten Standard. Generative KI kann informierte medizinische Entscheidungen daher nicht eigenständig absichern.
Für die evidenzbasierte Medizin sind die ausgezeichneten Arbeiten besonders bedeutsam, weil sie KI-Systeme nicht primär als technische Innovation, sondern als medizinische Interventionen in einer Regelversorgung betrachten. Damit gelten für ihren Einsatz dieselben Grundanforderungen wie für andere diagnostische, therapeutische oder informationsbezogene Verfahren: transparente Darstellung der Evidenz, systematische Nutzen-Schaden-Bewertung und Orientierung am patientenrelevanten Nutzen. Gerade in einem stark technologiegetriebenen Feld tragen die Arbeiten damit zur Versachlichung der Debatte bei.
Die Jury hob insbesondere die hohe Relevanz des Programms für die evidenzbasierte Medizin der Gegenwart und Zukunft hervor. Die Arbeiten zeigen, dass die Implementierung von KI im Gesundheitswesen nicht allein an technischer Machbarkeit ausgerichtet werden darf. Entscheidend ist, dass KI-gestützte Systeme die Versorgung verbessern, Patientinnen und Patienten stärken und informierte Entscheidungen ermöglichen. Damit greifen Christoph Wilhelm und Dr. Felix G. Rebitschek eine Kernfrage der evidenzbasierten Medizin im digitalen Zeitalter auf.
Das EbM-Netzwerk gratuliert den Preisträgern herzlich zu dieser herausragenden wissenschaftlichen Leistung.
Die Preisverleihung findet im Rahmen der kommenden Jahrestagung statt, die vom 30.09. bis 02.10.2026 gemeinsam mit drei weiteren Fachgesellschaften in Göttingen durchgeführt wird: der Deutschen Gesellschaft für Allgemeinmedizin und Familienmedizin (DEGAM), der Deutschen Gesellschaft für Sozialmedizin und Prävention (DGSMP) und der Deutschen Gesellschaft für Medizinische Soziologie (DGMS).
Mit dem David-Sackett-Preis ausgezeichnetes Forschungsprogramm:
Patientenrelevante Nutzen und Schäden KI-basierter Entscheidungsunterstützung und evidenzbasierter Gesundheitsinformation
Publikationen zur Bewerbung:
Rebitschek FG, Carella A, Kohlrausch-Pazin S, et al. Evaluating evidence-based health information from generative AI using a cross-sectional study with laypeople seeking screening information. npj Digital Medicine. 2025;8:343. https://doi.org/10.1038/s41746-025-01752-6
Wilhelm C, Steckelberg A, Rebitschek FG. Benefits and harms associated with the use of AI-related algorithmic decision-making systems by healthcare. The Lancet Regional Health – Europe. 2024;48:101145. https://doi.org/10.1016/j.lanepe.2024.101145
Wilhelm C, Steckelberg A, Rebitschek FG. Is artificial intelligence for medical professionals serving the patients? Protocol for a systematic review on patient-relevant benefits and harms of algorithmic decision-making. Systematic Reviews. 2024;13:228. https://doi.org/10.1186/s13643-024-02646-6