Dennis L.
Ein Krankenhaus, in dem ausschließlich digitale Ärzte Dienst haben, klingt nach Science-Fiction. In Peking erprobt die Tsinghua Universität mit Agent Hospital dennoch genau dieses Szenario – zunächst als vollständig simulierte Umgebung. KI-gesteuerte Multiagentensysteme übernehmen dort Aufnahme, Diagnose, Therapieplanung und Nachsorge für virtuelle Patienten. Parallel werden erste Module in realen Kliniken getestet, um Arbeitsabläufe zu beschleunigen und Ärzte zu entlasten. Wie weit ein solches KI Krankenhaus technisch ist und welche Grenzen Medizinrecht und Ethik setzen, ist Gegenstand intensiver wissenschaftlicher Diskussionen.
Künstliche Intelligenz hat sich in der Medizin von Spezialwerkzeugen für Bildanalyse oder Sprachverarbeitung zu komplexen Entscheidungssystemen entwickelt, die ganze Behandlungspfade strukturieren können. Radiologische Screenings, neurologische Risikoprognosen oder Sprachanalysen für psychische Erkrankungen werden bereits von lernenden Algorithmen unterstützt, etwa wenn eine KI frühen Brustkrebs in Mammografie-Aufnahmen zuverlässiger erkennt als viele Experten. Dennoch bleibt die Versorgung heute klar ärztlich geführt: KI liefert Scores, Wahrscheinlichkeiten oder Bildmarkierungen, während Menschen Befunde verantworten. Vor diesem Hintergrund sorgt die Ankündigung eines „ersten KI Krankenhauses der Welt“ aus China für besondere Aufmerksamkeit, weil sie den Sprung von punktueller Assistenz hin zu einem digital durchgängig gesteuerten Klinikbetrieb andeutet.
Die Tsinghua Universität beschreibt das Projekt Agent Hospital als virtuelles Krankenhaus, in dem alle Rollen von autonomen KI-Agenten übernommen werden. Dort existieren Ärzte, Pflegekräfte und Patienten ausschließlich als Software, gesteuert von großen Sprachmodellen und zusätzlichen Fachmodulen. Der Ansatz soll es ermöglichen, komplette Behandlungspfade von der ersten Symptomangabe über Triage und Diagnostik bis hin zu Therapie und Nachsorge in einer kontrollierten Simulationsumgebung zu testen. Gleichzeitig wird das System schrittweise mit realen Einrichtungen wie dem Beijing Tsinghua Changgung Hospital verzahnt, wo einzelne Komponenten bereits in Pilotprojekten die klinische Routine unterstützen. Zwischen Marketingbegriff und technischer Realität liegt damit ein Spannungsfeld, das genau betrachtet werden muss, um das tatsächliche Potenzial und die Risiken dieses KI Krankenhauses einzuschätzen.
Im Kern ist Agent Hospital kein Krankenhausgebäude, sondern ein digitaler Zwilling eines kompletten Klinikbetriebs. In dieser virtuellen Umgebung laufen alle Prozesse, die sonst reale Menschen betreffen würden, als Interaktionen softwaregesteuerter Akteure ab. Die Entwickler sprechen von einem „Simulacrum“ eines Krankenhauses, in dem virtuelle Patienten komplexe Krankheitsverläufe durchlaufen, von den ersten Symptomen über Diagnostik bis zur Rehabilitation. Für jeden Patienten existiert eine synthetische Krankenakte mit Laborwerten, Bilddaten und Anamnesen, die von KI generiert und durch medizinische Wissensbasen konsistent gehalten werden. Auf dieser Grundlage lassen sich seltene Krankheitsbilder ebenso wie häufige Routinefälle nahezu beliebig skalieren, ohne dass reale Personen gefährdet oder Datenschutzvorgaben verletzt werden.
Die virtuellen Ärzte orientieren sich im Agent Hospital an etablierten Abläufen: Sie entscheiden, ob ein Patient zunächst in der Notaufnahme, in der Allgemeinambulanz oder in einer Spezialambulanz vorgestellt wird, ordnen Untersuchungen an, interpretieren Befunde und passen Therapien an den Verlauf an. Berichte aus dem Projekt nennen inzwischen Dutzende KI-Ärzte in rund 20 Fachabteilungen sowie die Fähigkeit, innerhalb weniger Tage zehntausende Fälle durchzuspielen. Die dabei erzielte Diagnosegenauigkeit wird mit rund 93 Prozent auf dem MedQA-Benchmark angegeben, der auf Prüfungsfragen des US-amerikanischen Medizinstaatsexamens basiert. Solche Zahlen zeigen, dass die Systeme komplexe medizinische Texte und Entscheidungsbäume bewältigen können, sagen aber noch wenig darüber aus, wie robust sich die Modelle in unstrukturierten, realen Versorgungssituationen verhalten würden.
Das Besondere am Projekt ist weniger ein einzelner Algorithmus als die Architektur dahinter. Statt eines monolithischen Systems nutzen die Entwickler ein Netzwerk aus medizinische KI Agenten, die jeweils unterschiedliche Rollen übernehmen. Ein Agent agiert etwa als Hausarzt, andere als Kardiologe, Radiologe oder Pharmakologe, wieder andere steuern Pflegeprozesse, Abrechnung oder Terminplanung. Alle greifen auf ein gemeinsames Gedächtnis für den jeweiligen Fall zu, können sich gegenseitig konsultieren und ihre Entscheidungen begründen. Als kognitiver Kern dienen große Sprachmodelle, die durch spezialisierte Tools für Bildanalyse, Leitliniensuche oder Medikamenteninteraktionen erweitert werden, sodass sie nicht nur Text generieren, sondern aktiv mit Datenbanken und Simulationsumgebungen interagieren.
Für das Training dieser Agenten setzen die Forscher auf ein Verfahren namens MedAgent Zero, das in der technischen Beschreibung explizit als selbstverbessernder Lernzyklus ausgelegt ist. MedAgent Zero erzeugt fortlaufend neue Szenarien mit virtuellen Patienten, lässt verschiedene Strategien gegeneinander antreten und bewertet die Ergebnisse anhand definierter Zielgrößen wie Diagnosegenauigkeit, Therapieeffektivität und Ressourcennutzung. Erfolgreiche Strategien werden beibehalten, fehlerhafte durch Anpassungen ersetzt, sodass die Systeme über viele Iterationen hinweg dazulernen. Dieses Verfahren ähnelt Verstärkungslernen in Spielen, ist aber auf medizinische Abläufe zugeschnitten. Gleichzeitig bleibt offen, wie gut solche in der Simulation optimierten Strategien mit unvollständigen Informationen, widersprüchlichen Befunden oder atypischen Symptomen in realen Krankenhäusern umgehen.
Parallel zur virtuellen Umgebung baut Tsinghua eine physische Infrastruktur für den Einsatz der Technologien auf. Offizielle Verlautbarungen zur Einweihung des Tsinghua AI Agent Hospital beschreiben ein mehrstufiges Vorgehen, bei dem zunächst einzelne klinische Bereiche wie Allgemeinmedizin, Augenheilkunde, Radiologie oder Pneumologie in Partnerkliniken ausgestattet werden. Dort sollen die Systeme zunächst als Entscheidungsunterstützung laufen, etwa indem sie Vorschläge für Diagnostikpfade erstellen, Befunde strukturieren oder Entwürfe für Arztbriefe generieren. Die Verantwortung für Diagnosen und Therapien bleibt explizit beim menschlichen Personal, das Vorschläge der KI annehmen, anpassen oder verwerfen kann. Erst wenn die Systeme über längere Zeiträume stabil laufen und sich in Audits bewähren, sind weitergehende Automatisierungsschritte vorgesehen.
Der Schritt aus der Simulation in den Alltag reiht sich in einen globalen Trend ein, in dem LLM-basierte Agentensysteme zunehmend klinische Prozesse strukturieren. Eine umfangreiche Übersichtsarbeit zu LLM-Agenten in der Medizin beschreibt, wie solche Systeme Literaturrecherche, Studienplanung, Entscheidungsunterstützung und Patientensimulation verbinden und dabei neue Risiken durch Halluzinationen und versteckte Verzerrungen schaffen. Gleichzeitig zeigt die Entwicklung, dass KI längst nicht mehr nur einzelne Diagnosetools ersetzt, sondern komplette Workflows orchestriert, ähnlich wie bereits bei bildgebenden Verfahren, bei denen eine optimierte KI-Bildgebung die Diagnose komplexer Erkrankungen unterstützt. Agent Hospital dient in diesem Kontext als groß angelegtes Experimentierfeld, um solche Orchestrierungen vorab unter Laborbedingungen zu testen.
Befürworter sehen im KI Krankenhaus mehrere Vorteile. Die Simulation erlaubt es, seltene oder komplexe Fälle in hoher Dichte zu trainieren und so Wissenslücken zu schließen, die sich im klinischen Alltag aufgrund begrenzter Fallzahlen nie schließen ließen. In Ländern mit ausgeprägtem Ärztemangel könnten vortrainierte Systeme helfen, Triage zu standardisieren, Dokumentation zu automatisieren und Fachwissen in dünn besiedelte Regionen zu übertragen. Für die medizinische Ausbildung eröffnet ein virtueller Krankenhausbetrieb die Möglichkeit, Studierende und Assistenzärzte mit schwierigen Szenarien zu konfrontieren, ohne reale Patienten zu gefährden. Langfristig diskutieren Fachleute, ob gut kalibrierte KI-Agenten auch als zusätzliche „digitale Kollegen“ fungieren könnten, die bei jedem Fall eine zweite Meinung liefern und so Fehlerquoten senken.
Gleichzeitig macht das Projekt sichtbar, wie groß die Lücke zwischen Prüfungsbenchmarks und echter Versorgungsrealität ist. Eine hohe Diagnosegenauigkeit in standardisierten Testfragen garantiert nicht, dass ein System mit unvollständigen oder fehlerhaften Daten souverän umgeht, seltene Komorbiditäten erkennt oder kulturelle Besonderheiten in der Kommunikation berücksichtigt. Sprachmodelle neigen dazu, plausible, aber falsche Erklärungen zu erzeugen, und können systematische Biases aus Trainingsdaten übernehmen. Für einen Einsatz an realen Patienten wären deshalb nicht nur technische Audits, sondern umfangreiche klinische Studien erforderlich, die Wirksamkeit, Sicherheit und Fairness nachweisen. Zudem bleiben Fragen der Haftung offen, wenn mehrere Ebenen von Automatisierung und menschlicher Kontrolle ineinandergreifen. Agent Hospital zeigt damit vor allem eines: Der Weg zu einem vollwertigen, eigenständig handelnden KI Krankenhaus führt über viele kontrollierte Zwischenschritte, in denen Technik, Ethik und Regulierung gleichzeitig weiterentwickelt werden müssen.
arXiv, Agent Hospital: A Simulacrum of Hospital with Evolvable Medical Agents; doi:10.48550/arXiv.2405.02957
Information, Large Language Model Agents for Biomedicine: A Comprehensive Review of Methods, Evaluations, Challenges, and Future Directions; doi:10.3390/info16100894
