[Use of artificial intelligence in clinical practice and hospitals].

内容摘要

Artificial intelligence (AI) is increasingly evolving from a research technology into a tool for everyday clinical practice. While early applications primarily focused on medical image analysis, generative AI systems and large language models are now available for a wide range of clinical and administrative tasks. These include medical documentation, literature review, guideline-based knowledge management, patient communication, and workflow optimization. At the same time, diagnostic and therapeutic applications continue to evolve. AI-assisted systems support radiological and pathological image interpretation, risk stratification, and clinical decision-making processes. Despite considerable opportunities, important limitations remain. AI hallucinations, algorithmic bias, data protection requirements, and regulatory considerations necessitate continuous human oversight and critical evaluation. Therefore, the long-term success of AI will depend not only on technological performance but also on its responsible integration into existing healthcare structures. This review provides a practice-oriented overview of current and future AI applications in urology and discusses opportunities, limitations, and prerequisites for safe implementation in clinical practice and hospital care. Künstliche Intelligenz (KI) entwickelt sich zunehmend von einer Forschungstechnologie zu einem Werkzeug des klinischen Alltags. Während frühe Anwendungen v. a. auf die Analyse medizinischer Bilddaten fokussiert waren, stehen heute generative KI-Systeme und große Sprachmodelle für vielfältige Aufgaben in Klinik und Praxis zur Verfügung. Hierzu zählen die Erstellung medizinischer Dokumente, die Unterstützung bei Literaturrecherchen, die Aufbereitung von Leitlinienwissen, die Patientenkommunikation sowie die Optimierung administrativer Prozesse. Parallel hierzu entwickeln sich diagnostische und therapeutische Anwendungen weiter. KI-gestützte Verfahren unterstützen die Auswertung radiologischer und pathologischer Daten, die Risikostratifizierung sowie die klinische Entscheidungsfindung. Trotz erheblicher Potenziale bestehen relevante Herausforderungen. Halluzinationen generativer KI-Systeme, algorithmische Verzerrungen, Datenschutzanforderungen sowie regulatorische Vorgaben erfordern eine kritische Bewertung und kontinuierliche ärztliche Kontrolle. Der nachhaltige Erfolg von KI wird daher nicht allein von der Leistungsfähigkeit einzelner Modelle abhängen, sondern maßgeblich von deren verantwortungsvoller Implementierung in bestehende Versorgungsstrukturen. Der vorliegende Beitrag gibt einen praxisorientierten Überblick über aktuelle und zukünftige Einsatzmöglichkeiten von KI in der Urologie und diskutiert Chancen, Grenzen und Voraussetzungen für einen sicheren Einsatz in Klinik und Praxis.