Aidoc CARE: FDA-Zulassung für 11 neue CT-Triage-Indikationen
Die FDA-Zulassung für Aidoc CARE, angekündigt am 22. Januar 2026, ergänzt die KI-Triage von Aidoc um 11 neue Indikationen und macht daraus ein Triage-Werkzeug für Körper-CT in Notaufnahmen und ambulanten Einrichtungen. Die 11 Indikationen laufen auf CARE, Aidocs eigenem Foundation-Modell, und erreichten in der von der FDA geprüften Studie eine mittlere Sensitivität von 97 % und eine mittlere Spezifität von 98 %. Für Krankenhäuser sortiert die Software die Warteschlange der Radiologie neu, sodass die Aufnahmen der kränksten Patienten zuerst befundet werden.
Warum Notaufnahmen eine andere Warteschlange für Aufnahmen brauchten
Aidocs Argument beginnt bei einer Warteschlange, nicht bei einem Scanner. Das Unternehmen sieht den Engpass in Notaufnahmen im Warteschlangensystem und nicht in der Bildgebung selbst, weil die meisten Anbieter Aufnahmen noch nach dem Prinzip „Wer zuerst kommt, mahlt zuerst" befunden.
Nach dieser Reihenfolge kann das CT eines akut kranken Patienten hinter Routineuntersuchungen warten, bis ein Radiologe es erreicht. Aidoc, ein 2016 gegründetes Unternehmen für klinische KI, will die Überlastung beheben, die dadurch in Notaufnahmen und Arztpraxen entsteht.
Was die FDA am 22. Januar 2026 zugelassen hat
Am 22. Januar 2026 gab Aidoc bekannt, dass die Food and Drug Administration 11 neue Indikationen für die Triage-Lösung zugelassen hat. Vor der Entscheidung hatte das Unternehmen drei zugelassene Indikationen für CT-Bildgebung. Jetzt bietet es nach eigener Aussage eine umfassende Triage-Lösung für Körper-CT in Notaufnahmen und ambulanten Einrichtungen.
Die neuen Indikationen laufen auf CARE, der Abkürzung für Clinical AI Reasoning Engine. Aidoc hat das Modell selbst entwickelt und bezeichnet es als das erste zugelassene Foundation-Modell im Gesundheitswesen. CARE bündelt insgesamt 14 Indikationen in einem Arbeitsablauf, sodass ein Krankenhaus nicht für jeden akuten Befund ein eigenes Werkzeug anbinden muss.
So funktioniert KI-Triage in einer Radiologie-Abteilung
Die Software liest jede Aufnahme zuerst. Statt „first in, first out" priorisiert Aidocs Triage-Lösung die Aufnahmen anhand ihrer ersten Auswertung der Bilder. Untersuchungen mit Verdacht auf akute Befunde rücken in der Warteschlange nach oben, damit Radiologen sie prüfen.
Die Diagnose stellt weiterhin der Radiologe. Die KI ändert die Reihenfolge der Arbeit, damit akut kranke Patienten schneller bei einem Befunder landen. Die Triage läuft auf Aidoc aiOS, der KI-Plattform des Unternehmens für Großkunden, die ein breites Spektrum akuter Erkrankungen für Notaufnahmen und ambulante Anbieter erkennt. Auf seiner europäischen Website erklärt Aidoc, aiOS lasse sich in bestehende Krankenhaussysteme wie PACS, EHR, RIS und Terminplanung einfügen und erfordere für Radiologen keinen zusätzlichen Klick.
„Die Möglichkeit, wichtige akute Erkrankungen in einem einzigen Arbeitsablauf zusammenzuführen, ist ein grundlegender Wandel in der Arbeit von Radiologie-Abteilungen." — Dr. Heidi Beilis, Chief Medical Officer für Diagnostik bei WellSpan Health
Was die von der FDA geprüfte Studie gemessen hat
Das gemessene Ergebnis stammt aus der Studie, die die FDA geprüft hat. Aidocs neueste Indikationen erreichten laut Unternehmen eine mittlere Sensitivität von 97 % und eine mittlere Spezifität von 98 %.
Aidoc sagt, damit seien die neuen Indikationen genauer als andere Lösungen auf dem Markt und lösten weniger Fehlalarme aus. Dieser Vergleich ist die eigene Aussage des Unternehmens. Die Quellen nennen keine Durchlaufzeiten aus US-Krankenhäusern, die die neuen Indikationen nutzen. Auf Aidocs europäischer Website steht eine um 5,2 Tage kürzere Durchlaufzeit, und die Plattform analysiere jedes Jahr 60 Millionen Aufnahmen. Wo diese Zahlen gemessen wurden, steht dort nicht.
Was sich für Radiologie-Abteilungen im Krankenhaus ändert
Für ein Gesundheitssystem sortiert CARE die Leseliste nach medizinischem Bedarf. Das zählt am meisten dort, wo das Aufnahmevolumen die Zahl der diensthabenden Radiologen übersteigt und wo ein übersehener akuter Befund Patient und Krankenhaus teuer zu stehen kommt.
Ein Fehlalarm kostet Zeit der Radiologen, deshalb ist die Spezifität von 98 % ebenso wichtig wie die Sensitivität: Weniger falsch positive Ergebnisse bedeuten weniger Untersuchungen, die ohne Grund vorgezogen werden. Ein zugelassenes Modell für 14 Indikationen heißt zudem eine Anbieterprüfung und eine Integration statt vieler. WellSpan Health sagt, es habe zahlreiche KI-Werkzeuge in seine Bildgebung eingebunden, und diese Triage-Lösung betreffe die Steuerung von Arbeitsablauf und Zeit bis zur Diagnose bei akuten Erkrankungen.
Wie es bei Aidocs CT- und Röntgenplänen weitergeht
Aidoc will seine KI-Bildgebungslösungen in den nächsten 18 Monaten auf alle CT- und Röntgen-Arbeitsabläufe ausweiten, sagten Führungskräfte in der Pressemitteilung des Unternehmens. Außerdem entwickelt es eine Lösung, die Berichte für Anbieter entwirft. Beides sind Pläne, keine Ergebnisse.
Das Geld für diese Arbeit ist da. Im Juli sammelte das Unternehmen 150 Millionen US-Dollar neues Kapital ein, unterstützt von General Catalyst und Square Peg, mit NVentures, dem Venture-Arm von Nvidia, sowie den US-Gesundheitssystemen Sutter Health, Hartford, Mercy und WellSpan.
Fragen und Antworten
Was ist Aidoc CARE?
CARE, die Clinical AI Reasoning Engine, ist Aidocs eigenes Foundation-Modell für die medizinische Bildgebung. Das Unternehmen nennt es das erste zugelassene Foundation-Modell im Gesundheitswesen. Es treibt jetzt 14 Triage-Indikationen in einem Arbeitsablauf an.
Wie genau ist Aidocs Triage-Lösung?
In der von der FDA geprüften Studie erreichten die 11 neuen Indikationen laut Aidoc eine mittlere Sensitivität von 97 % und eine mittlere Spezifität von 98 %.
Ersetzt die KI den Radiologen?
Nein. Die Software prüft die Bilder zuerst und schiebt Verdachtsfälle mit akutem Befund in der Warteschlange nach oben. Die Radiologen sichten die Aufnahmen und stellen die Diagnose.
Die Sicht von MOZGII
Wie wir es bauen würden
Am meisten hilft Software in der Medizin heute bei der Arbeitsschlange: Welche Aufnahme, welcher Patient und welche Nachricht erreicht einen Arzt zuerst. Aidocs Fall ist ein sauberes Beispiel. Das Modell stellt keine Diagnose. Es entscheidet, in welcher Reihenfolge Menschen hinschauen, und diese Entscheidung kann ein Krankenhaus prüfen.
Würden wir das bauen, finge wir mit den Daten an, die eine Leseliste ohnehin enthält: die Aufnahme, den Zeitpunkt des Eingangs, die anfordernde Abteilung und den unterschriebenen Befund eines Radiologen. Mit den unterschriebenen Befunden würden wir markieren, welche Untersuchungen wirklich akut waren, und das Modell jeden Monat daran neu trainieren und prüfen. Radiologen würden jeden markierten Fall ansehen, und ein Abteilungsleiter wäre für die Regeln zuständig, wie weit eine markierte Untersuchung in der Warteschlange vorrücken darf.
An zwei Stellen würde es brechen. Ein Fehlalarm schiebt eine Routineaufnahme vor einen kranken Patienten, und ein übersehener Befund lässt einen akuten Fall in der alten Reihenfolge warten. Beides wird schlimmer, wenn ein Krankenhaus Geräte oder Protokolle wechselt und die Bilder sich von dem entfernen, was das Modell im Training gesehen hat. Die eine Kennzahl, die wir beobachten würden, ist die Zeit von der Aufnahme bis zum Befund bei bestätigten akuten Fällen, gemessen vor und nach dem Einschalten.
Als Nächstes würden wir den Schritt nach der Befundung bauen: ein Werkzeug, das den bestätigten Befund an den richtigen diensthabenden Facharzt schickt und festhält, wann dieser ihn gesehen hat.
Quellen
Woher die Fakten dieser Meldung stammen.