Der OP als Datensatz: Warum chirurgische Videos zum Rohstoff medizinischer KI werden
Minimalinvasive Eingriffe produzieren jede Woche Terabyte an Videomaterial. Damit daraus lernfähige Systeme werden, muss jemand Bild für Bild markieren, was zu sehen ist – eine unscheinbare Fleißarbeit, die derzeit zum Engpass der chirurgischen KI-Forschung wird.
Wer heute laparoskopisch operiert, arbeitet vor einem Bildschirm. Die Kamera im Bauchraum liefert ein hochauflösendes Video, das den gesamten Eingriff dokumentiert – Instrumentenwechsel, Blutungen, anatomische Strukturen, Entscheidungsmomente. In vielen Kliniken landet dieses Material bislang im Archiv oder wird gelöscht. In der Forschung dagegen gilt es inzwischen als einer der wertvollsten Datenbestände der Medizin.
Der Grund: Systeme, die chirurgische Abläufe automatisch erkennen sollen, lernen aus genau diesen Aufnahmen. Zuletzt hat ein Erlanger Softwareunternehmen mitgeteilt, seine Plattform zur Videoannotation werde an zwei deutschen Forschungseinrichtungen produktiv eingesetzt. Die Meldung ist für sich genommen unspektakulär – sie verweist aber auf ein Problem, das die gesamte Disziplin bremst.
Das eigentliche Nadelöhr heißt Annotation
Ein Algorithmus erkennt auf einem Videobild nicht von selbst, wo das Instrument endet und das Gewebe beginnt oder in welcher Phase des Eingriffs sich das Team gerade befindet. Diese Information muss ihm beigebracht werden: Menschen markieren Strukturen, ordnen Zeitabschnitte zu, kennzeichnen kritische Momente. Fachleute sprechen von Annotation, und der Aufwand ist beträchtlich. Für eine einzige Stunde Operationsvideo können je nach Detailtiefe viele Stunden Bearbeitungszeit anfallen – geleistet häufig von medizinisch geschultem Personal, das anderswo dringend gebraucht wird.
Hinzu kommt ein Qualitätsproblem. Zwei Ärztinnen können dieselbe Sequenz unterschiedlich einordnen, etwa wenn es darum geht, wann eine Präparationsphase endet. Genau hier setzen die Werkzeuge an, die derzeit auf den Markt kommen: Sie sollen Annotationen aus wenigen markierten Einzelbildern automatisch auf die übrigen Bilder übertragen und Arbeitsabläufe zwischen mehreren Bearbeitern nachvollziehbar halten. Wie stark die Zeitersparnis tatsächlich ausfällt, beruht bislang überwiegend auf Herstellerangaben und einzelnen Projektberichten; unabhängige Vergleichsstudien über verschiedene Eingriffsarten hinweg sind rar.
Wozu das Ganze gut sein soll
Die Anwendungen, an denen geforscht wird, reichen weiter als der naheliegende Gedanke an einen automatisch operierenden Roboter. Realistischer sind zunächst assistierende Funktionen: Systeme, die den nächsten Schritt im OP-Ablauf antizipieren und Material bereitstellen helfen, die auf riskante Gewebegrenzen hinweisen, oder die im Nachhinein auswerten, wie sauber ein Eingriff verlaufen ist. Gerade der letzte Punkt ist heikel und interessant zugleich, weil er chirurgische Qualität messbar machen würde – ein Feld, das bislang stark von Erfahrung und kollegialer Einschätzung lebt. In Deutschland arbeiten mehrere Universitätskliniken in Verbundprojekten an genau dieser Frage.
Wem gehört das Video?
Rechtlich betritt die Branche unsicheres Gelände. OP-Aufnahmen sind Gesundheitsdaten und damit besonders geschützt; für ihre Nutzung in Forschung und Produktentwicklung braucht es eine tragfähige Grundlage, meist eine Einwilligung oder eine landesrechtliche Forschungsklausel. Anonymisierung ist bei Videomaterial nicht trivial – die Aufnahme aus dem Bauchraum selbst mag unverfänglich wirken, doch Zeitstempel, Sprachspuren und Metadaten sind es oft nicht.
Perspektivisch soll der Europäische Gesundheitsdatenraum die Sekundärnutzung solcher Daten vereinheitlichen. Die Verordnung gilt ab März 2027, die Regeln zur Sekundärnutzung greifen für die meisten Datenkategorien allerdings erst ab 2029, für genomische Daten später. Bis dahin bleibt es bei einem Flickenteppich aus Landesrecht, Ethikvoten und individuellen Kooperationsverträgen. Kommt aus einem trainierten Modell später ein Produkt am Patienten, gelten zusätzlich die Anforderungen an Medizinprodukte – ein Zulassungsweg, der mit einem funktionierenden Forschungsprototypen längst nicht beendet ist.
Nüchtern betrachtet
Chirurgische KI ist damit vorerst weniger eine Frage spektakulärer Modelle als eine der Datenlogistik: Wer bekommt Zugang zu welchem Material, wer bezahlt die Annotation, und wie lässt sich verhindern, dass Systeme nur die Eingriffe eines einzigen Hauses abbilden? Kliniken mit großen Videoarchiven werden dadurch zu begehrten Partnern – und stehen zugleich vor der Aufgabe, den Umgang mit diesen Aufnahmen sauber zu regeln, bevor die Nachfrage weiter steigt.
Dieser Beitrag ist eine redaktionelle Einordnung eines Branchentrends und ersetzt keine Rechts- oder Gesundheitsberatung. Angaben zu einzelnen Produkten beruhen auf Unternehmensmitteilungen.