Im Flur zwischen Hausarztpraxis und Serverrack steht jetzt eine Kabine, die höflich nachfragt. Nicht: „Nehmen Sie Platz, ich bin der Doktor.“ Eher: „Bitte beschreiben Sie das Geräusch im Knie, während hinten fünf Fragehebel sortieren, ob das jetzt Alltag, Alarm oder nur ein sehr ehrgeiziger Fragebogen ist.“
Google Research hat SymptomAI vorgestellt, eine Forschungsarbeit zu conversational AI für Symptomgespräche und Differentialdiagnosen. Wichtig, bevor die Blechpresse den Schraubenschlüssel fallen lässt: Das ist Forschung, keine Fernbehandlung, kein Diagnoseautomat für die heimische Werkzeugwand und kein Ersatz für medizinische Hilfe.
Der Frageautomat will nicht raten, sondern nachbohren
Laut Google Research nahmen 13.917 einwilligende Studienteilnehmer an einer national angelegten Untersuchung teil. Sie beschrieben ihre Symptome gegenüber einem von fünf experimentellen SymptomAI-Agenten auf Basis von Gemini Flash 2.0. Die Varianten unterschieden sich darin, wie stark sie selbst Folgefragen stellten — von eher nutzergetrieben bis zu dynamischen Interview-Strategien.
Das ist der interessante Blechkern: Viele LLM-Vorführungen wirken, als käme die Antwort aus dem Nebel, wenn man nur laut genug „medizinisch“ sagt. SymptomAI dreht die Sache um und testet, ob eine Maschine erst bessere Fragen stellen muss, bevor sie überhaupt brauchbar sortiert. Im Maschinenbild: weniger Orakel, mehr Anamnese-Walzwerk.
Die Studie hängt ein Schild an die Euphorie
Die Paper-Fassung beschreibt, dass eine Teilmenge der Teilnehmenden später selbst berichtete, welche Diagnose sie von einer medizinischen Fachperson erhalten hatte. Zusätzlich bewerteten klinische Expertinnen und Experten Gesprächsverläufe und Differentialdiagnosen in einem verblindeten Vergleich. Google berichtet, dass SymptomAI-Differentialdiagnosen in mehr als der Hälfte der Fälle bevorzugt wurden; die Bloggrafik nennt 53,3 Prozent für die beste Rangposition.
Das klingt kräftig, aber es bleibt ein Forschungsrahmen mit Selbstberichten, Auswahl der Teilnehmenden, Studiendesign und der üblichen Frage, was davon in einem echten Versorgungsalltag mit Zeitdruck, Haftung, Sprache, Angst und schlechter WLAN-Ecke übrig bleibt. Genau da steht die Blechkabine und quietscht: Ein guter Frageautomat kann entlasten. Ein überschätzter Frageautomat kann sehr ordentlich in die falsche Schublade sortieren.
Fitbit-Kabel, Pulszacken und die Verlockung der Zusatzdaten
Ein zweiter Teil der Arbeit vergleicht SymptomAI-Einschätzungen mit Biosignalen aus Fitbit-Wearables. Bei infektiösen Erkrankungen fanden die Forschenden physiologische Muster, die zu Immunreaktionen passen können. Das ist wissenschaftlich spannend und gesellschaftlich sofort klebrig: Je besser der Sensorflur riecht, desto wichtiger werden Einwilligung, Datenminimierung, Zweckbindung und die sehr unsexy Frage, wer den Schlüssel zum Geräteschrank hat.
Für die Blechpresse ist SymptomAI deshalb weder Wundermittel noch Monster aus der Kabeltonne. Es ist ein ernstzunehmender Forschungsprototyp an einer Stelle, an der Menschen tatsächlich Hilfe suchen: niedrigschwellig, unsicher, manchmal verängstigt, oft mit unvollständigen Angaben. Wenn die Maschine dort besser nachfragt, ist das gut. Wenn sie dabei so tut, als sei Nachfragen schon Heilen, muss jemand den Not-Aus-Knopf beschriften — am besten ohne ihn hinter AGB-Rost zu verstecken.