Die nächste First Line in der Urologie heißt künstliche Intelligenz

Ein Übersichtsartikel aus der Gruppe von Andrew Hung, Cedars-Sinai/USC, ordnet systematisch ein, wohin sich künstliche Intelligenz in der robotischen Chirurgie entwickelt: jenseits des Hypes, entlang der verfügbaren Evidenz und mit Blick auf die Voraussetzungen für klinische Translation. Für die österreichische und europäische Urologie – eingebettet in Strukturen wie ÖGU, EAU, ACCN, CEUS und das europäische regulatorische Umfeld – ist diese Standortbestimmung von strategischer Bedeutung.

Zwei komplementäre Entwicklungslinien

Die Autor:innen beschreiben zwei klar unterscheidbare, aber einander ergänzende Entwicklungspfade. Die erste Linie betrifft KI als Assistenzinfrastruktur für Chirurg:innen. Dazu zählen automatisierte, video- und kinematikbasierte Kompetenzbewertung, intraoperative Augmented-Reality-3D-Modelle, automatische Anatomieerkennung, frühe Blutungsdetektion, etwa BLAIR bei der robotisch assistierten radikalen Prostatektomie, antizipatorisches Coaching sowie Telementoring und Telesurgery. Bei der robotisch assistierten radikalen Prostatektomie und der partiellen Nephrektomie sind messbare klinische Effekte dokumentiert: weniger positive Resektionsränder, geringerer Blutverlust und kürzere Ischämiezeiten, bei weiterhin voller Kontrolle durch die Operateur:innen.

Die zweite Linie ist die schrittweise Bewegung in Richtung autonomer Chirurgie. Auf der Skala von Level 0, vollständig manuell, bis Level 5, vollständig autonom, gehört die Urologie unter den Weichteilfächern zu den führenden Disziplinen. Das AquaBeam-System für die Aquablation der Prostata erreicht in der klinischen Routine bereits Level 3. STAR und das 2025 vorgestellte „Surgical Robot Transformer Hierarchy“-Modell, SRT-H, demonstrieren Level 4 in präklinischen Modellen. Vier Lernparadigmen werden als möglicher inkrementeller Entwicklungspfad beschrieben: Reinforcement Learning, Imitation Learning, hybride Ansätze und als langfristige Perspektive Vision-Language-Action-Modelle.

Die Übersicht fasst eine breite Evidenzbasis zusammen: Gestenanalysen aus 80 nervenschonenden RARP-Fällen, die Kontinenz und Erektionsfunktion vorhersagen können; ein Deep-Learning-Modell, das anhand klinischer Merkmale die GFR-Entwicklung drei Monate nach minimalinvasiver partieller Nephrektomie mit 89,3% Genauigkeit prognostiziert; AR-gestützte RARP, die positive Schnittränder von 35,1% auf 25,0% reduziert, sowie bildgesteuerte Tumorlokalisation mit 94,4% Treffsicherheit bei extrakapsulärer Extension. BLAIR identifiziert intraoperative Blutungen mit einer Genauigkeit von über 90% und erreicht damit ein Niveau, das mit jenem von erfahrenen Urolog:innen vergleichbar ist.

Die Autor:innen benennen, was die klinische Translation limitiert: monozentrische und kuratierte Datensätze, fehlende prospektive multizentrische Validierung, unklare Verantwortungsketten bei autonomen Systemen und die Gefahr, dass schlecht gestaltete Overlays oder Alarme die Vigilanz der Operateur:innen eher schwächen als stärken. Federated Learning, datenschutzwahrende Architekturen und KI-spezifische Reporting-Standards wie DECIDE-AI, TRIPOD-AI, SPIRIT-AI und CONSORT-AI werden daher nicht als akademische Zusatzanforderungen, sondern als zwingende Voraussetzungen für eine seriöse klinische Adaption beschrieben.

Strategische Konsequenz für Österreich und Europa

Hier liegt der entscheidende Punkt für unsere Community: Die USA und China dominieren die Entwicklung großer Foundation Models. Die klinisch validierte, ethisch geregelte und Outcome-verankerte Variante chirurgischer KI ist jedoch noch nicht entschieden. Europa verfügt über die Voraussetzungen, die der Artikel als unverzichtbar beschreibt: multizentrische Strukturen wie ÖGU, EAU, ACCN und CEUS, eine etablierte Datenschutzkultur durch die GDPR, regulatorische Sorgfalt durch den EU AI Act und die MDR sowie akademische Netzwerke, die föderiertes Lernen und prospektive Multicenter-Validierung tragen können. Die Urologie ist nicht zufällig eine führende Weichteildisziplin. Sie bietet hohe Fallzahlen, strukturierte Bilddaten aus robotischen Konsolen, etablierte Outcome-Endpunkte wie Kontinenz, Potenz, onkologische Kontrolle und GFR sowie eine starke Tradition rigoroser klinischer Forschung. Wenn Österreich und Europa diese Stärken bündeln, kann die nächste First Line der chirurgischen KI durchaus auf diesem Kontinent mitgeschrieben werden. Der Maßstab des Erfolgs sind, wie die Autor:innen abschließend betonen, nicht Benchmark-Genauigkeiten allein. Entscheidend sind weniger Komplikationen, schnellerer Kompetenzerwerb und konsistentere Ergebnisse über alle Versorgungssettings hinweg. Genau daran sollten wir uns auch in Wien, in Österreich und in Europa messen lassen.