Noch nie standen in der Geburtshilfe so viele Informationen zur Verfügung wie heute. PD Dr. Florian Recker, Facharzt für Frauenheilkunde und Geburtshilfe an der Uniklinik Köln, ordnete in seinem Vortrag auf dem FOKO 2026 die zunehmende Datenverfügbarkeit vier Kernbereichen zu. Diese bilden zusammen sowohl Grundlage als auch Anwendungsgebiet KI-gestützter Anwendungen. Dazu gehören klinische Daten, die sich aus Anamnese, Vitalparametern und Laborwerten zusammensetzen, Daten aus Bildgebungsverfahren wie Ultraschall, MRT und 3D/4D-Aufnahmen, molekulare Marker aus cfRNA, Genexpression, oder Proteomics, sowie sensorische Daten z. B. von sogenannten „Wearables“ (smarte Uhren, Ringe etc.). Für und mit den Daten dieser vier Kernbereiche werden KI-Modelle entwickelt, um aus den großen Datenmengen, die Wahrscheinlichkeit bestimmter Komplikationen rund um Schwangerschaft und Geburt zu prognostizieren.
KI kann bei der Vorhersage von Komplikationen helfen
Aktuelle KI-Modelle erreichen bei der Risikoprädiktion teils bemerkenswerte Genauigkeiten: AUC-Werte über 0,9 für Präeklampsie und Gestationsdiabetes, 0,84 für Frühgeburt und 0,96 für die CTG-Auswertung.1 Solche Modelle können Schwangere und Föten mit erhöhtem Risiko früh identifizieren und engmaschigere Kontrollen oder Prophylaxen ermöglichen. Recker betonte jedoch, dass viele Modelle noch nicht reif für die breite Anwendung seien – insbesondere Interpretierbarkeit und Generalisierbarkeit blieben Herausforderungen.
Bildgebende Verfahren mit KI auswerten
Ein systematisches Review zeigt, dass der Einsatz von KI im geburtshilflichen Ultraschall vor allem in Biometrie, Echokardiografie, Neurosonographie und Plazentadiagnostik untersucht wird.2 Eine Studie konnte z. B. zeigen, dass KI-Systeme, die die fetale Biometrie automatisch messen, die Performance von Untersuchenden in Ausbildung signifikant verbessern, insbesondere die Detektion von physiologischer und pathologischer Sonoanatomie.3
Auch für Regionen mit wenig medizinischen Ressourcen zeigt sich Potenzial: Eine Studie demonstrierte, dass „blinde“ Ultraschall-Sweeps und KI-Auswertung eine vergleichbare Gestationsbestimmung wie die klassische Biometrie erreichten. Das ungeschulte Personal war hier lediglich einige Male mit dem Ultraschallgerät über den schwangeren Bauch gefahren.4,5
Für die Frühgeburtsprädiktion kombinierten Forschende Deep Learning mit Ultraschalldaten und entwickelten eine automatische Analyse der fetalen Biometrie und Fruchtwassermessung.6 Eine MRT-basierte Plazentabeurteilung mit KI anhand plazentarer Radiomics ergänzt und verbessert die Diagnostik bei fetaler Wachstumsrestriktion.7
Wearables und Telemedizin lassen Daten fließen
Smartwatches, Ringe und andere Geräte liefern kontinuierlich Vitaldaten wie Blutdruck oder Herzfrequenz, die per KI in Echtzeit ausgewertet werden können. Daraus ergeben sich Chancen wie die frühzeitige Erkennung von Auffälligkeiten, eine mögliche Reduktion von Klinikaufenthalten und eine Selbstermächtigung der Schwangeren. Eine Studie zeigte z. B. messbare physiologische Übergänge zwischen Schwangerschaft und Postpartum-Phase.8 Recker machte deutlich, dass Daten aus einem solchen kontinuierlichen Monitoring langfristig dazu beitragen könnten, individuelle Anpassungen in der postnatalen Nachsorge zu etablieren. Eine weitere Studie verdeutlichte jedoch auch die Grenzen: Es wurde getestet, ob Schwangere ein umfassendes digitales Konzept für die Schwangerenvorsorge konsequent im Alltag nutzen. Man stellte fest, dass klinisches Feedback, gutes Onboarding, adaptive Messpläne und interdisziplinäre Zusammenarbeit entscheidend sind, um Adhärenz und Nutzen langfristig zu sichern.9
