ZusammenfassungComputergesteuerte klinische Entscheidungssysteme finden seit Längerem Einzug in die Praxis. Deren primäre Ziele sind die Verbesserung der Behandlungsqualität, Zeitersparnis oder Fehlervermeidung. Meist handelt es sich um regelbasierte Algorithmen, die in elektronische Patientenakten integriert werden, z. B. um Medikamenteninteraktionen zu erkennen. Durch künstliche Intelligenz (KI) können klinische Entscheidungssysteme disruptiv weiterentwickelt werden. Aus Daten wird durch maschinelles Lernen konstant neues Wissen geschaffen, um individuelle Krankheitsverläufe bei Patienten vorherzusagen, Probleme schneller zu erkennen, Phänotypen zu identifizieren oder die Therapieentscheidung zu unterstützen. Solche Algorithmen für rheumatologische Erkrankungen gibt es bereits. Am weitesten fortgeschritten hierbei sind die automatisierte Bilderkennung sowie Vorhersagen zum Krankheitsverlauf bei der rheumatoiden Arthritis. Von nutzerfreundlichen, durch Schnittstellen vernetzten KI-Entscheidungssystemen kann aber noch nicht gesprochen werden. Zudem sind die Algorithmen oft noch nicht genügend validiert und reproduzierbar. Anstatt die KI-unterstützte Wahl der Behandlung dem Arzt oder der Ärztin vorzugeben, wird KI eher als hybride Entscheidungsunterstützung dienen – immer unter Einbezug sowohl des Experten als auch des Patienten. Es gibt zudem ein großes Bedürfnis nach Sicherheit durch nachvollziehbare und auditierbare Algorithmen, um die Qualität und Transparenz von KI-unterstützten Therapieempfehlungen nachhaltig zu gewährleisten.