Wearables mit künstlicher Intelligenz können die Einnahme von Medikamenten unter kontrollierten Bedingungen mit hoher Genauigkeit erkennen. Doch ihr klinischer Nutzen ist bislang kaum belegt.

©Zerbor / stock.adobe.com KI-gestützte Wearables können Medikamenteneinnahmen technisch bereits mit teilweise hoher Genauigkeit erkennen. [Symbolbild]

Chen und Kollegen untersuchten in ihrem Review-Artikel den aktuellen Entwicklungsstand KI-gestützter Wearables, um die Medikamentenadhärenz zu erfassen und zu verbessern. Die Recherche in PubMed, Web of Science und IEEE Xplore umfasste Publikationen bis zum 18. September 2025. Von zunächst 6.102 identifizierten Arbeiten verblieben am Ende 4.513 Publikationen für das Screening; 17 Studien aus den Jahren 2016 bis 2025 erfüllten schließlich die Einschlusskriterien. 14 davon waren seit 2021 erschienen, wie die Autoren eingangs erklären.

Vierzehn Studien beschäftigten sich primär mit Entwicklung und Validierung der Systeme, lediglich drei untersuchten deren Nutzbarkeit und Machbarkeit. Nur zwei Arbeiten waren randomisierte kontrollierte Studien. Abgesehen von einer Simulationsstudie lagen die Stichprobengrößen zwischen acht und 102 Teilnehmenden. Untersucht wurden sowohl gesunde Probanden als auch Patientinnen und Patienten unter anderem mit Diabetes, Hypertonie, allergischer Rhinitis, Brustkrebs oder schweren psychischen Erkrankungen.

Schwerpunkt liegt im Erkennen von Einnahmehandlungen

Am häufigsten kamen Smartwatches und andere am Handgelenk getragene Sensoren zum Einsatz. Beschleunigungssensoren, Gyroskope und Magnetometer erfassten charakteristische Bewegungen bei der Medikamenteneinnahme; weitere Ansätze nutzten Kameras, Biosensoren, Sensorpflaster oder einen piezoelektrischen Sensor in einer intelligenten Halskette. Die Daten wurden mit klassischen Machine-Learning-Verfahren sowie Deep-Learning-Modellen wie Convolutional Neural Networks und Long Short-Term Memory Networks ausgewertet.

Der überwiegende Teil der Studien konzentrierte sich darauf, Einnahmegesten oder Schluckereignisse von gewöhnlichen Alltagshandlungen zu unterscheiden. Die dabei berichtete technische Leistungsfähigkeit war teilweise recht hoch. Ein SFOA-Bi-LSTM-Modell erreichte beispielsweise eine Genauigkeit von rund 99 Prozent. Ein LSTM-basiertes Verfahren zur Erkennung natürlicher Einnahmegesten erzielte eine Genauigkeit von rund 94 Prozent. Andere Systeme erreichten ebenfalls hohe Werte, wie es weiter heißt. Entscheidend sei jedoch die Einschränkung, dass keine der 17 Studien eine externe Validierung anhand eines unabhängigen Datensatzes durchgeführt hatte.

Zwischen Erkennen und Intervention besteht eine Lücke

Deutlich dünner werde die Evidenz jenseits der reinen Ereigniserkennung. Nur zwei Studien beschäftigten sich mit der längerfristigen Charakterisierung von Adhärenzmustern, lediglich eine untersuchte die prospektive Vorhersage möglicherweise ausgelassener Einnahmen. Eine personalisierte Intervention mithilfe KI-gestützter Wearables wurde in keiner der eingeschlossenen Studien untersucht.

Auch klinische Endpunkte spielten bislang nur eine untergeordnete Rolle. Lediglich zwei Arbeiten berichteten gesundheitsbezogene Ergebnisse. In einer Pilotstudie bei Patientinnen und Patienten mit allergischer Rhinitis war eine Smartwatch-Intervention mit einer höheren Adhärenz verbunden; diese betrug 63,3 Prozent gegenüber 43,2 Prozent in der Kontrollgruppe. Eine weitere Studie zeigte, dass die mittels Smartwatch erfasste Adhärenz mit dem Serum-Vitamin-D-Spiegel korrelierte (r = 0,45). Die meisten Untersuchungen beschränkten sich hingegen auf technische Leistungsparameter.

Routineversorgung bislang kaum untersucht

Nach Einschätzung der Autoren begrenzten bislang insbesondere kleine und teilweise homogene Stichproben, kontrollierte Versuchsbedingungen und simulierte Einnahmegesten die Übertragbarkeit der Ergebnisse auf die tägliche Praxis.

Hinzu kommen offene Fragen zu Datenschutz, Kosten und Skalierbarkeit. Keine der eingeschlossenen Arbeiten enthielt eine formale Kosten-Nutzen-Analyse. Eine umfassende Integration der Systeme in klinische Informations- und Versorgungsstrukturen sei bislang nicht oder nur kaum untersucht, schreiben die Autoren abschließend.

Fazit

KI-gestützte Wearables können Medikamenteneinnahmen technisch bereits mit teilweise hoher Genauigkeit erkennen. Ob daraus jedoch eine klinisch relevante Verbesserung der Adhärenz und letztlich der Behandlungsergebnisse resultiert, sei nach der derzeitigen Evidenz jedoch nicht ausreichend belegt.

Den Autoren zufolge sollte die Forschung deshalb über das reine Erkennen einzelner Einnahmeereignisse hinausgehen und prospektive Risikovorhersagen, personalisierte Interventionen sowie die Integration in klinische Entscheidungsprozesse untersuchen. Dafür seien insbesondere externe Validierungen, größere Studien unter Alltagsbedingungen und Untersuchungen mit klinisch relevanten Endpunkten erforderlich.

Originalpublikation: Chen Y et al., A scoping review of artificial intelligence-enabled wearables for medication adherence. npj Digital Medicine 2026. https://doi.org/10.1038/s41746-026-03246-5