KI erkennt frühe Warnsignale in Kassen-Daten
m Projekt ClaimsBERT arbeiten Fraunhofer SCAI und das Wissenschaftliche
Institut der AOK (WIdO) zusammen. Mithilfe Künstlicher Intelligenz werten
sie Routinedaten der gesetzlichen Kranken- und Pflegeversicherung aus.
Ziel ist es, Risiken für schwere Erkrankungen und Pflegebedürftigkeit
frühzeitig zu identifizieren.
Wie lassen sich Gesundheitsrisiken vorhersagen, bevor eine Erkrankung
schwer verläuft oder ein Krankenhausaufenthalt nötig wird? Mit dieser
Frage beschäftigt sich das Forschungsprojekt ClaimsBERT. Ziel ist es, ein
Foundation Model für Routinedaten im Gesundheitswesen zu entwickeln – also
ein breit einsetzbares KI-Basismodell, das große Datenmengen auswertet und
sich für viele medizinische Vorhersagen nutzen lässt. Dafür werden
Abrechnungsdaten der gesetzlichen Kranken- und Pflegeversicherung mit
Methoden der Künstlichen Intelligenz ausgewertet.
Im Mittelpunkt stehen sogenannte GKV-Claims-Daten der AOK. Gemeint sind
damit Abrechnungs- und Versorgungsdaten der gesetzlichen Kranken- und
Pflegeversicherung, die im Alltag des Gesundheitssystems ohnehin anfallen.
Dazu gehören unter anderem Angaben zu Diagnosen, Behandlungen,
Arzneimittelverordnungen und Krankenhausaufenthalten. Aus diesen zeitlich
geordneten Informationen soll das Modell Muster erkennen, die auf spätere
gesundheitliche Entwicklungen hindeuten.
Die technische Grundlage des Projekts bilden moderne Transformer-
Architekturen, also KI-Modelle, die Muster in großen Datenmengen erkennen
und Zusammenhänge über längere Zeit hinweg erfassen können. Sie
verarbeiten die Daten in ihrer Abfolge und beziehen zusätzlich Merkmale
wie Alter, Geschlecht und Bundesland ein. So soll es möglich werden,
Risiken nicht nur punktuell, sondern über verschiedene medizinische
Fragestellungen hinweg vorherzusagen.
»Unser Ziel ist es, aus Routinedaten der Versorgung ein belastbares
Foundation Model zu entwickeln, das frühe Warnsignale für unterschiedliche
Krankheitsverläufe sichtbar macht und so dazu beitragen kann, Risiken
früher zu erkennen und die Versorgung gezielter zu steuern«, sagt Prof.
Dr. Holger Fröhlich, Abteilungsleiter »Biomedical AI & Data Science« am
Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI
und Professor am Institut für Digitale Medizin der Universität Bonn.
Die Einsatzmöglichkeiten sind breit angelegt. So soll ClaimsBERT unter
anderem das Auftreten von Pflegebedürftigkeit prognostizieren, stationäre
Aufnahmen aufgrund unerwünschter Arzneimittelereignisse erkennen und
Hinweise auf Erkrankungen wie Brustkrebs, rheumatische Erkrankungen oder
das Syndrom der unruhigen Beine liefern. Auch Krankenhauseinweisungen
infolge von Unterzuckerung oder Herzschwäche gehören zu den
Anwendungsfällen.
Nach dem Training des Modells sollen die Ergebnisse hinsichtlich
medizinischer Plausibilität überprüft und anschließend weiter verbessert
werden. Langfristig hoffen die Forscherinnen und Forscher, damit eine
technische Grundlage zu schaffen, die sich mit vergleichsweise geringem
Aufwand auch auf weitere Erkrankungen und Gesundheitszustände übertragen
lässt. Die Projektleitung und Konsortialführung liegen beim
Wissenschaftlichen Institut der AOK (WIdO). Fraunhofer SCAI ist
Konsortialpartner.
Das Projekt ClaimsBERT läuft von März 2026 bis Februar 2029 und wird im
Bereich Vorsorgeforschung durch den Innovationsfonds des Gemeinsamen
Bundesausschusses (G-BA) gefördert. Der G-BA ist das oberste
Beschlussgremium der gemeinsamen Selbstverwaltung im deutschen
Gesundheitswesen. Die Fördersumme beträgt rund 1,3 Millionen Euro.
Weiterführende Informationen:
Interview mit Dipl.-Math. Christian Günster, Leiter des Forschungsbereichs
Qualitäts- und Versorgungsforschung beim WIdO:
https://www.aok.de/pp/bv/nachr
Projektbeschreibung beim Innovationsausschuss des Gemeinsamen
Bundesausschusses:
https://innovationsfonds.g-ba.
