Große Sprachmodelle in der Medizin – Forschende zeigen, wie KI die Gesundheitsversorgung in Zukunft verbessern kann
Ein Großteil der Daten, die im medizinischen Alltag erhoben werden, liegt
unstrukturiert in Form von Texten wie Befunden und Arztbriefen vor. Zudem
sind die umfangreichen Patientenakten je nach Krankenhaus oder Praxis
nicht vollständig digitalisiert. Hier könnten große Sprachmodelle –
sogenannte Large Language Models (kurz: LLMs) – ärztliches Fachpersonal
künftig entlasten. Eine Forschungsgruppe aus Dresden um Prof. Dr. med.
Jakob N. Kather und Dr. med. Isabella Wiest hat gemeinsam mit weiteren
Wissenschaftlerinnen und Wissenschaftlern in zwei Veröffentlichungen
gezeigt, wie diese Form der Künstlichen Intelligenz (KI) die Qualität der
Gesundheitsversorgung und Forschung verbessern könnte.
Die Diagnose von akuten Komplikationen bei Leberzirrhose erleichtern
Eine schwerwiegende Komplikation bei Leberzirrhose ist die akute
Dekompensation, ein plötzliches und schwerwiegendes Versagen der
Leberfunktion, die durch chronische Schädigung des Lebergewebes verursacht
wird. Diese muss rechtzeitig erkannt und rasch behandelt werden. Die
Forschenden konnten zeigen, dass das lokale Sprachmodell „Llama 2“ bei der
Identifizierung von wichtigen klinischen Merkmalen der Erkrankung aus
Patientenakten erfolgreich unterstützt. Zu diesem Zweck verglichen sie die
Ergebnisse ihres KI-Modells mit den Diagnosen von drei verblindeten
Experten. Die KI schnitt bei den Tests sehr gut ab und zeigte eine hohe
Genauigkeit. Zudem wahren die verwendeten Methoden die Privatsphäre der
Patientinnen und Patienten, sensible medizinische Daten werden sicher und
datenschutzkonform auf klinikinternen Servern verarbeitet.
Die Dokumentation von endoskopischen Untersuchungen vereinfachen
Bei endoskopischen Untersuchungen kommt es gelegentlich zu Komplikationen.
Für eine optimale Nachsorge müssen Zwischenfälle präzise und möglichst
strukturiert dokumentiert werden. Dafür fehlt im Klinikalltag jedoch oft
die Zeit. Berichte werden in Form von freiem Text erstellt, was eine
strukturierte Analyse erschwert. Die Nutzung von LLMs bietet auch hier
eine vielversprechende Lösung. Damit können Informationen zu unerwünschten
Ereignissen aus Verfahrensberichten automatisch extrahiert werden, ohne
die bestehende Dokumentationspraxis zu verändern. Das erleichtert die
Qualitätssicherung und reduziert den manuellen Aufwand bei der
Dokumentation.
Den Arbeitsalltag für Ärztinnen und Ärzte erleichtern – medizinische
Versorgung und Forschung verbessern
In den beiden Studien konnten die Forschenden zeigen, dass lokal genutzte,
große Sprachmodelle in der Lage sind, klinische Informationen aus freiem
Text mit hoher Genauigkeit zu extrahieren. Dabei wahren sie die
Privatsphäre und schützen sensible Daten von Patientinnen und Patienten.
Durch die Verwendung von lokalen Lösungen mit geringen
Hardwareanforderungen sinken die Hürden für eine Umsetzung in die Praxis.
„In Zukunft könnten diese KI-Methoden Ärztinnen und Ärzte bei ihren
Entscheidungen unterstützen und die Dokumentation von medizinischen
Informationen erleichtern. Eine vollständige Dokumentation und verbesserte
Nachvollziehbarkeit würde nicht nur unmittelbar die Qualität der
Gesundheitsversorgung, sondern auch die medizinische Forschung langfristig
verbessern“, sagt Dr. med. Isabella C. Wiest, Erstautorin der Studien,
Ärztin am Universitätsklinikum Carl Gustav Carus Dresden und Forscherin am
EKFZ für Digitale Gesundheit der Technischen Universität.
- Aufrufe: 23
