© N Felix/peopleimages.com – stock.adobe.com
News • LLM-basierte Erfassung mentaler Gesundheit
KI-Modell erkennt suizidgefährdete Patienten in der Klinik
Künstliche Intelligenz (KI) könnte in Zukunft dabei helfen, suizidgefährdete Patienten frühzeitig zu erkennen und medizinisches Personal rechtzeitig zu informieren.
Das berichten Forschende vom Else Kröner Fresenius Zentrum (EKFZ) für Digitale Gesundheit der Technischen Universität (TU) Dresden gemeinsam mit Medizinern der Klinik und Poliklinik für Psychiatrie und Psychotherapie am Universitätsklinikum Carl Gustav Carus Dresden in ihrer Studie, die kürzlich in der Fachzeitschrift „The British Journal of Psychiatry“ veröffentlicht wurde.
Für die Analyse von Texten aus der psychiatrischen Anamnese nutzten die Autoren ein neues großes Sprachmodell (Large Language Model – kurz: LLM) der Familie „Llama-2“. Die Wissenschaftler wollten wissen, wie gut ihr Modell den Suizidalitätsstatus bei Patienten identifizieren kann – etwa ob lebensmüde Gedanken oder ein Todeswunsch bestehen. Dafür untersuchten sie einhundert Aufnahmedokumente und zeigten, dass das verwendete Modell diese Fälle zuverlässig und mit hoher Genauigkeit erkennt. Die Wissenschaftler nutzten lokale, klinikinterne Server, um sensible persönliche Daten optimal zu schützen und die Privatsphäre zu wahren.
Dieser Artikel könnte Sie auch interessieren
Artikel • Künstliche Intelligenz in der Inneren Medizin
Medizinische KI: Auftritt der ‚Dea ex machina‘
In der Welt des Theaters ist der ‚Deus ex machina‘, der Gott aus der Maschine, ein dramaturgischer Kniff, um scheinbar unlösbare Konflikte zu klären. Kann Künstliche Intelligenz (KI) für die Innere Medizin ebenfalls ein solcher universeller Problemlöser sein? Auf dem DGIM-Jahreskongress in Wiesbaden ging Dr. Isabella Wiest dem Potenzial – und den Limitationen – der KI-Helfer nach.
„Wir konnten zeigen, dass Hinweise auf Suizidalität bei Patienten automatisiert aus elektronischen Gesundheitsakten extrahiert werden können – mithilfe von großen Sprachmodellen. Unsere Ergebnisse unterstreichen das große Potenzial dieser Large Language Models für die Medizin. Obwohl wir ein nicht speziell für die Analyse von psychiatrischen Daten entwickeltes Modell verwendet haben, waren die Ergebnisse zuverlässig und präzise. Und sie lassen sich durch weitere Anpassungen noch weiter verbessern. Mögliche Anwendungen in der Klinik umfassen Frühwarn- und Überwachungssysteme für psychiatrische Notfälle, eine verbesserte Qualitätssicherung sowie die Analyse von psychiatrischen Symptomen innerhalb großer Datenmengen“, sagt Falk Gerrik Verhees, einer der Erstautoren der Studie und Psychiater am Universitätsklinikum Carl Gustav Carus Dresden.
Diese KI-Methoden könnten medizinisches Fachpersonal in ihren Entscheidungen künftig unterstützen und die medizinische Dokumentation erleichtern
Isabella C. Wiest
Die Forschenden weisen darauf hin, dass es nun weiterer Untersuchungen bedarf, bis diese Modelle tatsächlich erfolgreich in den Klinikalltag integriert werden können. Mit ihrer Publikation zeigen sie, dass lokal genutzte, große Sprachmodelle in der Lage sind, klinische Informationen aus freiem Text mit hoher Genauigkeit zu extrahieren. Durch die Verwendung von lokalen Lösungen mit geringen Hardwareanforderungen sinken auch die Hürden für eine Umsetzung in die Praxis.
„Diese KI-Methoden könnten medizinisches Fachpersonal in ihren Entscheidungen künftig unterstützen und die medizinische Dokumentation erleichtern. Das würde nicht nur unmittelbar die Qualität der Gesundheitsversorgung verbessern, sondern auch die medizinische Forschung langfristig voranbringen“, sagt Dr. Isabella C. Wiest, Erstautorin der Studie, Ärztin am Universitätsklinikum Carl Gustav Carus Dresden und Forscherin am EKFZ für Digitale Gesundheit.
Quelle: Else Kröner Fresenius Zentrum (EKFZ) für Digitale Gesundheit
04.12.2024
