© LALAKA – stock.adobe.com
News • Künstliche Intelligenz
Wie große Sprachmodelle die Medizin voranbringen können
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. Jakob N. Kather und Dr. Isabella Wiest hat gemeinsam mit weiteren Wissenschaftlern in zwei Veröffentlichungen gezeigt, wie diese Form der Künstlichen Intelligenz (KI) die Qualität der Gesundheitsversorgung und Forschung verbessern könnte.
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 Patienten, sensible medizinische Daten werden sicher und datenschutzkonform auf klinikinternen Servern verarbeitet.
Die Wissenschaftler veröffentlichten ihre Erkenntnisse im Fachjournal npj Digital Medicine.
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.
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.
Eine vollständige Dokumentation und verbesserte Nachvollziehbarkeit würde nicht nur unmittelbar die Qualität der Gesundheitsversorgung, sondern auch die medizinische Forschung langfristig verbessern
Isabella C. Wiest
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 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 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. Wiest, Erstautorin der Studien, Ärztin am Universitätsklinikum Carl Gustav Carus Dresden und Forscherin am EKFZ für Digitale Gesundheit der Technischen Universität.
Quelle: Universitätsklinikum Carl Gustav Carus Dresden
08.11.2024
