KI- und Cloud-Anwendungen können Ärzten helfen, patientenrelevante Informationen effizient aus grossen Datenmengen zu extrahieren und in vereinheitlichter Form zusammenzufassen, was den zeitlichen Aufwand erheblich reduziert und die Patientenbetreuung verbessert. Durch den kombinierten Einsatz verschiedener Techniken werden relevante Daten analysiert und so dargestellt, dass die Behandelnden gezielt über ihre Patienten informiert sind.
Ärzte müssen sich vor der Behandlung eines Patienten unbedingt über dessen Vorerkrankungen, Medikation, Unverträglichkeiten und weitere Konditionen im Klaren sein. Die für die Behandlung relevanten Informationen müssen im Patientendossier identifiziert, vom Rest getrennt und dann zusammengestellt werden. Dieser Vorgang nimmt Zeit in Anspruch, keine Frage. Je länger und komplexer die Krankengeschichte, desto mehr. Oft müssen Ärzte mehr Zeit damit verbringen als mit dem Patienten selbst. Ein Zustand, der von vielen zu Recht beklagt wird.
Doch Hilfe naht! Aktuelle KI- und Cloud-Anwendungen verarbeiten grosse Informationsmengen bedeutend schneller als Menschen. Aus Arztberichten und -briefen sowie aus strukturiert vorliegenden Daten wie Laboranalysen und EEGs werden die relevanten Informationen identifiziert und in einem vereinheitlichten Format zusammengefasst dargestellt.
Das kann sowohl nach fix definierten Vorgaben, beispielsweise zur Auflistung der Medikation, in einem Standardergebnis wie auch ad hoc interaktiv in Form eines Chats ermöglicht werden. Bei letzterem kann die behandelnde Fachperson mit dem Patientendossier chatten und spezifisch zu einzelnen Punkten nachfragen. Die gelieferten Informationen werden verlinkt, damit sie nötigenfalls identifiziert oder vertiefend analysiert werden können.
Selbstverständlich müssen einige Vorarbeiten geleistet werden, damit Doktor KI seine Kollegen entlasten kann. Zunächst müssen die vorhandenen Datenquellen in den bestehenden klinischen Informationssystemen und Archiven zugänglich gemacht werden. In den meisten Fällen sind diese Quellen verteilt und müssen zunächst integriert werden. Es ist jedoch wesentlich komfortabler, wenn die Daten aller Quellen in einen Data Lake fliessen. Dies erleichtert die Aufbereitung der Daten für die verschiedenen spezifischen Fragestellungen erheblich. Leider ist der Einsatz von Data Lakes in Kliniken noch nicht verbreitet.Bei der Bereitstellung der Daten ist zu beachten, dass für die Behandlung nicht relevante oder gewisse vertrauliche Daten allenfalls ausgeschlossen werden müssen, denn Patientendaten gelten als besonders schützenswert.
Dann sind die fachlich relevanten Fragestellungen zu definieren und implementieren, damit jeweils einheitliche sowie genügende Ergebnisse bereits ohne weitere Interaktion vorliegen.
Je nach Fragestellung oder den vorhandnen Daten kann es nötig sein, verschiedene KI-Techniken zu verwenden und zu kombinieren. Als grundlegende Technik kommen Natural Language Processing (NLP) und Unterstanding (NLU) für das Verständnis und Analyse der Dokumente zum Einsatz. Genutzt werden dabei Large Language Models (LLM) welche mit medizinischer Fachsprache trainiert wurden. So können wichtige Begriffe und Beschreibungen identifiziert und durch die Analyse deren Kontexte die Bedeutung im Bezug auf die Fragestellung bewertet werden. Zusammengehörende Inhalte aus den verschiedenen Dokumenten und Daten werden in Cluster zusammengefasst und mittels generativer KI (GenAI) in einheitlicher Form flüssig und adressatengerecht neu erstellt.
Es gibt bereits einige Produkte und Anbieter mit denen das Erstellen dieser Zusammenfassungen oder Abstracts im medizinischen Kontext möglich ist. Oft sind diese nur in der Cloud verfügbar, nur selten ist eine Nutzung on premises nutzbar. Dies kann damit begründet werden, dass verschiedene Techniken kombiniert werden und deren Entwicklung dezentral und schnell voranschreitet. Das genutzte Produkt kann sich dadurch schnell verbessern. Müsste es zunächst für einen Betrieb on premises abgekapselt aufbereitet werden, wäre mit Qualitätseinbussen oder zumindest erhöhtem Betriebsaufwand zu rechnen.
