Anhoren
Teilen
KI, die komplexe Herausforderungen im Gesundheitswesen lösen kann UND Datenschutz und -sicherheit berücksichtig? Das ist möglich, zeigt das ELMTEX-Projekt am Fraunhofer FIT.
Hinter dem Projekt ELMTEX stecke ein ganzes Jahrzehnt Forschung, um Maschinelles Lernen in Anwendungen des Gesundheitswesens zu integrieren, heißt es vom Fraunhofer-Institut für Angewandte Informationstechnik FIT. Und die Ergebnisse, die nun im Fachmagazin Computer Science veröffentlicht wurden, zeigen eine innovative Lösung, die KI und große Sprachmodelle, sogenannte Large Language Models (LLM), für die klinische Dokumentation nutzbar macht – und zwar kosteneffizient, datenschutzkonform und vor Ort in den Kliniken. Die Anforderungen des europäischen Gesundheitsdatenraums werden ebenfalls erfüllt.
„Unser Ziel ist es, eine kosteneffiziente und datenschutzkonforme Lösung bereitzustellen, die es Kliniken ermöglicht, eigene KI-Anwendungen vor Ort zu betreiben, ohne auf teure kommerzielle Dienste angewiesen zu sein“, führt Dr. Carlos Velasco, ELMTEX-Projektleiter beim Fraunhofer FIT, aus.
Herausforderung komplexe Syntaktik
Weshalb es bisher schwierig ist, auf derartige kommerzielle Dienste zu verzichten, liegt an den komplexen syntaktischen Strukturen, die in klinischen Texten enthalten sind und besondere Anforderungen an die KI stellen. Als Beispiel nennt man beim Fraunhofer FIT die zahlreichen Abkürzungen oder auch zeitliche Bezüge zwischen Symptomen und Diagnosen.
Um hierfür Lösungen zu entwickeln, hat das Team mehrere Modellierungsansätze erprobt. Zum einen das sogenannte Naive Prompting, bei dem Informationen über einfache Abfragen gewonnen werden, das Retrieval-Augmented In-Context Learning, bei dem ähnliche Beispiele herangezogen werden, um die Ergebnisse der KI zu verbessern, sowie das LoRA Fine-Tuning, das kleinere Modelle mit domänenspezifischen Daten zur Feinabstimmung nutzt.
Um die Ansätze zu evaluieren, hat das Team anschließend Metriken wie ROUGE (Textähnlichkeit), BERTScore (semantische Übereinstimmung) und Entity-Level-Metriken (klinische Genauigkeit) verwendet. Die Ergebnisse zeigen, dass kleinere, feinabgestimmte Modelle bessere Leistungen erbringen als größere Modelle – was sogar ein entscheidender Vorteil für ressourcenbeschränkte Umgebungen.
Breite Datenbasis
Was beim ELMTEX-Projekt außerdem heraussticht, ist sein neu entwickeltes, annotiertes Datenset mit 60.000 englischen und 24.000 deutschen klinischen Berichten. Dieses Datenset deckt Kategorien wie Patientenhistorie, Diagnosen und Behandlungsmaßnahmen ab und wurde durch manuelle Validierung sowie automatisierte Verfahren geprüft. Diese breite Datenbasis macht es möglich, die Modelle an die spezifischen Anforderungen des Gesundheitswesens anzupassen.
Ferner sei die Möglichkeit der lokalen Implementierung in Kliniken ein wesentlicher Vorteil der Lösung, heißt es vom Fraunhofer FIT. Dadurch würden sensible Patientendaten geschützt und gleichzeitig die Anforderungen des europäischen Gesundheitsdatenraums (EHDS) erfüllt. Die erzeugten strukturierten Informationen können nahtlos in bestehende Krankenhausinformationssysteme integriert werden und unterstützen die Einhaltung der EU-KI-Verordnung hinsichtlich Transparenz und Nachvollziehbarkeit.
Klinische Evaulierung steht noch aus
Das ELMTEX-Projekt wird derzeit mit klinischen Teams evaluiert, um die praktische Anwendbarkeit weiter zu verbessern. Darüber hinaus wird an einer Erweiterung der Ansätze auf andere Sektoren wie Fertigung oder Finanzwesen gearbeitet. Auch eine stärkere Synchronisation mit standardisierten medizinischen Terminologien sowie die Erweiterung der Mehrsprachigkeit stehen im Fokus zukünftiger Entwicklungen.
Mit seinen innovativen Ansätzen zeigt das ELMTEX-Projekt eindrucksvoll, wie KI-basierte Lösungen nicht nur die Effizienz im Gesundheitswesen steigern können, sondern auch den Herausforderungen von Datenschutz und Interoperabilität gerecht werden – ein entscheidender Schritt in Richtung einer digitalisierten Gesundheitsversorgung in Europa.
