Anhoren
Teilen
Eine neue Studie zeigt, dass KI in Zukunft dabei helfen könnte, suizidgefährdete Patienten frühzeitig zu erkennen und medizinisches Personal rechtzeitig zu informieren.
Eine neue Studie zeigt: KI könnte in Zukunft gezielt zur Suizidprävention eingesetzt werden. Das haben Forscher 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 herausgefunden. Die in der Fachzeitschrift „The British Journal of Psychiatry“ veröffentlichte Studie unterstreicht, dass KI suizidgefährdete Patienten frühzeitig erkennen und medizinisches Personal rechtzeitig informieren könnte
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. Dafür untersuchten sie einhundert Aufnahmedokumente und zeigten, dass das verwendete Modell die 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.
Suizidhinweisen aus Gesundheitsakten extrahieren
„Wir konnten zeigen, dass Hinweise auf Suizidalität bei Patientinnen und 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“, sagt Falk Gerrik Verhees, einer der Erstautoren der Studie und Psychiater am Universitätsklinikum Carl Gustav Carus Dresden. Die präzise und zuverlässige Leistung des Sprachmodells ist auch deshalb erstaunlich, weil es nicht speziell für die Analyse psychiatrischer Daten entwickelt wurde. Deshalb lässt sich die Leistung durch weitere Anpassungen noch verbessern, vermutet Verhees. Er unterstreicht das große Einsatzgebiet: „Mögliche Anwendungen in der Klinik umfassen Frühwarn- und Überwachungssysteme für psychiatrische Notfälle, eine verbesserte Qualitätssicherung sowie die Analyse von psychiatrischen Symptomen innerhalb großer Datenmengen.“
Nun gilt es, weitere Untersuchungen einzuleiten, damit LLM auch tatsächlich erfolgreich im Klinikalltag integriert werden können, sagt das Wissenschaftsteam. 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. med. Isabella C. Wiest, Erstautorin der Studie, Ärztin am Universitätsklinikum Carl Gustav Carus Dresden und Forscherin am EKFZ für Digitale Gesundheit.
