Smaragd - NLP-Unterstützung der Radiologischen Befundung
Das Projekt verfolgt das Ziel, den Untersuchungs- und Befundungsprozess in der Radiologie zu digitalisieren. Der innovative Ansatz verbessert den Service für Patient*innen und zuweisende Ärzt*innen und eröffnet weltweites Marktpotential.
Steckbrief
- Beteiligte Departemente Technik und Informatik
- Institut(e) Institute for Patient-centered Digital Health (PCDH)
- Förderorganisation Innosuisse
- Laufzeit 08.05.2022 - 31.01.2025
- Projektleitung Prof. Dr. Kerstin Denecke
- Projektmitarbeitende Prof. Daniel Reichenpfader
-
Partner
Insel Gruppe AG
sitem-insel AG
Switzerland Innovation Park
Wemedoo AG
ID Suisse AG
mimacom ag - Schlüsselwörter NLP; Chatbot; Radiologie
Ausgangslage
Die Radiologie ist eine medizinische Hochdurchsatzdisziplin, die unterschiedliche Kundengruppen bedient (Zuweiser*innen und Patient*innen). Der hohe Arbeitsdruck und ökonomische Zwänge bedingen Kompromisse im Service: a) Zuweiser*innen erhalten medizinische Befunde in Prosa, würden aber eine standardisierte und digitalisierte Form bevorzugen. b) Der persönliche Kontakt der Ärzt*innen (Radiolog*innen) zu ihren Patient*innen ist aus logistischen Gründen nur in Ausnahmefällen möglich.
Vorgehen
Im Rahmen des Projekts wurden innovative Methoden zur Unterstützung der radiologischen Befundung entwickelt und evaluiert. Der Fokus lag auf der automatisierten Strukturierung freier radiologischer Befunde mittels Natural Language Processing (NLP) sowie der Verbesserung der Informationsbasis für Radiolog:innen durch digitale Anamneseerfassung. Hierfür wurden funktionale und technische Anforderungen erhoben, eine skalierbare Systemarchitektur entwickelt und erste Prototypen für die Verarbeitung radiologischer Befunde implementiert. Ergänzend wurde mit dem digitalen Anamneseassistenten MIA ein chatbotbasiertes System entwickelt, das strukturierte Informationen von Patient:innen erfasst und standardisiert für die weitere Verarbeitung bereitstellt. Parallel dazu wurden Konzepte für Interoperabilität, Datenschutz und Integration in bestehende klinische Systeme erarbeitet.
Ergebnisse
Im Rahmen des Projekts konnten die Voraussetzungen für eine KI-gestützte und strukturierte radiologische Befundung erfolgreich geschaffen werden. Es entstand eine prototypische Infrastruktur zur automatisierten Analyse und Strukturierung radiologischer Befundtexte, welche den gewohnten Arbeitsablauf der Radiolog:innen berücksichtigt und gleichzeitig die Qualität und Nachvollziehbarkeit der Befunddokumentation verbessert. Darüber hinaus wurde mit MIA ein digitaler Anamneseassistent entwickelt und evaluiert, der strukturierte Patientendaten auf Basis standardisierter Informationsmodelle erfasst und für nachgelagerte Systeme bereitstellt. Das Projekt zeigte die technische Machbarkeit eines integrativen Ansatzes, der Anamnese, Befundung und strukturierte Dokumentation miteinander verbindet.
Ausblick
Zukünftige Arbeiten können die Integration moderner KI- und Sprachmodelle zurautomatischen Extraktion, Strukturierung und Zusammenfassung medizinischer Informationen weitervorantreiben. Ebenso bietet die Kombination aus digitaler Anamneseerfassung und strukturierter Befundung Potenzial für eine verbesserte Datenqualität, höhere Interoperabilität und eine stärkere Wiederverwendbarkeit klinischer Informationen für Versorgung, Forschung und Qualitätssicherung.
