Generative AI for clinical documentation
Im Projekt wurde ein LLM-basiertes Konzept zur automatisierten Qualitätsprüfung klinischer Dokumentation entwickelt und untersucht.
Steckbrief
- Beteiligte Departemente Technik und Informatik
- Institut(e) Institute for Patient-centered Digital Health (PCDH)
- Forschungseinheit(en) PCDH / AI for Health
- Förderorganisation Innosuisse
- Laufzeit 04.02.2025 - 30.06.2026
- Projektleitung Prof. Dr. Kerstin Denecke
- Partner Cistec AG
Vorgehen
Der Schwerpunkt lag auf der Erkennung von Inkonsistenzen in klinischen Berichten. Hierfür wurde zunächst ein systematisches Klassifikationsschema mit sieben Inkonsistenzklassen erarbeitet. Zur Evaluation wurde ein vomIndustriepartner bereitgestellter Datensatz bereinigt, strukturiert und durch einen agentenbasiertenAnsatz gezielt mit kontrollierten Inkonsistenzen angereichert. Anschliessend wurden verschiedenePrompting- und Detektionsverfahren implementiert, getestet und in eine modulare Softwarearchitektur integriert. Ergänzend wurden Verfahren zur Evidenzprüfung entwickelt, um identifizierte Inkonsistenzen auf konkrete Textstellen zurückführen zu können.
Ergebnisse
Im Rahmen des Projekts konnte die technische Machbarkeit einer LLM-gestützten Inkonsistenzprüfung in klinischer Dokumentation demonstriert werden. Es entstand einprototypisches System zur Erkennung und Lokalisierung von Widersprüchen in medizinischen Texten, das identifizierte Auffälligkeiten mit nachvollziehbaren Evidenzstellen verknüpft. Zu den wesentlichen Ergebnissen zählen die Entwicklung eines wissenschaftlich fundierten Inkonsistenz-Klassifikationsschemas mit sieben Kategorien, eines agentenbasierten Verfahrens zur kontrollierten Erzeugung von Testdaten sowie eines Evidenz-Loops zur Verbesserung der Nachvollziehbarkeit und Reduktion von Halluzinationen.
