KURZMELDUNG
Elektronische Patientenakte: KI findet die relevanten Informationen
Ärztinnen und Ärzte fragen häufig die elektronische Patientenakte nach Informationen ab, die ihnen helfen, Behandlungsentscheidungen zu treffen. Doch die Suche nach einer Antwort auf eine einzige Frage kann mehrere Minuten dauern. Ein maschinelles Lernmodell könnte Fachpersonen dabei helfen, Informationen effizienter zu finden.
Je mehr Zeit die Ärztinnen und Ärzte mit der Navigation in der elektronischen Patientenakte verbringen müssen, desto weniger Zeit haben sie für die Interaktion mit den Patienten und die Behandlung. Forschende des MIT haben deshalb mit der Entwicklung von Machine-Learning-Modellen begonnen, die den Prozess beschleunigen können, indem sie automatisch die von Ärzten benötigten Informationen in einer elektronischen Patientenakte finden.
Für das Training effektiver Modelle sind jedoch riesige Datensätze mit relevanten medizinischen Fragen erforderlich, die aufgrund von Datenschutzbeschränkungen oft schwer zu beschaffen sind. Bestehende Modelle haben Schwierigkeiten, authentische Fragen zu generieren.
Um diesen Datenmangel zu beheben, haben Forschende des MIT in Zusammenarbeit mit medizinischen Fachpersonen die Fragen untersucht, die Ärztinnen bei der Durchsicht von elektronischen Patientenakten stellen. Anschliessend erstellten sie einen öffentlich zugänglichen Datensatz mit mehr als 2000 klinisch relevanten Fragen.
60 Prozent hochwertige Fragen
Als sie ihren Datensatz zum Trainieren eines maschinellen Lernmodells zur Generierung klinischer Fragen verwendeten, stellten sie fest, dass das Modell in mehr als 60 Prozent der Fälle qualitativ hochwertige und authentische Fragen stellte. Das könnte dem Fachpersonal künftig helfen, Informationen in Patientenakten effizienter zu finden.