Forscher der University of California, San Francisco (UCSF) haben eine innovative Anwendung künstlicher Intelligenz (KI) entwickelt, um die Diagnose einer komplexen Lebererkrankung, der hepatorenalen Syndrome (HRS), zu verbessern. In einer kürzlich in Gastro Hep Advances veröffentlichten Studie nutzten sie große Sprachmodelle, um die klinischen Notizen mehrerer Ärzt:innen und medizinischer Fachkräfte zu analysieren. Ziel war es, durch eine Art „Sentiment-Analyse“ – inspiriert von Methoden aus der Marktforschung – die kollektive Einschätzung des Behandlungsteams zu einem Patienten zu erfassen und so die Diagnosegenauigkeit zu steigern. HRS ist eine lebensbedrohliche Komplikation bei fortgeschrittenen Lebererkrankungen, die oft schwer zu erkennen ist, besonders während der stationären Behandlung, da die klinischen Anzeichen unspezifisch sind und sich mit anderen Zuständen überschneiden. Die Forschenden verglichen herkömmliche Diagnosemethoden, die auf Laborwerten und klinischen Parametern basieren, mit einem KI-gestützten Modell, das zusätzlich sentimentbasierte Bewertungen aus den Notizen der Behandlungsteams integrierte. Dabei zeigte sich, dass die KI-gestützte Methode die Vorhersagegenauigkeit für die HRS-Diagnose zum Zeitpunkt der Entlassung deutlich verbesserte. Die KI analysierte nicht nur Inhalte, sondern auch den Ton und die impliziten Bewertungen in den Notizen – etwa, ob ein Arzt eine Erkrankung als „dringend“, „wahrscheinlich“ oder „unwahrscheinlich“ ansah – und synthetisierte diese Einschätzungen zu einem Gesamtscore. „Wir nutzen das Prinzip der ‚Weisheit der Menge‘ – wie es bei Kundenbewertungen im Online-Handel funktioniert –, um die kollektive Einschätzung des medizinischen Teams zu erfassen“, erklärte Jin Ge, Leiter der Studie und Assistenzprofessor für Medizin und Gastroenterologie an der UCSF. „Diese Analyse liefert nicht nur eine bessere Vorhersage, sondern auch eine Orientierung, was das Team insgesamt über den Zustand eines Patienten denkt.“ In Fällen mit unterschiedlichen Meinungen oder Unsicherheiten kann die KI somit helfen, konsensbasierte Entscheidungen zu fördern und Behandlungspläne zu beschleunigen. Obwohl die Technologie noch in der Forschungsphase ist, zeigen die Ergebnisse, dass KI-Systeme nicht nur Daten verarbeiten, sondern auch die „unsichtbare“ klinische Intuition des Teams erfassen können. Dies könnte zukünftig zu einer stärkeren Standardisierung und Transparenz in der Patientenversorgung beitragen, insbesondere in komplexen, mehrfach beteiligten Fällen. Die Forscher planen nun, die Wirkung solcher KI-Tools in realen klinischen Umgebungen zu testen, um deren Einfluss auf Entscheidungsfindung und Patientenoutcome zu bewerten. Industrieexperten sehen in der Studie einen bedeutenden Schritt hin zu einer intelligenten, kooperativen Medizin. „Die Integration von Sentiment-Analyse in klinische Dokumente könnte eine neue Ära der Entscheidungsunterstützung einläuten“, sagt ein Experte für medizinische KI. UCSF positioniert sich damit weiterhin als Vorreiter in der Anwendung von KI für klinische Entscheidungsfindung, insbesondere in der Gastroenterologie und Hepatologie.