KI extrahiert fehlende Daten aus Arztberichten

Eine kürzlich in Nature Medicine veröffentlichte Studie zeigt, wie ein künstliches Intelligenz-System unstrukturierte Arztbriefe in massiven Maßstab auswertet und für die Forschung nutzbar macht. Entwickelt von RespondHealth in Zusammenarbeit mit führenden US-amerikanischen Universitäten, darunter Drexel, Stanford, die Universität Miami, die Universität Pennsylvania sowie das Icahn School of Medicine am Mount Sinai, adressiert das Verfahren das langjährige Problem, dass der Großteil klinischer Daten in Fließtexten statt in standardisierten Datenbankfeldern liegt. Das System extrahiert medizinische Fakten aus narrativen Patientendokumenten, verknüpft jede Information direkt mit der ursprünglichen Textstelle und ermöglicht so eine vollständige Nachvollziehbarkeit. In einer unabhängigen Validierung durch approbierte Ärzte erreichte der Algorithmus eine Genauigkeit von 99,4 Prozent. Zur Einordnung: Selbst unter erfahrenen Medizinikern lag die Inter-Rater-Übereinstimmung bei 94,7 Prozent. Während fünf Gutachter etwa 120 Patientenakten in siebzig Stunden analysierten, bewältigte das KI-Modell dieselbe Menge in Sekunden. Als Anwendungsfall diente die Auswertung von über 16.000 Patienten, die in der Regelversorgung mit GLP-1-Rezeptoragonisten wie Semaglutid oder Tirzepatid behandelt wurden. Die Beobachtungsstudie deckte klare, geschlechter- und altersabhängige Muster auf. Patienten mit initial normalen Blutzuckerwerten verloren schneller und stärker an Gewicht, etwa sieben Prozent nach einem Jahr, während Personen mit schlecht eingestelltem Diabetes die stärksten Blutzuckerverbesserungen verzeichneten. Frauen und jüngere Erwachsene wiesen eine signifikant höhere Gewichtsreduktion auf. Zudem verbesserten sich depressive Symptomatik und Schmerzintensität am deutlichsten bei Patienten mit dem höchsten Ausgangswert. Besonders aufschlussreich ist der Datenanteil, der ausschließlich aus den Arztbriefen stammte. Siebzig Prozent der für die Analyse herangezogenen Blutzuckerwerte und ein Drittel der Nachweise zur Medikamenteneinnahme waren in codierten Feldern nicht erfassbar. Würde man nur auf strukturierte Abrechnungsdaten vertrauen, hätten Tausende Patienten aus den Analysen fehlen müssen. Die Ergebnisse unterstreichen, wie klinische Notizen reale Versorgungsdaten offenbaren, die in kontrollierten Studien oft unsichtbar bleiben. Verantwortliche betonen, dass die Technologie Ärzte nicht ersetzen, sondern ergänzen soll. Jeder extrahierte Wert sei transparent hinterlegbar und ermögliche eine schnelle klinische Überprüfung. Das Verfahren ist nicht auf Diabetes oder Gewichtsmedikamente beschränkt, sondern auf nahezu alle klinischen Fachgebiete übertragbar, in denen diagnostische und therapeutische Details textbasiert dokumentiert werden. Mit der Veröffentlichung in Nature Medicine legt das Team einen wegweisenden Schritt für datengetriebene, praxisnahe Forschung vor, der die Lücke zwischen unstrukturierten Arztnotizen und quantitativer Evidenz schließt.