Künstliche Intelligenz zeigt zunehmend Potenzial zur Optimierung der präklinischen Trauma-Triage. Forscher des Jacobs School of Medicine and Biomedical Sciences an der University at Buffalo haben in einer veröffentlichten Studie untersucht, wie Large Language Models die Genauigkeit von Notrufübermittlungen des Rettungsdienstes steigern können. Die Ergebnisse erschienen am 12. Juni im Journal of the American College of Surgeons. Die präklinische Kommunikation ist häufig durch Zeitdruck, Hintergrundlärm und unstrukturierte Formulierungen geprägt, was das Risiko einer Unter- oder Überversorgung erhöht. Besonders bei pädiatrischen Patienten ist die Triage anspruchsvoll, da Kinder anders auf Verletzungen reagieren und ihre Vitalparameter länger kompensatorisch stabil wirken können, bevor sie plötzlich kollabieren. Zudem verfügen Sanitäter seltener über pädiatrische Einsatzpraxis. Die Untersuchung basierte auf 133 pädiatrischen Notfallaktivierungen und evaluierte ein KI-System, das unstrukturiertes Sprechen in klinisch relevante Daten übersetzt. Das Modell komprimierte die Anruftranskripte um etwa achtzig Prozent und filterte heraus, dass mehr als neunzigacht Prozent der Wörter keine medizinische Relevanz besitzen. Es extrahierte strukturiert den Verletzungsmechanismus, Vitalwerte, Bewusstseinsstatus und Blutungsanzeichen, um eine handlungsorientierte Zusammenfassung mit einer Triage-Empfehlung zu generieren. Die Trefferquote des KI-Modells entsprach derjenigen des menschlichen Traumateams. Ein entscheidender Mehrwert zeigte sich in der Entscheidungsunterstützung: Wenn Klinikpersonal nach einer fehlerativen Triage-Entscheidung die KI-Empfehlung einsehen konnte, verdreifachten sich die Chancen, die Fehleinschätzung zu korrigieren. Die Wissenschaftler betonen, dass LLMs derzeit als kognitive Assistenzsysteme fungieren, die die menschliche klinische Urteilsbildung nicht ersetzen, sondern ergänzen. Durch die Entzerrung von Informationsflut unter Druck entlastet das System die Notfallteams und ermöglicht eine präzisere Ressourcenplanung. Der Arzt bleibt weiterhin in der Entscheidungskette, während die KI als kommunikationsbewusster Triage-Assistent den Rauschfilter übernimmt. Die Studie belegt, dass der Einsatz natürlicher Sprachverarbeitung in der prähospitalen Medizin die Brücke zwischen Einsatzort und Notfallstation schlagen kann, was letztlich die Versorgungsqualität kritisch verletzter Patienten nachhaltig verbessert.