Im Gesundheitswesen stellen Sprachbarrieren erhebliche Risiken für die Patientensicherheit und die Qualität der Versorgung dar. Forschungen haben gezeigt, dass ein begrenzter Zugang zu geschulten Dolmetschern zu Fehlkommunikation, unzureichenden Diagnosen sowie Fehldiagnosen führt und das Vertrauen schwächt. Eine Studie von de Moissac und Browen aus dem Jahr 2018 hob hervor, dass Patientinnen und Patienten in Kanada, die einer offiziellen Sprachminderheit angehören, aufgrund von Sprachbarrieren schlechtere Gesundheitsresultate erzielen [19]. Ebenso ergab eine JAMA-Studie aus dem Jahr 1996, dass Dolmetscher in Notaufnahmen selten genutzt wurden, wodurch Patientinnen und Patienten ihre Diagnosen und Behandlungen nur unzureichend verstanden [20]. Diese Erkenntnisse und die sprachliche Vielfalt in der Schweiz zeigen die Notwendigkeit eines zugänglichen und zuverlässigen Sprachsupports im medizinischen Bereich.

Das Potenzial von grossen Sprachmodellen für die Kommunikation im Gesundheitswesen
In jüngster Zeit sind grosse Fortschritte in der künstlichen Intelligenz gemacht worden, insbesondere in der Verbesserung neuronaler Netze, der Verfeinerung von Transformer-Architekturen und der Entwicklung grosser Sprachmodelle. Sie alle tragen dazu bei, Sprachbarrieren zu überwinden, indem sie die Genauigkeit und Kohärenz von Übersetzungen verbessern, Kontexte besser erfassen und patientenspezifische medizinische Inhalte verständlicher vermitteln. KI-gestützte Sprachmodelle können die Kommunikation zwischen Gesundheitsfachpersonen und Patientinnen und Patienten auf verschiedene Weise verbessern:

1. Sofortige Sprachübersetzungen: Grosse Sprachmodelle können in Echtzeit zwischen mehreren Sprachen übersetzen und so eine wertvolle Unterstützung bieten. Ist keine Person mit Übersetzungsfähigkeiten verfügbar, kann diese Technologie genutzt werden, um Patientinnen und Patienten erste grundlegende Informationen verständlich zu vermitteln und sie in ihrer Situation zu unterstützen.
2. Zugängliche medizinische Erklärungen: Patientinnen und Patienten haben oft Schwierigkeiten mit komplexer medizinischer Terminologie. Grosse Sprachmodelle können medizinischen Fachjargon vereinfachen und klare Erklärungen bieten, die das Verständnis und das Vertrauen verbessern. 
3. 24/7-Verfügbarkeit: Grosse Sprachmodelle sind stets verfügbar. Auch dann, wenn es schnell gehen muss. Gerade bei Notfällen, bei denen die Patientin oder der Patient noch wichtige Informationen mitteilen möchte.

Obwohl grosse Sprachmodelle viele Vorteile bieten, bleiben Herausforderungen bestehen. Die Genauigkeit und medizinische Sicherheit sind essenzielle Faktoren; KI-Übersetzungen müssen sorgfältig validiert werden, um Fehlinterpretationen zu vermeiden, insbesondere bei kritischen medizinischen Gesprächen. Auch Verzerrungen und ethische Überlegungen spielen eine wichtige Rolle, da Sprachmodelle möglicherweise Verzerrungen in den Trainingsdaten widerspiegeln, was sich auf die Qualität der Übersetzungen für bestimmte Sprachen oder Dialekte auswirken kann. Zudem sind Datenschutzbedenken von grosser Bedeutung, da der Schutz der Patientendaten zentral ist. Hierzu aber mehr im Kapitel 6. Daher müssen sichere, datenschutzkonforme KI-Modelle implementiert werden, um sensible medizinische Informationen zu schützen. 

In einer Zeit, in der das Volumen wissenschaftlicher Literatur exponentiell wächst, mit einer jährlichen Wachstumsrate von 4.1 % und einer Verdoppelungszeit von 17.3 Jahren [21], haben Forschende, politische Entscheidungsträgerinnen und Praktiker Schwierigkeiten, mit den neusten Entwicklungen Schritt zu halten. Traditionelle Methoden zur manuellen Zusammenfassung wissenschaftlicher Arbeiten sind ineffizient und zeitaufwendig. 

Die Einführung von grossen Sprachmodellen bietet eine vielversprechende Unterstützung für diese Herausforderung. Grosse Sprachmodelle haben sich als äusserst leistungsfähig in der automatisierten wissenschaftlichen Zusammenfassung erwiesen und machen Forschung zugänglicher und verständlicher. Jüngste Studien heben die Fähigkeiten von grossen Sprachmodellen hervor, akademische Inhalte strukturiert und effektiv zusammenzufassen. Welche Rolle spielen grosse Sprachmodelle in der wissenschaftlichen Zusammenfassung?

1. Verbesserung der Zusammenfassung durch strukturierte Eingaben
   Eine Studie von Creo et al. [22] hebt hervor, dass strukturierte Eingaben grosse Sprachmodelle bei der wissenschaftlichen Zusammenfassung deutlich verbessern. Indem Modelle mit vordefinierten Schlüsselbegriffen wie Autoren-Keywords oder KI-generierten Themenlisten versorgt werden, lassen sich fokussierte, kohärente und kontextuell relevante Zusammenfassung erzeugen. Diese gezielte Steuerung erhöht die Präzision der generierten Abstracts und hilft dabei, auch kleinere Modelle effektiver für wissenschaftliche Zwecke einzusetzen. 
2. Verarbeitung grosser Mengen wissenschaftlicher Literatur
   Das SumBlogger-Framework, entwickelt von Zakkas et al. [23] zeigt, wie grosse Sprachmodelle dabei helfen können, mehrere Forschungsarbeiten gleichzeitig zu verarbeiten und effizient zusammenzufassen. Dies ist besonders wertvoll in dynamischen Forschungsbereichen wie künstliche Intelligenz und Biotechnologie, wo es auf die schnelle Synthese zahlreicher Studien ankommt. Durch Prompt-Engineering und abstraktive Zusammenfassungstechniken können grosse Sprachmodelle präzise und prägnante Texte erstellen, die sowohl Detailinformationen bewahren als auch die kognitive Belastung für Forschende reduzieren. 
3. Verbesserung der semantischen Konsistenz und Forschungsstrukturierung
   Ein weiteres Potenzial von grossen Sprachmodellen liegt in der Gewährleistung der semantischen Genauigkeit und der Ausrichtung an etablierten wissenschaftlichen Formaten. Eine Untersuchung von Nechakhin et al. [24] bewertet Modelle wie GPT-3.5, Llama 2 und Mistral hinsichtlich ihrer Fähigkeit, wissenschaftliche Inhalte präzise zu erfassen und wiederzugeben. Die Ergebnisse zeigen, dass grosse Sprachmodelle durchaus in der Lage sind, relevante Forschungsereignisse zu extrahieren und in einer strukturierten Weise zu präsentieren, auch wenn eine weitere Optimierung zur Einhaltung akademischer Standards notwendig ist. Besonders in wissenschaftlichen Wissensgraphen bieten grosse Sprachmodelle eine leistungsfähige Möglichkeit, Informationen über verschiedene Disziplinen hinweg zu verknüpfen und besser auffindbar zu machen. 
4. Anpassung von Inhalten für verschiedene Zielgruppen
   Ein entscheidender Vorteil von grossen Sprachmodellen ist die Flexibilität bei der Anpassung wissenschaftlicher Inhalte für unterschiedliche Lesergruppen. Die Studie von Fonseca & Cohen [25] untersucht, wie grosse Sprachmodelle Zusammenfassungen so generieren können, dass sie je nach Bedarf als technische Abstracts, allgemeinverständliche Erklärungen oder systematische Übersichten dienen. Durch Anpassungen in der Prompt-Gestaltung und Modellsteuerung lassen sich zielgruppenspezifische Zusammenfassungen generieren, die wissenschaftliche Erkenntnisse leichter zugänglich machen. 

Hier einige wesentliche Aspekte, welche den Umgang mit wissenschaftlichen Arbeiten vereinfachen:

• Effizienzsteigerung und Zeitersparnis 
  Grosse Sprachmodelle reduzieren den Zeitaufwand für Literaturrecherchen erheblich, indem sie wissenschaftliche Arbeiten in Sekunden zusammenfassen. Sie unterstützen auch Forschende bei der Verarbeitung und Analyse grosser Mengen an Literatur. Ein weiterer wichtiger Aspekt ist, dass man schnell einschätzen kann, ob eine wissenschaftliche Arbeit es wert ist, vollständig gelesen zu werden, indem man ein LLM Kernaussagen und relevante Inhalte extrahieren lässt. 
• Höhere Verständlichkeit und bessere Zugänglichkeit
  Die generierten Erklärungen und Zusammenfassungen von grossen Sprachmodellen erleichtern das Verständnis wissenschaftlicher Inhalte für verschiedene Anspruchsgruppen. Wissenschaftliche Erkenntnisse können gezielt z.B. für Entscheidungstragende oder für die Öffentlichkeit aufbereitet werden. 
• Unterstützung bei systematischen Übersichtarbeiten
  Werkzeuge wie SumBlogger, NotebookLM und weitere Anwendungen ermöglichen die gleichzeitige Zusammenfassung mehreren Studien und erleichtern so Meta-Analysen und systematische Übersichtsarbeiten. 
• Flexibilität und Anpassung an verschiedene Kommunikationsformate
  Wissenschaftliche Inhalte können für unterschiedliche Kontexte optimiert werden, etwa für Förderanträge, Fachartikel oder populärwissenschaftliche Veröffentlichungen. So lassen sich Inhalte zielgerichtet für verschiedene Publikationsformate generieren. 
• Integration in wissenschaftliche Datenbanken durch Wissensgraphen 
  ​​​​​​​Grosse Sprachmodelle können helfen, wissenschaftliche Informationen strukturiert abzulegen und miteinander zu verknüpfen, was die Auffindbarkeit und Vernetzung von Forschungsergebnissen über verschiedene Disziplinen hinweg verbessert.

Ein zentraler Vorteil grosser Sprachmodelle liegt in ihrer Fähigkeit, unstrukturierte klinische Texte automatisch in strukturierte Formate zu überführen. Dies betrifft insbesondere Freitextfelder z. B. in Informationssystemen oder PDFs im elektronischen Patientendossier, wie Verlaufsnotizen, Entlassungsberichte oder Pathologiebefunde. Solche Texte stellen eine wertvolle, aber schwer zugängliche Datenquelle dar, speziell wenn diese nutzbar gemacht werden sollen für die Forschung, Qualitätssicherung oder Entscheidungshilfesysteme.

Frühere Ansätze, etwa die regelbasierten Systeme des Natural Language Processing (NLP), waren häufig anwendungsspezifisch, mühsam zu warten und wenig robust gegenüber Format- oder Terminologieänderungen [26]. Grosse Sprachmodelle wie GPT-4 oder Gemma-2 hingegen benötigen kein aufgabenspezifisches Training und funktionieren zuverlässig auch bei heterogenen Texten und Formulierungen. In einer grossen Studie des US-Veteranen-Gesundheitssystems konnte etwa gezeigt werden, dass ein grosses Sprachmodell in der Lage war, mit hoher Genauigkeit (F1 bis zu 99 %) histopathologische Diagnosen wie Dysplasien oder Adenokarzinome aus Pathologiebefunden zu extrahieren, selbst ohne domänenspezifisches Training und mit ressourcenschwacher CPU-Hardware [26]. Sogar in Datensätzen mit variierender Formatierung (z. B. IBD vs. Non-IBD) blieben die Modelle stabil und erzielten konsistente Ergebnisse. 

Auch im deutschsprachigen Raum zeigen Studien, dass sich grosse Sprachmodelle als verlässliche Werkzeuge für die Datenextraktion aus semi- oder unstrukturierten klinischen Texten etablieren könnten. Eine Schweizer Evaluation von 18 Sprachmodellen demonstrierte, dass insbesondere GPT-4, Claude 3 oder LLaMA-3-70B in der Lage sind, postoperative Komplikationen aus synthetischen Patientenberichten zuverlässig zu erkennen. Die besten Modelle übertrafen klassische Transformer-Modelle wie RoBERTa deutlich an Genauigkeit, Konsistenz und Fehlerrate [27]. 

Ein weiteres Anwendungsfeld zeigt sich bei der automatisierten Kategorisierung von Freitextdiagnosen in der pädiatrischen Notfallmedizin. Dort erreichte ein feinjustiertes GPT-3 Modell eine fast perfekte Genauigkeit (99.9 %) beim Erkennen von Atemwegserkrankungen in fehleranfälligen Freitexten mit typografischen Fehlern – eine Aufgabe, die für menschliche Codierfachleute sehr aufwändig und zeitintensiv ist [28]. 

Wie genau diese soeben vorgestellten Prinzipien in der Praxis zur Anwendung kommen können, zeigt das Beispiel des Schweizer Startups 44ai, das wir im Kapitel Praktische Anwendungsbeispiele im Gesundheitswesen näher betrachten. Dort sehen wir exemplarisch, wie grosse Sprachmodelle eingesetzt werden, um aus unstrukturierten Texten in Informationssystemen behandlungsrelevante Informationen zu extrahieren und strukturiert zugänglich zu machen.

Ärztliche Notizen sind ein zentrales Kommunikations- und Dokumentationsinstrument im klinischen Alltag und gleichzeitig eine erhebliche Belastung. Ärztinnen und Ärzte verbringen täglich zwischen 52 und 102 Minuten mit dem Verfassen von klinischer Notizen [29]. Diese Zeit fehlt im direkten Patientenkontakt, und sie trägt nachweislich zu Unzufriedenheit und Burnouts bei [29]. Die Hoffnung, diesen Dokumentationsaufwand mithilfe grosser Sprachmodelle zu reduzieren, rückt zunehmend in den Fokus – insbesondere durch deren Fähigkeit, aus rohen Gesprächsdaten oder fragmentarischen Texten strukturierte, lesbare und medizinisch valide Notizen zu erstellen. 

Ein konkreter Anwendungsfall ist die automatische Generierung klinischer Notizen aus transkribierten Arzt-Patienten-Gesprächen. Im Rahmen der MEDIQA-Chat 2023 Challenge wurde ein entsprechender Benchmark geschaffen. Dabei wurden unter anderem GPT-4 basierte In-Context-Learning (ICL)-Ansätze evaluiert, bei denen das Modell keine eigentliche Nachbearbeitung (Finetuning), sondern nur wenige Beispiele in einem Prompt erhält. Die Ergebnisse sind bemerkenswert: In einer kontrollierten Evaluation mit drei klinisch tätigen Ärztinnen und Ärzte wurde festgestellt, dass GPT-4-generierte Notizen gleich häufig bevorzugt wurden wie manuell geschriebene Originalnotizen, und deutlich häufiger als solche von klassisch finegetunten Modellen wie Longformer-Encoder-Decoder (LED) [30]. Die KI-Notizen waren inhaltlich korrekt, übersichtlich gegliedert und enthielten deutlich weniger Redundanzen. 

Ein zentrales Element des Erfolgs war die Auswahl von passenden Beispielen im Prompt: Anhand semantisch ähnlicher Dialoge konnte GPT-4 lernen, welche Struktur, Tonalität und Informationsdichte klinische Notizen typischerweise aufweisen. Die leistungsfähigsten Prompts enthielten drei Beispiele plus Anweisungen, keine Informationen zu halluzinieren, eine Einschränkung, die besonders im medizinischen Kontext kritisch ist. Ergänzend wurde durch manuelle Evaluationskriterien wie «critical omissions» und «hallucinated facts» sichergestellt, dass keine sicherheitsrelevanten Fehler generiert wurden. Auch das Niveau an Verständlichkeit, Redundanzfreiheit und faktischer Präzision wurde systematisch überprüft [32].

In einer weiteren Studie wurde mit MST-DIALOG ein grosser, öffentlich zugänglicher Datensatz aus 1700 simulierten Arzt-Patienten-Gesprächen und zugehörigen Notizen geschaffen, eine wichtige Ressource, um die Entwicklung solcher Systeme auch ausserhalb kommerzieller Anbieter voranzutreiben. Dabei zeigte sich, dass sich durch guided summarization (also die explizite Vorgabe von Notizabschnitten wie «HPI» oder «Plan») die Präzision weiter steigern und die Halluzinationsrate senken liess. Die besten Modelle verfehlten dennoch bis zu 33 % der in der Quelle enthaltenen medizinischen Fakten, was die Grenzen aktueller Systeme deutlich macht [29]. 

Auch wenn die grossen Sprachmodelle wie GPT-4 beeindruckende Ergebnisse liefern, zeigen Studien wie jene von Lehman et al., dass kleinere, domänenspezifisch trainierte Modelle oft effizienter sind. So konnten eigens auf MIMIC-Daten trainierte Modelle mit nur 220-770 M Parametern (T5-Base / T5-Large) die Leistung von deutlich grösseren generalisierten Modellen wie T5-XL (3B) oder GPT-3 (175B) übertreffen, und das bei deutlich geringeren Rechenanforderungen und besserer Kontrolle über Datenschutz und Halluzinationen [31]. Dies ist insbesondere für Spitäler und Institutionen in Europa von Bedeutung, da der Einsatz grosser API-basierter Modelle unter der Datenschutz-Grundverordnung (DSGVO) regulatorisch schwierig ist. 

Wie sich diese Fähigkeiten in der Praxis umsetzen lassen, zeigt das Schweizer Unternehmen Intonate, das wir im folgenden Kapitel näher betrachten. Intonate bietet eine End-to-End-Lösung zur automatisierten Erstellung ärztlicher Verlaufseinträge direkt aus Patientenkonsultationen. Dabei werden Gesprächsinhalte analysiert, medizinisch relevante Informationen extrahiert und daraus strukturierte, fachliche präzise Texte generiert.