11.12.2024
Dresdner Forschende haben ein KI-System entwickelt, das Hinweise auf Suizidgefährdung in elektronischen Patient*innenakten automatisch erkennen kann. Die auf lokalen Servern laufende Technologie könnte künftig medizinisches Personal bei der Früherkennung und Prävention unterstützen.
Große Sprachmodelle könnten künftig eine wichtige Rolle bei der Früherkennung von Suizidgefährdung im klinischen Alltag spielen. Dies zeigt eine neue Studie des Else Kröner Fresenius Zentrums (EKFZ) für Digitale Gesundheit der TU Dresden in Zusammenarbeit mit der Psychiatrischen Klinik des Universitätsklinikums Dresden. Die Forschenden setzten dabei auf ein datenschutzkonformes Modell: Die gesamte Analyse erfolgt auf lokalen Klinikservern, sensible Patient*innendaten verlassen zu keinem Zeitpunkt die geschützte Krankenhausumgebung.
Die Wissenschafter*innen nutzten für ihre Untersuchung ein Sprachmodell der „Llama-2“-Familie, das sie auf die Analyse psychiatrischer Aufnahmedokumente anwendeten. In ihrer Untersuchung von einhundert Aufnahmedokumenten zeigte sich, dass das System Fälle möglicher Suizidgefährdung zuverlässig und mit hoher Genauigkeit erkennt – und das, obwohl es nicht speziell für psychiatrische Daten entwickelt wurde.
„Wir konnten zeigen, dass Hinweise auf Suizidalität bei Patientinnen und Patienten automatisiert aus elektronischen Gesundheitsakten extrahiert werden können“, erklärt Studien-Erstautor Falk Gerrik Verhees vom Universitätsklinikum Dresden. Das System sei in der Lage, unterschiedliche Hinweise zu erkennen – von lebensmüden Gedanken bis hin zu konkreten Todeswünschen. „Die Ergebnisse lassen sich durch weitere Anpassungen noch verbessern. Mögliche Anwendungen in der Klinik umfassen Frühwarn- und Überwachungssysteme für psychiatrische Notfälle, eine verbesserte Qualitätssicherung sowie die Analyse von psychiatrischen Symptomen innerhalb großer Datenmengen“, so Verhees.
„Diese KI-Methoden könnten medizinisches Fachpersonal in ihren Entscheidungen künftig unterstützen und die medizinische Dokumentation erleichtern“, sagt Isabella C. Wiest, ebenfalls Erstautorin der Studie. Dies könne sowohl die Qualität der Gesundheitsversorgung verbessern als auch die medizinische Forschung voranbringen.
Ein weiterer Vorteil des neuen Ansatzes: Die Hardware-Anforderungen sind moderat, was die praktische Implementierung in Kliniken erleichtern könnte. Dennoch betonen die Forschenden, dass vor einem breiten Einsatz im klinischen Alltag noch weitere Untersuchungen notwendig sind.
Das Forschungsprojekt wurde am EKFZ für Digitale Gesundheit durchgeführt, das seit 2019 mit 40 Millionen Euro von der Else Kröner-Fresenius-Stiftung gefördert wird. Das Zentrum konzentriert seine Forschungsaktivitäten auf innovative, medizinische und digitale Technologien an der direkten Schnittstelle zu den Patient*innen. (RED)
Quellen: Pressemitteilung des Universitätsklinikums Carl Gustav Carus Dresden; Originalpublikation: Isabella C. Wiest, Falk Gerrik Verhees et al. Detection of Suicidality from Medical Text Using Privacy-Preserving Large Language Models. The British Journal of Psychiatry, 2024. https://doi.org/10.1192/bjp.2024.134
Foto: www.freepik.com