Gemein­sam mit dem Fraun­hofer-Insti­tut und dem Berlin­er Insti­tut für Gesund­heits­forschung an der Char­ité entwick­elt KI-Pio­nier Insid­ers im Pro­jekt „FHIR-Starter“ eine Lösung zur Struk­turierung medi­zinis­ch­er Dat­en.

Thank you for read­ing this post, don’t for­get to sub­scribe!

Insid­ers beteiligt sich als zen­traler Tech­nolo­giepart­ner am Forschung­spro­jekt „FHIR-Starter“. Das Pro­jekt wird vom Fraun­hofer-Insti­tut für Exper­i­mentelles Soft­ware Engi­neer­ing IESE geleit­et und gemein­sam mit dem Berlin­er Insti­tut für Gesund­heits­forschung in der Char­ité umge­set­zt.

Bis­lang erfol­gt der Aus­tausch medi­zinis­ch­er Infor­ma­tio­nen häufig über klas­sis­che Arzt­briefe im PDF-For­mat. Die manuelle Ãœber­tra­gung rel­e­van­ter Dat­en in Prax­isver­wal­tungssys­teme (PVS) oder Kranken­haus­in­for­ma­tion­ssys­teme (KIS) ist zeitaufwendig und fehleranfällig. Ziel des Pro­jek­ts „FHIR-Starter“ ist die Entwick­lung eines inno­v­a­tiv­en Soft­ware-Dien­stes, der medi­zinis­che Doku­mente mit Hil­fe von Kün­stlich­er
Intel­li­genz (KI) automa­tisiert liest und struk­turi­ert. Durch den Ein­satz von Large Lan­guage Mod­els (LLMs) und Nat­ur­al Lan­guage Pro­cess­ing (NLP) sollen unstruk­turi­erte Voll­textdoku­mente analysiert und in stan­dar­d­isierte Daten­struk­turen über­führt wer­den. Das ermöglicht eine naht­lose Inte­gra­tion in beste­hende IT-Sys­teme von Krankenhäusern und Prax­en und stellt damit einen entschei­den­den Schritt zur Dig­i­tal­isierung und Automa­tisierung im Gesund­heitswe­sen dar.

Zen­trale Anforderun­gen an die Lösung sind dabei, die Qualität und Sicher­heit der struk­turi­erten Dat­en zu gewährleisten und darüber hin­aus eine DSG­VO-kon­forme Ver­ar­beitung sen­si­bler medi­zinis­ch­er Dat­en sicherzustellen.

Gefördert wird „FHIR-Starter“ vom Bun­desmin­is­teri­um für Wirtschaft und Energie mit 1,64 Mil­lio­nen Euro im Rah­men des Inno­va­tion­swet­tbe­werbs „Generative KI für den Mittelstand“.

 

Insiders übernimmt Entwicklung des Large Language Models

Als Experte für KI-gestützte Doku­menten­ver­ar­beitung beteiligt sich Insid­ers in dem Pro­jekt ins­beson­dere an der Entwick­lung des Large Lan­guage Mod­els (LLM), das als Kernkom­po­nente der Soft­ware die rel­e­van­ten Infor­ma­tio­nen aus medi­zinis­chen Doku­menten – beispiel­sweise Arzt­briefen – automa­tisiert extrahiert. Diese struk­turi­erten Infor­ma­tio­nen wer­den anschließend in das stan­dar­d­isierte FHIR-For­mat
über­führt, das speziell für den Aus­tausch von Gesund­heits­dat­en entwick­elt wurde und dem Pro­jekt seinen Namen gibt.

„Unsere langjährige Exper­tise in der KI-gestützten Datenex­trak­tion set­zen wir gezielt ein, um die Ver­ar­beitung medi­zinis­ch­er Doku­mente zu automatisieren“, erklärt Chris­t­ian Schön, Prod­uct Own­er OvAition bei Insid­ers. „Mit der Entwick­lung eines leistungsfähigen LLMs ermöglichen wir es, medi­zinis­che Dat­en effizient zu struk­turi­eren und nutzbar zu machen. Die Automa­tisierung admin­is­tra­tiv­er Auf­gaben ent­lastet das
medi­zinis­che Fach­per­son­al und reduziert Fehler. So können sich die Ärztinnen und Ärzte wieder auf ihre Ker­nauf­gabe konzen­tri­eren – die bestmögliche Ver­sorgung der Patienten.“

Neben der Entwick­lung des LLMs ist Insid­ers auch an weit­eren zen­tralen Pro­jek­tauf­gaben beteiligt, darunter die Iden­ti­fika­tion rel­e­van­ter Dat­en, die Entwick­lung eines Pro­to­typs sowie die Veröffentlichung wis­senschaftlich­er Ergeb­nisse auf Fachkon­feren­zen.

 

Vielseitige Anwendungsmöglichkeiten für eine digitale Zukunft

Die struk­turi­erte Ver­ar­beitung medi­zinis­ch­er Dat­en eröffnet weitre­ichende Möglichkeiten: Krankenhäuser und Prax­en können ihre Prozesse in der Befund­ver­wal­tung und Patien­ten­doku­men­ta­tion opti­mieren, medi­zinis­che Forschungsin­sti­tute erhal­ten ein­fach­er Zugang zu rel­e­van­ten Infor­ma­tio­nen, und Pati­entin­nen und Patien­ten prof­i­tieren von ein­er effizien­teren und besseren Ver­sorgung.

Inner­halb des dreijährigen Pro­jek­tes, das im Feb­ru­ar 2025 ges­tartet ist, leis­tet Insid­ers einen wichti­gen Beitrag zur Dig­i­tal­isierung des Gesund­heitswe­sens in Deutsch­land.