KI liest klinische Briefe: Automatisierte Datenextraktion als Entlastung für die Dokumentation
Eine neue, ressourcenschonende LLM-Pipeline extrahiert strukturierte Daten aus klinischen Briefen – mit Ergebnissen, die einen echten Blick auf den Praxisalltag jenseits von Chatbots erlauben.
Mit KI-Unterstützung erstellt · redaktionell geprüft und verantwortet von Steven Breuer.
Freitextliche Arztbriefe sind eine der größten ungenutzten Datenquellen im Gesundheitswesen – und gleichzeitig eine der größten Zeitfallen im Praxis- und Klinikalltag. Diagnosen, Befunde und Verläufe stecken oft in langen Fließtexten, die für Abrechnung, Register, Qualitätsberichte oder Forschung händisch nachbearbeitet werden müssen. Eine aktuelle Studie in npj Digital Medicine zeigt, wie sich dieser Aufwand mit einer schlanken, ressourcenschonenden KI-Pipeline deutlich reduzieren lässt – ohne aufwendiges Fine-Tuning eigener Modelle (Ong et al., 2026).
Das Problem: Strukturierte Daten stecken im Fließtext
Klinische Briefe enthalten enorm viel Information, sind aber für automatisierte Auswertung schlecht zugänglich. Wer Diagnosen, Prozeduren oder Verlaufsparameter systematisch auswerten will – etwa für Qualitätsindikatoren, Register oder Studien – muss diese Angaben bislang meist manuell aus dem Text extrahieren. Das bindet Personal, das eigentlich in der Patientenversorgung fehlt.
Die Autorinnen und Autoren um Ariel Yuhan Ong (UCL, Moorfields Eye Hospital) setzen genau hier an: Sie entwickeln eine Pipeline, die Large Language Models (LLMs) nutzt, um strukturierte Daten direkt aus realen klinischen Briefen zu extrahieren – trainiert und getestet an ophthalmologischen Briefen, die von zwei Fachärzten unabhängig annotiert wurden.
Der Ansatz: Prompt Engineering statt teures Fine-Tuning
Bemerkenswert ist der methodische Weg: Statt ein Modell aufwendig auf den eigenen Datensatz zu trainieren, setzt das Team auf iterative Prompt-Verfeinerung – also die systematische Optimierung der Anweisungen an ein bestehendes Sprachmodell. Das senkt den Rechen- und Entwicklungsaufwand erheblich und macht den Ansatz auch für Einrichtungen mit begrenzten IT-Ressourcen interessant.
Mit dieser Methode allein erreichte die Pipeline bei einem proprietären Modell in Entwicklung einen mikro-gemittelten F1-Wert von 0,954 (95 %-Konfidenzintervall 0,941–0,967) für die Diagnoseextraktion über neun Erkrankungen hinweg. In der zeitlichen Validierung – also an später erhobenen Daten – blieb die Leistung mit einem Micro-F1 zwischen 0,945 und 0,980 stabil, ein wichtiger Hinweis auf Generalisierbarkeit über die Zeit.
Breite Modellprüfung statt Einzelfalllösung
Die Autoren beließen es nicht bei einem Modell. Der Ansatz wurde auf weitere Modelle derselben Modellfamilie sowie auf 17 Large Language Models aus sieben offenen ("open-weight") Modellfamilien übertragen. Das ist praxisrelevant: Es zeigt, dass die Methode nicht an ein einzelnes, möglicherweise teures oder proprietäres System gebunden ist, sondern grundsätzlich auf unterschiedliche technische Infrastrukturen übertragbar ist – ein Aspekt, der für Kliniken mit Datenschutzanforderungen und begrenztem Budget relevant sein dürfte.
Ein Rahmen für Entscheidungen im Alltag
Besonders praxisnah ist ein zweiter Beitrag der Studie: ein mehrdimensionales Bewertungsraster für den realen Einsatz solcher Extraktionssysteme. Dazu gehören eine Fehlertaxonomie – also eine systematische Kategorisierung typischer Fehlerarten – sowie Pareto-Grenzflächen-Analysen, mit denen sich Kompromisse zwischen verschiedenen Modellkonfigurationen (etwa Genauigkeit versus Rechenaufwand) systematisch abbilden lassen. Wer eine solche Pipeline einführen will, steht selten vor der Frage "funktioniert es oder nicht", sondern vor Abwägungen zwischen Genauigkeit, Kosten, Geschwindigkeit und Betriebssicherheit. Genau für diese Abwägung liefert die Arbeit ein Instrumentarium.
Was das für Praxen und Kliniken in Deutschland bedeutet
Drei Einordnungen sind mir hier wichtig:
Erstens: Die Studie stammt aus der Augenheilkunde und wurde an englischsprachigen Briefen entwickelt. Ob sich die berichteten F1-Werte 1:1 auf deutsche Arztbriefe in anderen Fachgebieten übertragen lassen, ist offen – eine lokale Validierung an eigenen Daten bleibt vor jedem Einsatz unerlässlich.
Zweitens: Der Ansatz betrifft die Datenextraktion, nicht die klinische Entscheidungsfindung. Für Register, Qualitätsberichte, interne Auswertungen oder die Vorbereitung von Kodierung kann das dennoch echte Entlastung bringen – vorausgesetzt, die extrahierten Daten werden stichprobenartig geprüft, bevor sie weiterverwendet werden.
Drittens: Bevor eine solche Pipeline in einer deutschen Praxis oder Klinik zum Einsatz kommt, sind Fragen zu Datenschutz (DSGVO), Verarbeitung in zertifizierter Infrastruktur und – je nach Zweckbestimmung – regulatorische Einordnung als Medizinprodukt zu klären.
Für Praxis-Manager und IT-Verantwortliche lohnt sich der Blick auf diese Arbeit dennoch: Sie zeigt, dass leistungsfähige Datenextraktion aus Freitext nicht zwingend teure Individualentwicklungen erfordert, sondern mit vergleichsweise schlanken, gut dokumentierten Methoden erreichbar ist – ein konkreter Ansatzpunkt, um Dokumentationslast künftig systematisch zu senken.