Aktuelles

LLM4Anamnese beim 3. Heidelberger Frühjahrsymposium: Von der KI-Vision zur klinischen Realität – der letzte, schwierige Schritt!

Das 3. Heidelberger Frühjahrssymposium Medizinische Informatik Universitätsklinikum Heidelberg (UKHD) bot auch in diesem Jahr eine inspirierende Plattform für den interdisziplinären Austausch zu digitalen Innovationen im Gesundheitswesen.
Im Fokus der Veranstaltung standen zwei zukunftsweisende Themen:

• KI-gestützte medizinische Informationssysteme mit Large Language Models (LLMs)
• Patient Reported Outcome Measures (PROMs)

Beim Symposium am 28. Mai 2025 stellte Richard Noll vom Institut für Medizininformatik der Goethe-Universität Frankfurt stellvertretend für das gesamte Projektteam die Idee hinter LLM4Anamnese vor. Die anschließende Diskussion bot wertvolle Impulse und war äußerst bereichernd für die Weiterentwicklung des Projekts.

Der Abstract-Band zum Symposium ist bereits verfügbar: UKHD MI-Symposium & Universitätsbibliothek Heidelberg

Persönliches Projekttreffen an der Universitätsmedizin Frankfurt am Main

Im April 2025 fand an der Universitätsmedizin Frankfurt am Main das erste Projekttreffen in Person im Projekt LLM4Anamnese statt. Das Treffen war in zwei Hauptteile gegliedert und bot eine Plattform für intensive Diskussionen und wertvollen Austausch.

Tag 1 – Cloud-Workshop

Der erste Teil des Treffens am 29. April widmete sich der Möglichkeit einer Umsetzung des Projekts mit einer Public-Cloud-Lösung. Hier wurden mit Vertretern der Amazon Web Services (AWS) verschiedene zentrale Themen besprochen:

• Zielgruppe: Die Hauptzielgruppe des Projekts sind Ärzt:innen. Nachgelagert richtet sich das Projekt auch an die Forschung, weitere medizinische Leistungserbringer sowie Patient:innen.
• Diskussion des Problems: Es wurde intensiv über die Herausforderungen bei der Erstellung von Anamnesetexten diskutiert, insbesondere den Zeitmangel und die Schwierigkeiten bei der Weiterverarbeitung und Nutzung von Informationen.
• Lösungsansatz: Anhand einer fiktiven Pressemitteilung wurde die Lösung vorgestellt: die automatische Strukturierung und Klassifikation von Anamnesetexten, um eine bessere Weiterverarbeitung zu ermöglichen.
• Technische Infrastruktur: Es wurden gemeinsam mit den Vertretern der AWS die Integrationsmöglichkeiten in die Cloud in einer Projektinfrastruktur sowie die Zugriffsmöglichkeiten und Berechtigungen für die Projektbeteiligten diskutiert.

Tag 2 – Treffen gemeinsam mit dem Projektträger VDI/VDE-IT

Seit Projektbeginn im August 2024 wurden bereits viele Aspekte betrachtet und erste Projektergebnisse erzielt: 

• Untersuchung verschiedener Machine Learning Methoden, darunter LLM mit Finetuning, LLM mit RAG, NER+Retriever und Re-Ranker zur Lösung der Aufgabe. 
• Durchführung von Experimenten mit verschiedenen Sprachmodellen und fiktiven Anamnesetexten sowie die Betrachtung unterschiedlicher Terminologien (z.B. ICD-10, Snomed-CT, LOINC) für die Eignung der Codierung von Anamnesetexten.
• Erste Ergebnisse der Anforderungsanalyse: Endnutzenden ist beispielsweise die Stabilität und Schnelligkeit des Systems sowie die Gliederung in medizinische Abschnitte und Entitäten wichtig. Des Weiteren sollen eine manuelle Korrektur und ärztliche Freigabe der erzeugten Ergebnisse möglich sein. 
• Datenbeantragung beim Datenintegrationszentrum: Erstellung Studienprotokoll und Datenschutzkonzept, Einholung Ethikvotum

Zusätzlich wurden in einem Workshop die ELSA-Kriterien (ethische, rechtliche und soziale Aspekte) betrachtet und im Projektteam diskutiert.

Ein herzlicher Dank geht an alle Teilnehmenden für die produktiven, erkenntnisreichen und erfolgreichen Tage in Frankfurt. Das persönliche Treffen und der Austausch wurden als sehr positiv und bereichernd empfunden. Wir freuen uns auf die weitere Zusammenarbeit und die nächsten Schritte im Projekt LLM4Anamnese.

Projektblitzlichter 2024: Unser Projekt „LLM4Anamnese“ im Spotlight

Wir freuen uns, Teil der Projektblitzlichter 2024 des Bundesministeriums für Forschung, Technologie und Raumfahrt (BMFTR) zu sein! Im Rahmen der Initiative „Vorgestellt – was interaktive Technologien möglich machen“ wird unser Projekt in einer multimedialen Galerie präsentiert.

In unserem Video erfahren Sie mehr über die Motivation hinter LLM4Anamnese, die innovative technische Umsetzung und unsere Vision für die Zukunft. Ziel des Projekts ist es, aus Anamnesetexten automatisch strukturierte und standardisierte Dokumente zu erstellen – ein wichtiger Schritt hin zu effizienteren und vernetzten Gesundheitssystemen.