Datenbasierte Prozesse und Automatisierung,
Gesundheitstechnologien und Komfort
KI macht Telemedizin fünf Mal schneller
Ein lokal betriebenes KI-Recherche- und Antwortsystem der Hochschule Luzern – Technik & Architektur reduziert den Aufwand in der schriftlichen Telemedizin um rund 80 Prozent – bei voller Datenhoheit und ärztlicher Kontrolle.
Die Ausgangslage
Telemedizinische Leistungen sind zunehmend nachgefragt. Patientinnen und Patienten erwarten rasche, verständliche und medizinisch fundierte Antworten auf ihre Anfragen. Für Ärztinnen und Ärzte bedeutet dies einen hohen administrativen Aufwand: Das Formulieren präziser schriftlicher Stellungnahmen dauert im Durchschnitt eine knappe Viertelstunde pro Fall.
Die Idee
Masterstudent Dmitriy An hat in einer Vertiefungsarbeit gemeinsam mit der Telemedizin-Anbieterin alcare AG untersucht, wie sich dieser Prozess mithilfe von Künstlicher Intelligenz (KI) effizienter gestalten lässt. Ziel war es, Antwortentwürfe automatisiert zu generieren, ohne dabei Abstriche bei Qualität, Sicherheit oder Datenschutz zu machen.
Das Problem
Large Language Models (LLMs) werden international bereits als medizinische Assistenzsysteme erprobt. Viele Lösungen basieren jedoch auf Cloud-Diensten. Damit entstehen Herausforderungen in Bezug auf Datenschutz, regulatorische Anforderungen und Datenhoheit. Zudem sind sogenannte «Halluzinationen» – also faktisch falsche oder unvollständige Aussagen – ein bekanntes Risiko.
Die Lösung
Dmitriy An entwickelte mit der Unterstützung der Forschenden am Institut für Elektrotechnik einen vollständig lokal betriebenen KI-Assistenten – ein sogenanntes Retrieval-Augmented-Generation-System (RAG). Dieses RAG-System arbeitet grob in zwei Phasen: Zuerst sucht es in einer grossen Datenbank mit 10 Millionen geprüften PubMed-Artikeln gezielt nach passenden Fachinformationen («Retrieval»). Anschliessend formuliert ein Sprachmodell auf dieser Basis eine verständliche Antwort («Generation»). Zudem erfüllt das System hohe Anforderungen an Datenschutz und Datensicherheit – ein entscheidender Faktor im Gesundheitswesen.
Dmitriy an hat seinen Bachelor of Science in Digital Engineering an der HSLU – T&A gemacht und schliesst seinen Master of Science in Engineering im Frühjahr 2026 ab.
So funktioniert das KI-System im Detail
- Automatische Teilfragen: Die KI zerlegt eine Patientenanfrage in mehrere medizinisch relevante Unterfragen.
- Gezielte Literatursuche: Für jede Teilfrage werden passende Fachartikel aus einer lokalen Datenbank gesucht. (In der Arbeit beschränkt auf Abstracts der PubMed-Datenbank).
- Kombinierte Suche: Das System verbindet semantische Suche (Bedeutung) mit Schlagwortsuche.
- Rangordnung der Quellen: Besonders relevante Artikel werden priorisiert.
- Antwortgenerierung: Das Sprachmodell erstellt auf Basis dieser Quellen einen Entwurf (mehrsprachige Nutzung bei englischsprachiger Wissensbasis).
- Transparenz: Die verwendeten PubMed-Referenzen werden dokumentiert.
- On-Premise-Betrieb: Vollständig lokale Infrastruktur ohne Cloud-Anbindung; keine Übertragung sensibler Patientendaten an Dritte; Betrieb auf eigener Hardware; vollständige Datenkontrolle und hohe Datensicherheit.
«Mein Hauptproblem war es, ein relativ kleines, aber trotzdem zuverlässiges LLM zu verwenden, dass lokal auf üblicher Benutzerhardware laufen kann.»
Das KI-System macht (noch) Fehler, aber…
Dmitriy An hat die Leistungsfähigkeit des Systems überprüft. In der Retrieval-Phase (10 Millionen Fachartikel durchsuchen) zeigte sich: Das System findet in vielen Fällen passende und relevante Quellen. Ein wichtiger Schritt dabei ist das sogenannte «Re-Ranking». Das bedeutet: Nachdem das System eine erste Liste mit passenden Artikeln gefunden hat, ordnet es diese nochmals neu nach festgelegten Kriterien. Die relevantesten Quellen werden strategisch so positioniert, dass sich die Qualität der Ergebnisse erhöht.
In der Generation-Phase ist die praktische Wirkung entscheidend. Dafür haben erfahrenen Telemedizin-Fachpersonen 39 reale Patientenanfragen beurteilt. 36 der automatisch generierten Antworten wurden als fachlich korrekt eingestuft. Drei Antworten enthielten Fehler, davon zwei mit Gefahrenpotenzial. Aber: Alle problematischen Stellen wurden im Review-Prozess schnell erkannt. Das System ist also ausdrücklich als Assistenzwerkzeug konzipiert – die medizinische Verantwortung bleibt bei der Fachperson.
«Ich habe gelernt: KI-Systeme immer zusammen mit den Benutzenden entwickeln, damit das System in einem iterativen Feedback-Loop ständig verbessert werden kann.»
Über zehn Minuten Zeitersparnis pro Fall
Die Studie zeigt, dass ein lokal betriebenes RAG-System einen substanziellen Beitrag zur Effizienzsteigerung in der Telemedizin leisten kann. Die durchschnittliche Bearbeitungszeit von Patientenanfragen lag bei der alcare AG vorher bei 13.46 Minuten. Die Bearbeitungszeit mit dem neu entwickelten KI-System betrug 2.82 Minuten. Das ist eine Zeitersparnis von 10.64 Minuten pro Fall – eine Effizienzsteigerung von rund 79 Prozent. Gerade vor dem Hintergrund des Fachkräftemangels im Gesundheitswesen eröffnet dies relevantes Entlastungspotenzial.
«Meine Hoffnung war es, mit einem KI-System die Ärztinnen und Ärzte zu entlasten», sagt Dmitriy An. Sie hätten so mehr Zeit für Ihre Patient:innen, was die Qualität der Behandlungen erhöhen sollte. Ausserdem müssten Patient:innen jetzt weniger lang auf ihre Telemedizin-Antwort warten. Nach dem Masterabschluss will Dmitriy An auch in anderen Berufsfeldern für mehr Effizienz durch KI sorgen. «Ich will mit meiner Arbeit ausgelastete Positionen entlasten, um ihren Job angenehmer und attraktiver zu machen.»
Kommentare
0 Kommentare
Danke für Ihren Kommentar, wir prüfen dies gerne.