FHIR-Starter

LLM-unterstützte automatische Strukturierung medizinischer Daten

Copyright: istock.com/Thicha Satapitanon

Wir machen Papier interoperabel!

Gemeinsam forschen wir an Möglichkeiten, medizinische Volltextdokumente wie z. B. Befunde automatisch mittels Large Language Modellen zu analysieren und interoperabel als FHIR-Ressourcen zur Verfügung zu stellen – hierbei legen wir besonderen Wert auf die Absicherung und Vermeidung von Halluzinationen.

Vision
  • Interoperabilität und Zugänglichkeit medizinischer Daten verbessern
Ziele
  • Entwicklung eines LLM- und NLP-basierten Demonstrators zur Strukturierung und Standardisierung medizinischer Befunde und Arztbriefe
  • Optimierung eines Large Language Models (LLM) für den deutschsprachigen medizinischen Kontext, das eine Genauigkeit von über 80 % in der korrekten Extraktion medizinischer Informationen erreicht
  • Erweiterung des Forschungsdatensatzes durch automatische Informationsextraktion
  • Entwicklung eines skalierbaren Verwertungs-moduls mit offenen Schnittstellen (z. B. REST-API) zur Integration in bestehende IT-Systeme (PVS, KIS)
Herausforderungen
  • Mangelnde Standardisierung von medizinischen Daten (bspw. Befunde und Arztbriefe) hemmen die strukturierte Einbindung in IT-Systeme
  • Das Lesen und die Verarbeitung der Informationen sind sehr zeitintensiv und beeinträchtigen die Effizienz im Gesundheitswesen, sie müssen z. B. händisch in IT-Systeme in Krankenhäusern und Praxen eingetragen werden
  • Daten in Volltext sind für medizinische Forschung kaum nutzbar
Vorgehen

Im Projekt FHIR-Starter entwickeln wir einen Software-Dienst, der mit Large Language Modellen (LLM) und Natural Language Processing (NLP) Volltextdokumente analysiert und in das medizinische Standard-Datenformat FHIR überführt. Der Dienst bietet offene Schnittstellen für Leistungserbringer, Softwareanbieter im Gesundheitswesen und Sekundärnutzer von Gesundheitsdaten, um eine strukturierte Integration der Daten in ihre Systeme zu ermöglichen. Verwendet und integriert werden bestehende Standards (z. B. SNOMED CT, LOINC) in die Datenverarbeitung. Dies verbessert die Interoperabilität und Zugänglichkeit der Daten, was direkte Vorteile für die medizinische Versorgung bringt, da Mitarbeitende entlastet werden und Fachpersonal einfacher mit Informationen versorgt wird. Zudem fördert es die strukturierte Erfassung medizinischer Daten für Forschende und steigert Deutschlands Attraktivität für die medizinische Forschung.

Das Konsortium

Konsortialleitung & Teilprojektleitung

Dr. Theresa Ahrens
theresa.ahrens(at)iese.fraunhofer.de

Teilprojektleitung

Dr. Tobias Alt-Veit
t.alt-veit(at)insiders-technologies.de

Teilprojektleitung

Alexander Bartschke
alexander.bartschke(at)bih-charite.de

Daten und Fakten

Diese Vorhaben wird vom Bundesministeriums für Forschung, Technologie und Raumfahrt Rahmen des Technologieprogramms „KI-Innovationswettbewerb – Generative KI für den Mittelstand“ gefördert.

Laufzeit

01.02.2025 – 30.01.2028

Budget

Fördermittel: 1,64 Mio. Euro

Gesamtmittel: 2,1 Mio. Euro

Förderkennzeichen

1MK25002A