26rhk02110.3205/26rhk021urn:nbn:de:0183-26rhk0217Meeting AbstractLarge Language Model generierte patient:innenfreundliche rheumatologische Arztbriefe – eine Interimsanalyse der GPTHEALTH-StudieKremerKremerPhillipPUniversitätsklinikum Hamburg-Eppendorf, III. Medizinische Klinik und Poliklinik, Sektion für Rheumatologie und entzündliche Systemerkrankungen, Hamburg, DeutschlandauthorKlemmKlemmJanaJUniversitätsklinikum Hamburg-Eppendorf, III. Medizinische Klinik und Poliklinik, Sektion für Rheumatologie und entzündliche Systemerkrankungen, Hamburg, DeutschlandauthorWallmeierWallmeierPiaPUniversitätsklinikum Hamburg-Eppendorf, III. Medizinische Klinik und Poliklinik, Sektion für Rheumatologie und entzündliche Systemerkrankungen, Hamburg, DeutschlandauthorXiongXiongTingtingTUniversitätsklinikum Hamburg-Eppendorf, III. Medizinische Klinik und Poliklinik, Sektion für Rheumatologie und entzündliche Systemerkrankungen, Hamburg, DeutschlandauthorKötterKötterInaIAuelandklinik Bad Bramstedt, Klinik für Rheumatologie und Immunologie, Bad Bramstedt, DeutschlandUniversitätsklinikum Hamburg-Eppendorf, III. Medizinische Klinik und Poliklinik, Sektion für Rheumatologie und entzündliche Systemerkrankungen, Hamburg, DeutschlandauthorMelderisMelderisSimonSUniversitätsklinikum Hamburg-Eppendorf, III. Medizinische Klinik und Poliklinik, Sektion für Rheumatologie und entzündliche Systemerkrankungen, Hamburg, DeutschlandauthorHaaseHaaseIsabellIUniversitätsklinikum Hamburg-Eppendorf, III. Medizinische Klinik und Poliklinik, Sektion für Rheumatologie und entzündliche Systemerkrankungen, Hamburg, DeutschlandauthorKruscheKruscheMartinMUniversitätsklinikum Hamburg-Eppendorf, III. Medizinische Klinik und Poliklinik, Sektion für Rheumatologie und entzündliche Systemerkrankungen, Hamburg, DeutschlandauthorGerman Medical Science GMS Publishing House
Düsseldorf
61020260909germThis is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License.Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung).M0656021Deutsche Gesellschaft für RheumatologieDeutsche Gesellschaft für Orthopädische RheumatologieGesellschaft für Kinder- und Jugendrheumatologie54. Kongress der Deutschen Gesellschaft für Rheumatologie und Klinische Immunologie (DGRh), 36. Jahrestagung der Gesellschaft für Kinder- und Jugendrheumatologie (GKJR), 40. Jahrestagung der Deutschen Gesellschaft für Orthopädische Rheumatologie (DGORh)Deutscher Rheumatologiekongress 2026Digitale RheumatologieLeipzig2026090920260912DR.09TextEinleitung: Die Erstdiagnose einer entzündlich-rheumatologischen Systemerkrankung (RMD) ist für Betroffene belastend und erfordert verständliche Informationen zu Erkrankung, Therapie und Selbstmanagement . Die Gesundheitskompetenz beeinflusst dabei maßgeblich die Anwendung dieser Informationen und ist eng mit relevanten Krankheitsoutcomes bei RMDs assoziiert , . Da Entlassungsbriefe primär der ärztlichen Kommunikation dienen und häufig sprachlich komplex sind, bleibt ihr Nutzen für Patient:innen oft begrenzt . Große Sprachmodelle (LLMs) könnten hier unterstützen, indem sie medizinische Informationen in patient:innenverständlicher Sprache aufbereiten .Methoden: In der Interimsanalyse der monozentrischen, prospektiven Generating patient-tailored health explanations and letters with ChatGPT (GPTHEALTH)-Studie wurden 30 stationäre Patient:innen (>18 Jahre) mit Erstdiagnose einer RMD eingeschlossen. Der pseudonymisierte Entlassungsbrief wurde über UHHGPT (datenschutzkonforme Schnittstelle zu ChatGPT-4.0) mittels standardisiertem Prompt in eine patient:innenverständliche Version überführt und ärztlich geprüft. Die Datenerhebung erfolgte bei Entlassung (T0) und nach etwa drei Monaten (T1). Ärzt:innen bewerteten Machbarkeit, Zeitaufwand, Qualität und Verständlichkeit, Patient:innen Verständlichkeit, Nutzen und beantworteten die deutsche Version der Health-Literacy (eHEALS). Die Lesbarkeit und Verständlichkeit von Original- und LLM-generierten Briefen wurden mit Flesch–Kincaid Reading Ease, PEMAT-Scores und Wiender Sachtextformel analysiert. Die Studie wurde von der lokalen Ethikkommission in Hamburg genehmigt (2025-101483-BO-ff).Ergebnisse: In die Interimsanalyse wurden 30 Patient:innen eingeschlossen (16 Männer, 53 %; 14 Frauen, 47 %; medianes Alter 67 Jahre, IQR 54–78). Die häufigsten Diagnosen waren Riesenzellarteriitis, ANCA-assoziierte Vaskulitis und Kollagenosen (je 7/30, 23%). Ein Hochschulabschluss lag bei 7/30 (23%) vor. Die Gesundheitskompetenz war bei 10/30 (33%) hoch (Tabelle 1 ). Insgesamt zeigte sich eine gute Akzeptanz der LLM-generierten Berichte (Abbildung 1a ). Zukünftig wünschten sich 26/30 (87%) standardmäßig einen LLM-generieten Bericht. Der FK Reading Ease Score war für die patient:innenfreundlichen Entlassungsbriefe signifikant höher (41,0 vs. 31,9; p < 0,001, Abbildung 1b ), ebenso der PEMAT-Score (69,0 [2,5] vs. 54,4 [2,0]; p < 0,001, Abbildung 1c ). Die LLM-generierte-Version war im Vergleich zum Original signifikant leichter verständlich und sank auf der Wiener Sachtextformel von 12,89 auf 11,10 Punkte (p < 0,001, Abbildung 1d ). LLM-generierte Berichte erforderten nur geringe Modifikationen (Abbildung 1e ).Schlussfolgerung: Die Erstellung patient:innenverständlicher, LLM-generierter Entlassungsbriefe bei rheumatologischen Erkrankungen erscheint machbar, wurde von Patient:innen sehr gut akzeptiert und verbesserte Lesbarkeit sowie Verständlichkeit im Vergleich zu Standardbriefen.Offenlegungserklärung: Phillip Kremer: keine, Jana Klemm: keine, Pia Wallmeier: keine, Tingting Xiong: keine, Ina Kötter: GSK, Eusapharm, Boehringer, Abbvie, Janssen, Lilly, Medac, Novartis, Sobi Vortrags- und Konsultationshonorar, Simon Melderis: keine, Isabell Haase: Abbvie, AstraZeneca, AlphaSigma, GSK, Janssen, Medac, Lilly, Novartis, Sobi, UCB Vortrags- und Konsultationshonorar, Martin Krusche: Novartis, Sobi, Abbvie, Roche/Chugai, UCB Vortrags- und KonsultationshonorarBecker CDiener MHueber AJUnmet Information Needs of Patients with Rheumatic Diseases: Results of a Cross-Sectional Online Survey Study in Germany2022Int J Environ Res Public Health7071Becker C, Diener M, Hueber AJ, et al. Unmet Information Needs of Patients with Rheumatic Diseases: Results of a Cross-Sectional Online Survey Study in Germany. Int J Environ Res Public Health. 2022;19:7071. DOI: 10.3390/ijerph19127071http://dx.doi.org/10.3390/ijerph19127071Berkman NDSheridan SLDonahue KELow Health Literacy and Health Outcomes: An Updated Systematic Review2011Ann Intern Med97–107Berkman ND, Sheridan SL, Donahue KE, et al. Low Health Literacy and Health Outcomes: An Updated Systematic Review. Ann Intern Med. 2011;155:97–107. DOI: 10.7326/0003-4819-155-2-201107190-00005http://dx.doi.org/10.7326/0003-4819-155-2-201107190-00005Dey MBudhathoki SElwell HAssociation of health literacy with disease outcomes in inflammatory arthritis: a systematic review2025Ann Rheum Dis195-209Dey M, Budhathoki S, Elwell H, et al. Association of health literacy with disease outcomes in inflammatory arthritis: a systematic review. Ann Rheum Dis. 2025;85(1):195-209. DOI: 10.1016/j.ard.2025.08.018https://doi.org/10.1016/j.ard.2025.08.018Choudhry AJBaghdadi YMKWagie AEReadability of discharge summaries: with what level of information are we dismissing our patients?2016Am J Surg631–6Choudhry AJ, Baghdadi YMK, Wagie AE, et al. Readability of discharge summaries: with what level of information are we dismissing our patients? Am J Surg. 2016;211:631–6. DOI: 10.1016/j.amjsurg.2015.12.005http://dx.doi.org/10.1016/j.amjsurg.2015.12.005Aydin SKarabacak MVlachos VLarge language models in patient education: a scoping review of applications in medicine2024Front Med1477898Aydin S, Karabacak M, Vlachos V, et al. Large language models in patient education: a scoping review of applications in medicine. Front Med. 2024;11:1477898. DOI: 10.3389/fmed.2024.1477898http://dx.doi.org/10.3389/fmed.2024.1477898
11
Tabelle 1: Merkmale der Studienteilnehmer:innen (N = 30), darunter soziodemografische Variablen, Krankheit, Bildungsniveau und eHealth-Kompetenz.
111
Abbildung 1: Bewertung von Original- und LLM-generierten Entlassungsbriefen aus Sicht von Patient:innen und Ärzt:innen. a) Einstellung der Patient:innen zu UHHGPT-generierten Berichte, b) FK Reading Ease Score: höhere Werte zeigen eine bessere Lesbarkeit an, c) PEMAT Score: höhere Werte zeigen eine bessere Verständlichkeit des zur Verfügung gestellten Materials an, d) Wiener Sachtext Formel (Skala von 4-15), höhere Werte entsprechen höheren erforderlichem Bildungsabschluss, e) notwendiger Anpassungsbedarf der UHHGPT-generierten Berichte.