Text

Fragestellung: Das Hand-Trauma-Register (HTR) erfasst standardisierte klinische Daten zu Handverletzungen, jedoch limitiert die zeitintensive, manuelle Eingabe von 109 Registerkategorien die Beteiligungsquote und Eingabequalität der Kliniken erheblich. Da eine Übermittlung sensibler Patientendaten in cloudbasierte Systeme aus Datenschutzgründen ausscheidet, scheitern bisherige Automatisierungsansätze. Ziel dieses Projekts ist die Entwicklung einer datenschutzkonformen Software-Pipeline, die unstrukturierte medizinische Berichte mittels lokal betriebener “Large Language Models” (LLM) vollautomatisch analysiert und strukturierte, HTR-konforme XML-Dateien generiert.

Methodik: In Kooperation mit dem Institut für KI und Informatik in der Medizin (TUM) wurde eine modulare Verarbeitungspipeline entwickelt. Diese umfasst unter anderem einen Dokumentenleser für PDF-Arztbriefe und OP-Berichte, gruppenspezifische Prompt-Generatoren, strukturierte LLM-Aufrufe und einen XML-Rebuilder. Es wurden verschiedene Open-Source-Modellfamilien (u.a. Gemma, Qwen, Mistral) im Bereich von 4 bis 27 Milliarden Parametern evaluiert. Die Validierung der Extraktionsqualität erfolgte an fünf klinisch hochkomplexen Fällen gegen einen manuell annotierten Goldstandard.

Ergebnisse: Initiale “Zero-Shot”-Tests wiesen durch Halluzinationen eine inakzeptable Rate an Formatfehlern von 14–32% auf, was eine Weiterverarbeitung unmöglich machte. Durch die Implementierung der neuen strukturierten Extraktionspipeline konnte diese Formatfehlerquote systembedingt auf 0% gesenkt und eine reproduzierbare Auswertung etabliert werden. Modelle mit bis zu 14B Parametern erwiesen sich als hochgradig praxistauglich. Das Modell Qwen2.5:14B erzielte dabei die besten Resultate mit einem F1-Score von 0,64 (strikte Bewertung) bzw. 0,72 (tolerante Bewertung unter Berücksichtigung medizinischer Äquivalenz). Systematische Herausforderungen bestehen derzeit noch in der rechnerischen Ableitung von Zeitdauern sowie der präzisen anatomischen Detaillokalisation.

Schlussfolgerung: Der Einsatz lokaler LLMs zur automatisierten Datenextraktion für das HTR ist technisch machbar, wahrt den Datenschutz vollständig und verspricht eine signifikante Reduktion des manuellen Dokumentationsaufwands. Die entwickelte Pipeline bildet ein robustes, fehlerresistentes Fundament für die anstehende Registeranbindung via XML-Standard. Die nächsten Entwicklungsschritte fokussieren sich auf die Behebung der identifizierten Extraktionsschwächen durch domänenspezifisches Fine-Tuning und systematisches Prompt-Engineering an einer vergrößerten Fallkohorte.