Text

Hintergrund: 2019 wurde auf dem EbM-Kongress die Digitalisierung der S2e-ReMoS-Leitlinie als Überführung schwachstrukturierter Texte in ein relationales, appnutzbares Datenformat vorgestellt. Mit dem vom Innovationsfonds geförderten Nachfolge-Projekt TheMoS (FKZ: 01VSF23004) wurde dieser Ansatz im MAGIC-Ökosystem weiterentwickelt: Die S3-Leitlinie liegt in der „MAGICapp“ strukturiert, versioniert und über JSON/APIs maschinenlesbar vor. Damit wird die Leitlinie vom textbasierten Dokument zum computabel weiterverarbeitbaren Wissensobjekt.

Zielsetzung/Fragestellung: Untersucht wurde, die weiterverwendung der in MAGIC strukturierten Leitlinieninhalte für zwei digitale Implementierungspfade: ein formal interoperables Entscheidungsunterstützungssystem (CDSS) und ein KI-Assistenzsystem, das Leitlinieninhalte gezielt abruft und verarbeitet (RAG/LLM).

Material & Methoden: Umgesetzt wurden die zwei prototypischen TheMoS-Nebenarmprojekte wie folgt: DECIDE überführte Zielkriterien und Interventionen mittels SNOMED CT, HL7 FHIR und CDS Hooks in ein interoperables CDSS-Modell; BRIDGE transformierte strukturierte MAGICapp-Daten in metadatenangereicherte Wissenseinheiten für ein RAG-basiertes, dialogisches LLM-System. Verglichen wurden beide Ansätze hinsichtlich Implementierbarkeit, Traceability, Governance und Disseminationspotenzial.

Ergebnisse: Die MAGICapp erwies sich als belastbare Primärquelle für die Nutzungsszenarien. Der formal interoperable Pfad war grundsätzlich realisierbar, erforderte aufgrund domänenspezifischer Terminologielücken jedoch adaptive Kodierungsstrategien. Der RAG-basierte Pfad ermöglichte einen flexiblen, dialogischen Zugang zu Leitlinienwissen bei geringerem Implementationsaufwand. Beide Ansätze basieren auf derselben strukturierten Leitlinienquelle, adressieren jedoch unterschiedliche Nutzungskontexte.

Diskussion: Datengetriebene Leitlinienentwicklung verschiebt Dissemination in Richtung technischer Implementierung. Formal interoperable Modelle fördern Standardisierung und Systemintegration, bleiben jedoch modellierungs- und terminologieintensiv. RAG-basierte Systeme senken die Zugangsschwelle, sind aber hinsichtlich Erklärbarkeit, Validierung, Datenschutz und regulatorischer Einordnung begrenzt. Beide Ansätze adressieren unterschiedliche Implementationslogiken und sind komplementär.

Take Home Message für die Praxis: MAGIC ermöglicht die zentrale Pflege einer Leitlinie und deren Nachnutzung in CDSS, Chatbots und Disseminationsanwendungen. Voraussetzung ist ein maschinenlesbares Wissensmodell statt eines statischen Dokuments.

Interessenkonflikte: Keine