Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

NLP für automatisierte Endoskopie-Nebenwirkungserkennung: Transformer vs. regelbasiert

Özden Y et al. · BMJ Open · erschienen 03.09.2026 · PMID 42692516

Von KI ausgewählt und zusammengefasst

Worum es geht

Retrospektive Diagnosegenauigkeitsstudie, die regelbasierte und Transformer-basierte NLP-Modelle zur Klassifizierung von Endoskopie-Befunden nach dokumentierten Nebenwirkungen vergleicht.

Ergebnis

Transformer erreichte 92,2% Sensitivität (95% KI 87,4–95,3%) vs. 84,4% regelbasiert, Spezifität 98,4% vs. 99,5%, beide F1-Scores 0,89; Transformer reduzierte falsch negative (28→14), erhöhte aber falsch positive (9→29).

Übertragbarkeit auf Deutschland

Türkei, methodisch auf andere Freitextberichte übertragbar; autonome Anwendung nicht empfohlen.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.