KI-gestützte Surveillance: Large Language Models identifizieren Überdosis-Todesfälle aus Obduktionsberichten
Von KI ausgewählt und zusammengefasst
Worum es geht
Zwei LLM-Pipelines (LLaMA-8B-Instruct und ClinicalModernBERT) analysieren unstrukturierte Narrative von Todesfallermittlungen, um Überdosistodesfälle automatisch zu erkennen, mit Safeguards für Datenschutz und Bias-Kontrolle.
Ergebnis
LLaMA-8B: 88 % PPV, 92 % Sensitivität, 84 % NPV, 76 % Spezifität, 85 % Macro-F1. ClinicalModernBERT: 83 % PPV, 92 % Sensitivität, 82 % NPV, 67 % Spezifität, 81 % Macro-F1. Beide Modelle übertrafen bisherige Surveillance-Tools und logistische Regression. Human-in-the-loop-Design mit Fehleranalyse und kontinuierlicher Bias-Bewertung.
Übertragbarkeit auf Deutschland
USA; NLP-Ansatz auch auf deutsche EHR-Daten anwendbar.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.