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

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Lokales LLM-Post-Processing von Whisper-Sprachtranskription in der Medizin: Referenzfreie Evaluierung für klinische Dokumentation

Wattar A et al. · Stud Health Technol Inform · erschienen 17.09.2026 · PMID 42752483

Von KI ausgewählt und zusammengefasst

Worum es geht

Entwicklung und Evaluierung eines referenzfreien Evaluierungs-Frameworks für LLM-basierte Zusammenfassung von Klinik-Transkripten aus lokal eingesetztem Whisper-System (26 deutschsprachige Arzt-Patienten-Gespräche, 4 LLMs, 416 Summaries).

Ergebnis

GPT-OSS-120B und MedGemma-27B erreichten höchste Transcript-Summary-Ähnlichkeit. Stabilität über wiederholte Generationen sehr hoch (Cosine Similarity >0,90). Embedding-basierte Metriken zeigten partielle Übereinstimmung mit menschlicher Bewertung der Zusammenfassungsqualität. Framework ermöglicht skalierbare, referenzfreie Evaluierung ohne Referenzsummaries in Datenschutz-sensiblen Umgebungen.

Übertragbarkeit auf Deutschland

Deutschland, deutsche klinische Texte, lokale Bereitstellung ohne Daten-Cloud.

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