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