Machine Learning priorisiert hochgefährliche Patientensicherheitsereignisse zur Institutionellen Untersuchung
Von KI ausgewählt und zusammengefasst
Worum es geht
Entwicklung und Validierung von Ranking-basierten Machine-Learning-Modellen (Feature- und Transformer-basiert) zur Triage von 101.239 Patientensicherheitsmeldungen aus kanadischem Universitätsklinikum 2017–2025; Vergleich mit klassifizierungsbasierten Ansätzen und manueller Triage.
Ergebnis
LLAMA3.1-RA (Large Language Model + Ranking) erzielte mittlere durchschnittliche Präzision 0,94 (95%-KI 0,90–0,98), 22,1% relative Verbesserung gegenüber bester Klassifizierung (LLAMA3.1-CL: 0,77). Modell identifizierte 83,0% hochgefährlicher Fälle in Top 200 vs. 41,0% durch Reporter-Schweregrad-Baseline.
Übertragbarkeit auf Deutschland
Kanada, ähnliches Versicherungssystem; Logik auf deutsche Meldesysteme übertragbar
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.