KI-gestützte SNOMED-CT-Kodierung: Human-AI-Workflow für zweisprachige klinische Texte
Von KI ausgewählt und zusammengefasst
Worum es geht
Evaluierung eines Large-Language-Model-Agent-Systems zur automatisierten Kodierung von klinischen Freitexten auf SNOMED-CT-Konzepte in Deutsch und Koreanisch, mit Messung von Genauigkeit und Zeitaufwand.
Ergebnis
Human-AI-Workflow erhöhte Hit-Rate@1 von 83,7% auf 86,8% (p<0,001), R-Precision von 63,2% auf 67,4% (p<0,001) und reduzierte Kodierungszeit um 53,9% (von 1,57 auf 0,72 min pro Segment).
Übertragbarkeit auf Deutschland
Tertärmedizinische Klinik Südkorea; Dokumentationsaufwand-Entlastung direkt auf deutsche EHR-Systeme 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.