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

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Machine Learning zur Extraktion prophylaktischer Indikationen aus Klinische Notizen

Jiang W et al. · JMIR Med Inform · erschienen 02.11.2026 · PMID 42970760

Von KI ausgewählt und zusammengefasst

Worum es geht

Entwicklung eines Machine-Learning-Klassifikators (CatBoost, LightGBM, BERT) zur automatisierten Identifikation prophylaktischer vs. nicht-prophylaktischer Indikationen von Protonenpumpenhemmern in 3695 unstrukturierten Patientendokumenten.

Ergebnis

CatBoost-Modell mit balancierten Klassengewichten erzielte auf Test-Set F1-Score 0,727 (Genauigkeit=0,693; Recall=0,765) auf Notiz-Ebene und F1-Score 0,889 (Genauigkeit=0,800; Recall=1,000) auf Patienten-Ebene. Interpretability via SHAP gewährleistet. Identifiziert potenzielle Arzneimittelsicherheitsrisiken aus unstrukturierten Notizen.

Übertragbarkeit auf Deutschland

Chinesisches Krankenhaus; NLP-Methoden übertragbar, aber kulturspezifisch validieren nötig.

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