LLMs in der Onkologie: Vom Labor in die Praxis – was noch fehlt
Von KI ausgewählt und zusammengefasst
Worum es geht
Perspektiv-Papier (Charité/Fudan University) zur Kritik am Mismatch zwischen Benchmark-Performance von Large Language Models und klinischer Einsatzfähigkeit in der Onkologieversorgung mit Vorschlag eines vierstufigen Evaluierungsparadigmas.
Ergebnis
Autoren identifizieren vier systematische Mismatches: (1) vollständige Information in Benchmarks vs. aktive Informationssuche in der Praxis, (2) einzelne Referenzantworten vs. präferenzabhängige Entscheidungen, (3) Querschnitts-Snapshots vs. longitudinale Krankheitsverläufe, (4) isolierte Modellperformanz vs. Modell-im-System-Einsatzfähigkeit. Sie schlagen vier-Stufen-Evaluation vor: strukturiertes Wissen → interaktive Dialoge → longitudinale Trajektorien → Modell-im-System-Bewertung mit kontinuierlichem Monitoring über den Modell-Lebenszyklus.
Übertragbarkeit auf Deutschland
Deutschland und Charité beteiligt, regulatorischer Kontext EU-KI-Verordnung relevant
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.