Zusammenfassung

Warum KI-Funktionen im Gesundheitswesen nur dann sinnvoll sind, wenn sie echte Probleme lösen – und was ein lachendes Kind in der Kinderarztpraxis damit zu tun hat. Ein Gastbeitrag von Susanne Dubuisson, Product Director bei Doctolib Die Debatte um Künstliche Intelligenz (KI) im Gesundheitswesen dreht sich häufig um das, was technisch machbar ist.

Sprachmodelle, die Diagnosen […] Der Beitrag KI im Sprechzimmer: Was wirklich zählt, ist klinischer Mehrwert erschien zuerst auf mednic.de - News aus Medizin, Digital Health & IT.

Im Detail

Warum KI-Funktionen im Gesundheitswesen nur dann sinnvoll sind, wenn sie echte Probleme lösen – und was ein lachendes Kind in der Kinderarztpraxis damit zu tun hat.

Ein Gastbeitrag von Susanne Dubuisson, Product Director bei Doctolib

Die Debatte um Künstliche Intelligenz (KI) im Gesundheitswesen dreht sich häufig um das, was technisch machbar ist. Sprachmodelle, die Diagnosen vorschlagen. Algorithmen, die Bildgebung auswerten. Systeme, die Patientendaten in Echtzeit analysieren. Die entscheidende Frage lautet dabei: Schafft das einen echten Mehrwert für Menschen, die täglich damit arbeiten?

In meiner Arbeit als Produktentwicklerin ist diese Frage die ausschlaggebende Leitlinie, nach der mein Team und ich entscheiden, welche Features wir umsetzen und welche nicht. Wenn eine Funktion weder Zeit spart noch ein konkretes Problem löst, dann sollte sie nicht entwickelt werden. Wenn sie das tut, machen wir uns an die Arbeit.

Vom Transkript zum Protokoll: Wie der KI-Sprechstundenassistent entstand

Der Ausgangspunkt für die Entwicklung des KI-Sprechstundenassistenten war naheliegend: Ärztinnen und Ärzte verbringen einen erheblichen Teil ihrer Arbeitszeit damit, im Sprechzimmer zu dokumentieren – entweder parallel zum Gespräch oder im Anschluss daran. Zeit, die an anderer Stelle fehlt.

Für die Patientinnen und Patienten bedeutet dies, dass sie sich in manchen Momenten nicht ganz gehört oder gesehen fühlen, wenn die Aufmerksamkeit der Ärztin oder des Arztes geteilt ist und auf den Bildschirm gerichtet werden muss.

Zunächst brauchten wir Daten, die abbilden, wie Konsultationsgespräche in den Arztpraxen wirklich ablaufen. Gemeinsam mit Medical Experts, d.h. Ärztinnen und Ärzten, die uns stetiges Feedback zu unseren Produkten geben, haben wir umfangreiche Test-Sets erstellt. Die Gespräche wurden aufgezeichnet, in ihre Bestandteile analysiert und manuell annotiert.

Was ist Anamnese, was Befund, was Behandlungsplan? Diese aufwändige Arbeit war notwendig, um ein Modell zu trainieren, das nicht nur Sprache versteht, sondern auch medizinische Gesprächsstrukturen erkennt.

Was ein lachendes Kind über gutes Produktdesign lehrt

Nach der internen Trainingsphase folgte die Pilotierung in echten Praxen. Und hier begann das eigentliche Lernen. Ein Beispiel: Als wir den Assistenten für die Pädiatrie weiterentwickelten, stießen wir auf eine ganz neue Herausforderung. In einer Kinderarztpraxis sind nicht nur eine Ärztin und ein Patient im Raum.

Es sind auch Eltern anwesend, manchmal kleine Geschwister – und Kinder schreien, weinen, lachen. Das Modell musste also lernen, aus diesen Geräuschen und dem Gespräch die medizinisch relevanten Informationen zu filtern. Es musste verstehen: Wer ist hier eigentlich der Patient?

Das klingt trivial, ist es aber nicht. Für jede Fachgruppe – von der Allgemeinmedizin über die HNO bis zur Psychiatrie – gelten andere Gesprächsdynamiken, andere Fachbegriffe und andere Dokumentationsanforderungen. Solche Erkenntnisse gewinnen wir, wenn wir beobachten, wie das System in der Realität eingesetzt wird und Feedback stetig umsetzen.

Wie Entscheidungen entstehen – und wer dabei mitredet

Bei uns ist Produktentwicklung kein klassischer Top-down-Prozess. Product-, Engineering- und Design-Teams arbeiten in kleinen, eigenverantwortlichen Einheiten zusammen – von der ersten Idee bis zur Auslieferung. Konkret heißt das: Nutzende-Interviews, Prototypen, Feedback-Schleifen, bevor eine einzige Zeile Code geschrieben wird.

Klinische Plausibilität sichern unsere Medical Experts, also Ärztinnen und Ärzte, die eng mit den Produktteams zusammenarbeiten. Prototypen werden in Pilotpraxen unter realen Bedingungen getestet. Die Rechtsabteilung ist von Beginn an dabei, damit Datenschutz und regulatorische Anforderungen keine Nachgedanken sind. Und unsere s.g.

Product Champions aus Kundenservice, Key Account und Vertrieb prüfen, ob eine Funktion im Alltag wirklich funktioniert – bevor die eigentliche Entwicklung beginnt. Dieses Modell verlangsamt einzelne Schritte, beschleunigt aber das Gesamtergebnis: Fehler werden früh erkannt, bevor sie teuer werden.

Datenschutz als Grundbedingung

Im Gesundheitswesen ist Datenschutz kein Differenzierungsmerkmal, sondern eine Voraussetzung. Ohne die Einhaltung der deutschen und europäischen Datenschutzgesetze ist eine Marktteilnahme schlicht nicht möglich. Beim KI-Sprechstundenassistenten bedeutet das konkret, dass die Aufzeichnung eines Gesprächs nur dann beginnt, wenn die Patientin oder der Patient ausdrücklich zugestimmt hat.

Die Ärztin oder der Arzt holt dies aktiv ein, ohne Zustimmung läuft nichts.

Qualitätssicherung erfolgt dabei über explizites und implizites Feedback. Explizit bedeutet, dass Ärztinnen und Ärzte direkt berichten, was gut funktioniert und was nicht. Implizit erkennt das System, wenn Änderungen an den KI-generierten Protokollfeldern vorgenommen werden, ohne zu wissen, um welchen Patienten es geht oder was inhaltlich geändert wurde.

Diese anonymisierten Signale zeigen, wo das Modell noch nicht präzise genug arbeitet. Wenn wir Ärztinnen und Ärzte fragen, was sich durch den Einsatz des Sprechstundenassistenten verändert hat, nennen die meisten die Zeitersparnis. Aus zweieinhalb Minuten Dokumentation werden dank der KI-Unterstützung etwa dreißig Sekunden.

Das war jedoch nicht der Effekt, der uns am meisten überrascht hat. In den ersten Rückmeldungen aus den Pilotpraxen berichteten Ärztinnen und Ärzte von etwas anderem. Sie konnten ihre Patientin und Patient wieder in die Augen sehen. Sie sahen nicht auf den Bildschirm oder die Tastatur, sondern auf die Person, die ihnen gegenübersaß.

Sie nahmen nonverbale Signale wieder stärker wahr, Mimik und Körpersprache. Gerade für ältere Patientinnen und Patienten, für Menschen mit wenigen sozialen Kontakten und für alle, bei denen das Gespräch selbst therapeutische Bedeutung hat, ist dieser Unterschied wichtig. Und er wirkt sich positiv auf die Qualität der Behandlung und der Dokumentation aus.

Was KI im Gesundheitswesen leisten kann

KI kann die Dokumentation beschleunigen, Routineaufgaben übernehmen und Muster in Daten erkennen. Dadurch wird die Ärztin bzw. der Arzt entlastet. Was sie jedoch nicht kann, ist Verantwortung zu übernehmen, eine beruhigende Hand zu geben oder den Patientinnen und Patienten in die Augen zu sehen.

Die Entscheidung über die Diagnose, die angestrebte Therapie und das entsprechende Gespräch ist eine menschliche Aufgabe. Die Frage, die wir uns bei jeder neuen Funktion deshalb stellen, lautet nicht nur: Was ist technisch möglich? Sondern: Wo entsteht echter Mehrwert – für Fachkräfte, für Patientinnen und Patienten, für das System?

Das ist Produktdisziplin. Und im Gesundheitswesen, in dem jede Minute Behandlungszeit zählt, ist sie Pflicht. Denn worum geht es wirklich? Es geht um den älteren Herrn, der Zuwendung braucht. Um das Kind, das weint, und die Eltern, die Antworten brauchen. Um die Frau, die ins Sprechzimmer kommt und ärztlichen Rat benötigt.

Wenn KI dazu beiträgt, dass die Ärztin oder der Arzt wieder die Zeit hat, das zu geben, dann hat sie ihren Zweck erfüllt.

https://www.doctolib.de

Die Autorin

Susanne Dubuisson ist Product Director bei Doctolib. Das europäische Healthtech-Unternehmen entwickelt seit 2013 Technologien, die medizinische Fachkräfte im Arbeitsalltag entlasten und ihnen mehr Zeit für ihre Patient:innen zurückgeben.

Doctolib ist in Deutschland mit über 130.000 Gesundheitsfachkräften und 25 Millionen Patientinnen und Patienten, die die Praxissoftware bzw. die App als Gesundheitsbegleiter nutzen, eines der führenden digitalen Gesundheitsunternehmen Europas.

Der Beitrag KI im Sprechzimmer: Was wirklich zählt, ist klinischer Mehrwert erschien zuerst auf mednic.de - News aus Medizin, Digital Health & IT.