Große Sprachmodelle in der klinischen Entscheidung
7 Studien
2026O'Sullivan LLM (cardiology)Ärztliche EntscheidungsfindungBei 9 Kardiologen bei der Beurteilung komplexer Fälle mit Verdacht auf genetische Kardiomyopathie, verbesserte die Unterstützung durch ein LLM-basiertes KI-System die von verblindeten Subspezialisten bewertete Qualität von Triage, Diagnose und Management verglichen mit Kardiologen ohne Unterstützung.
2026Tao LLM (care transitions)PatientenkontaktBei 2.069 Patienten in fachärztlichen Sprechstunden, verkürzte ein LLM-Chatbot, der vor dem Termin die Anamnese erhebt und die Überweisung entwirft die Dauer der fachärztlichen Konsultation verglichen mit keinem Chatbot vor dem Facharztbesuch.
2026Agweyu LLM (primary care, Kenya)Eigenständige BeratungBei 9.691 Patienten in Primärversorgungseinrichtungen in Kenia, senkte ein LLM-Entscheidungsunterstützungssystem in der Patientenakte das Therapieversagen innerhalb von 14 Tagen verglichen mit der elektronischen Patientenakte allein nicht.
2025Goh GPT-4 (management reasoning)Ärztliche EntscheidungsfindungBei 92 Ärzten bei der Beantwortung klinischer Fallvignetten, verbesserte GPT-4 zusätzlich zu konventionellen Ressourcen die Scores im Management-Reasoning verglichen mit konventionellen Ressourcen allein.
2025AMIEEigenständige BeratungBei 159 Textkonsultationen mit validierten Schauspielpatienten, verbesserte eine LLM-basierte konversationelle diagnostische KI (AMIE) die diagnostische Genauigkeit und bewertete Konsultationsqualität verglichen mit Ärzten der Primärversorgung.
2025Bolton AI antimicrobial prescribingÄrztliche EntscheidungsfindungBei 42 antibiotikaverordnenden Klinikern bei der Beurteilung von Fallvignetten, unterschied sich eine KI-Entscheidungsunterstützung mit Erklärungen zur Umstellung von i.v. auf oral nicht von Standardinformationen allein bei den meisten Umstellungsentscheidungen und Bearbeitungszeiten.
2024Goh LLM (diagnostic reasoning)Ärztliche EntscheidungsfindungBei 50 Ärzten bei der Bearbeitung klinischer Fallvignetten, verbesserte der Zugang zu einem großen Sprachmodell zusätzlich zu konventionellen Ressourcen die Scores im diagnostischen Reasoning verglichen mit konventionellen Ressourcen allein nicht.