KI News: Kurz und klar.

Radiologieberichte enthalten wertvolle klinische Informationen, die ohne teure manuelle Annotationen zur Schulung von Bildverarbeitungsmodellen genutzt werden können. Traditionelle Ansätze stoßen dabei an Grenzen: regelbasierte Systeme kämpfen mit sprachlicher Vielfalt, überwachte Modelle benötigen große annotierte Datensätze, und aktuelle LLM‑Lösungen sind oft proprietär oder ressourcenintensiv und daher für den klinischen Einsatz ungeeignet.

Die jüngsten Fortschritte in der medizinischen KI zeigen deutlich, dass echte Durchbrüche nicht allein von der Komplexität der Modelle abhängen, sondern vor allem von der Qualität und Vielfalt der zugrunde liegenden Daten.

Die manuelle Erstellung des „Impression“-Abschnitts in Radiologieberichten ist ein wesentlicher Faktor für die Belastung von Radiologen. Um diesem Problem entgegenzuwirken, wurde ein neues, schrittweises Verfahren entwickelt, das Open‑Source‑Large‑Language‑Models (LLMs) nutzt, um Impressionen automatisch zu generieren und individuell anzupassen.