LLMs und Mensch: Neue Ontologien für Parkinson‑Monitoring

In einer aktuellen Veröffentlichung auf arXiv wird untersucht, wie Große Sprachmodelle (LLMs) in die Entwicklung einer Ontologie für die Überwachung und Alarmierung von Parkinson‑Patienten eingebunden werden können. Dabei kommen vier zentrale Ansätze zum Einsatz: Einmal‑Prompting, Gedankenketten‑Prompts, X‑HCOME und die erweiterte Variante SimX‑HCOME+.

Die ersten Versuche mit Einmal‑Prompting und Gedankenketten‑Prompts zeigen, dass Große Sprachmodelle in der Lage sind, Grundstrukturen einer Ontologie selbstständig zu erzeugen. Die daraus resultierenden Modelle sind jedoch nicht vollständig und weisen erhebliche Lücken auf, die durch menschliche Nachbearbeitung geschlossen werden müssen.

Der hybride Ansatz X‑HCOME kombiniert die Expertise von Fachleuten mit den generativen Fähigkeiten der Großen Sprachmodelle und führt zu einer deutlich verbesserten Vollständigkeit. Die erzeugten Ontologien liegen in ihrer Qualität nahe an denen, die von erfahrenen Experten manuell erstellt wurden. Mit SimX‑HCOME+, das kontinuierliche menschliche Überwachung und iterative Verfeinerung betont, werden die Modelle noch genauer und umfassender.

Die Ergebnisse unterstreichen, dass die Zusammenarbeit zwischen Mensch und Maschine das Potenzial hat, die Entwicklung medizinischer Ontologien zu beschleunigen und die Qualität signifikant zu erhöhen – ein vielversprechender Schritt für die präzise Überwachung und frühzeitige Alarmierung bei Parkinson‑Patienten.