Ambient AI: Kliniker optimieren Entwürfe, um Sprache zu standardisieren

Ambient‑AI‑Systeme erstellen aus Patient‑Kliniker‑Gesprächen Entwürfe für klinische Notizen. Dabei greifen sie häufig auf Alltagssprache zurück, um die Verständlichkeit für Patienten zu erhöhen, anstatt sofort medizinische Fachterminologie zu verwenden.

Wie diese Entwürfe anschließend von Ärzt*innen in professionelle Dokumentationen überführt werden, war bislang wenig erforscht. Um die Bearbeitung zu quantifizieren, haben Forscher ein dictionary‑basiertes Transformationsframework entwickelt, das Konsumenten‑Ausdrücke durch ihre klinischen Äquivalente ersetzt.

Die Analyse umfasste 71.173 Paare von AI‑Entwürfen und finalen Notizen aus 34.726 Arzt‑Patient‑Begegnungen. Bestätigte Transformationen wurden definiert als der Austausch eines Konsumenten‑Ausdrucks durch die dictionary‑zugeordnete klinische Form innerhalb derselben Abschnitts‑Kategorie.

Ergebnisse zeigen, dass die Terminologiedichte in allen Abschnitten signifikant reduziert wurde (p < 0.001). Der Abschnitt „Assessment und Plan“ verzeichnete den größten Anteil an Transformationen mit 59,3 %. Insgesamt wurden 7.576 Transformationen in 4.114 Abschnitten (5,8 %) identifiziert, was 1,2 % der Konsumenten‑Begriffe entspricht. Die Intensität der Transformationen variierte zudem zwischen einzelnen Ärzt*innen (p < 0.001).

Die Studie verdeutlicht, dass Ärzt*innen nachträglich systematisch von konversationeller Sprache zu standardisierter, abschnittsangemessener Terminologie übergehen. Diese Erkenntnisse liefern wertvolle Hinweise für die Entwicklung von Ambient‑AI‑Systemen, die abschnittsorientiert auf die Bedürfnisse von Kliniker*innen abgestimmt sind.