Automatisierte Prüfung von Entlassungsberichten: KI steigert Qualität der Übergänge

Unvollständige oder inkonsistente Entlassungsdokumentationen sind ein Hauptfaktor für die Fragmentierung der Versorgung und vermeidbare Rückfälle. Trotz ihrer entscheidenden Bedeutung für die Patientensicherheit erfolgt die Prüfung von Entlassungsberichten bislang überwiegend manuell, was die Skalierbarkeit stark einschränkt.

Um dieses Problem zu lösen, wurde ein automatisiertes Prüfframework entwickelt, das auf lokal eingesetzten Large Language Models (LLMs) basiert. Das System wandelt zentrale Anforderungen an die Übergangsversorgung – wie Nachsorgeanweisungen, Medikationshistorie, Patienteninformationen und klinischer Verlauf – in eine strukturierte Validierungsliste um, die sich am DISCHARGED-Framework orientiert.

In einer Pilotstudie wurden die Entlassungsberichte von Erwachsenen aus der MIMIC‑IV-Datenbank analysiert. Ein datenschutzkonformes LLM identifizierte dabei systematisch, ob die wichtigsten Dokumentationspunkte vorhanden, fehlend oder mehrdeutig waren. Die Ergebnisse zeigen, dass eine großflächige, automatisierte Qualitätsprüfung von Entlassungsberichten technisch machbar ist und eine solide Basis für kontinuierliche Verbesserungen in der elektronischen Gesundheitsdokumentation schafft.