KI‑Self‑Triage: 100 validierte AMA‑Flowcharts führen Patienten sicher

In einer Zeit, in der Online‑Gesundheitsportale und große Sprachmodelle (LLMs) immer häufiger als Erstkontakt für medizinische Entscheidungen genutzt werden, bleibt die Zuverlässigkeit dieser Systeme oft hinter den Erwartungen zurück. Ein neues, konzeptionelles Self‑Triage‑System aus dem Forschungsbereich löst dieses Problem, indem es LLMs mit 100 klinisch validierten Flowcharts der American Medical Association (AMA) anleitet. Das Ergebnis ist ein strukturierter, nachvollziehbarer Rahmen, der Patientenentscheidungen unterstützt, ohne die Transparenz zu opfern.

Das System setzt auf ein Multi‑Agenten‑Framework, das aus drei spezialisierten Komponenten besteht: einem Retrieval‑Agenten, der das passendste Flowchart identifiziert; einem Decision‑Agenten, der die Antworten des Patienten interpretiert; und einem Chat‑Agenten, der die Ergebnisse in verständlicher, patientenfreundlicher Sprache präsentiert. Durch diese Aufteilung kann das System sowohl die Flexibilität von freiem Textdialog als auch die Präzision standardisierter klinischer Protokolle kombinieren.

In umfangreichen Tests mit synthetischen Konversationsdaten zeigte das System beeindruckende Ergebnisse: 95,29 % Top‑3‑Genauigkeit bei der Flowchart‑Suche (N = 2 000) und 99,10 % Genauigkeit bei der Navigation durch die Flowcharts über 37 200 simulierte Gespräche hinweg. Diese Zahlen belegen, dass die Kombination aus LLM‑Technologie und validierten medizinischen Entscheidungsbäumen nicht nur zuverlässig, sondern auch skalierbar ist.

Die vorgestellte Lösung demonstriert, dass KI‑unterstützte Self‑Triage transparent, genau und generalisierbar sein kann. Sie bietet Patienten die Möglichkeit, fundierte Entscheidungen zu treffen, während gleichzeitig die Belastung für das Gesundheitssystem reduziert wird. Mit dieser Technologie könnte die Art und Weise, wie Menschen erstmals mit medizinischen Fragen umgehen, nachhaltig verbessert werden.