LLM-Chatbot liefert 90 % Genauigkeit bei Frühdiagnose – interaktiv

Gesundheitssysteme weltweit kämpfen mit ineffizienten Diagnosen, steigenden Kosten und eingeschränktem Zugang zu Fachärzten. Diese Probleme führen häufig zu Verzögerungen in der Behandlung und zu schlechteren Gesundheitsergebnissen.

Viele aktuelle KI‑Diagnosesysteme sind weder interaktiv noch transparent, was ihre Wirksamkeit im realen, patientenorientierten Umfeld einschränkt. Das neue Forschungsprojekt präsentiert einen diagnostischen Chatbot, der auf einem großen Sprachmodell (GPT‑4o) basiert und Retrieval‑Augmented Generation sowie erklärbare KI‑Techniken nutzt.

Der Chatbot führt dynamische Gespräche mit Patienten, extrahiert und normalisiert Symptome und priorisiert mögliche Diagnosen durch Ähnlichkeitsabgleich und adaptive Fragen. Durch Chain‑of‑Thought‑Prompting liefert das System zudem nachvollziehbare Begründungen für seine Diagnosen.

In Tests gegen klassische Machine‑Learning‑Modelle wie Naive Bayes, Logistic Regression, SVM, Random Forest und KNN erzielte das LLM‑basierte System eine Genauigkeit von 90 % und eine Top‑3‑Genauigkeit von 100 %. Diese Ergebnisse zeigen vielversprechende Perspektiven für transparente, interaktive und klinisch relevante KI‑Lösungen im Gesundheitswesen.