Vor einem ersten Gespräch in der Krebsmedizin muss sich das Behandlungsteam durch Überweisungen, Befunde und Arztbriefe arbeiten. Eine niederländische Studie zeigt, wie ein Sprachmodell dabei helfen kann: Es ordnet vorhandene Angaben zu einer Übersicht in der Patientenakte. Die Beteiligten berichteten über weniger Arbeitslast und im Mittel gut drei Minuten Zeitersparnis pro Fall. Zugleich zeigt der Praxistest, wie leicht beim Übertragen einer fehlenden Information eine scheinbar eindeutige Aussage entsteht.
Die am 17. Oktober in npj Digital Medicine veröffentlichte Untersuchung stammt von einem Team um Josephine W. van Koevorden. Am Netherlands Cancer Institute in Amsterdam erprobten sechs behandelnde Fachkräfte und drei betreuende erfahrene Kollegen das System AI-FCP in der Kopf-Hals-Onkologie. Ausgewertet wurden 33 Erstgespräche. Der Versuch lief von April bis Juni 2025; die Veröffentlichung ist eine begutachtete, akzeptierte Frühfassung.
Aus vielen Dokumenten wird eine Übersicht
AI-FCP liest die verfügbaren Unterlagen zur Überweisung, darunter Pathologie-, Radiologie- und Laborberichte. Ein für die Aufgabe angepasstes Sprachmodell auf Basis von Llama 3.1 sortiert die Informationen in vier Bereiche: Überweisung, Risikoprofil, Untersuchungsergebnisse und klinisches Patientenprofil. Statt immer wieder in verschiedenen Briefen zu suchen, können die Behandelnden zunächst diese gegliederte Übersicht öffnen.
Jede extrahierte Angabe soll mit dem Quelldokument und der Seite verbunden bleiben. Dazu kommen das Datum des medizinischen Ereignisses und gegebenenfalls die betreffende Einrichtung. Die Verbindung zur Quelle ist entscheidend: Eine kompakte Übersicht hilft beim Orientieren, während sich eine einzelne Aussage am ursprünglichen Befund nachprüfen lässt. Widersprüchliche Angaben sollen ihre Herkunft behalten, damit die medizinische Einordnung beim Behandlungsteam bleibt.
Für Felder ohne belegte Information sieht das System einen leeren Wert vor. An dieser unscheinbaren Stelle zeigt die Studie ein Problem, das über die Formulierung der KI-Antwort hinausgeht.
Wenn aus unbekannt plötzlich unauffällig wird
In zwei von den Teilnehmenden gemeldeten Fällen enthielten die Originalunterlagen keine Angaben zu Allergien. Die eigentliche KI-Zusammenfassung vermerkte entsprechend, dass keine Information vorlag. Erst bei der nachgelagerten Verarbeitung und Übertragung in die elektronische Patientenakte wurde daraus die Aussage, es seien keine Allergien bekannt.
Das verändert den Sinn. Eine fehlende Angabe lässt eine Frage offen; ein ausgefüllter Akteneintrag kann den Eindruck erwecken, sie sei bereits beantwortet. Wer solche Systeme einführt, muss deshalb auch den Weg zwischen Modellantwort und sichtbarem Aktenfeld prüfen. Eine korrekt erzeugte Zwischenfassung kann bei ihrer weiteren Verarbeitung eine andere Bedeutung bekommen.
Die Forschenden dokumentierten insgesamt vier gemeldete Fälle mit möglicherweise klinisch relevanten Abweichungen und untersuchten deren Einordnung. Eine systematische Sicherheitsprüfung sämtlicher 33 Zusammenfassungen gehörte nicht zur Untersuchung. Die Fallberichte beschreiben damit konkrete Fehlerwege; eine allgemeine Fehlerhäufigkeit wurde auf diesem Weg nicht erhoben.
Entlastung hängt auch vom richtigen Zeitpunkt ab
Bei 28 der 33 Gespräche bewerteten die behandelnden Teilnehmenden die Vorbereitung mit AI-FCP als erfolgreich. In 21 Fällen hielten sie die Zusammenfassung für hinreichend vollständig. Diese Bewertungen erfassen unterschiedliche Dinge: Eine Übersicht kann beim Vorbereiten helfen, obwohl für einzelne Angaben noch das Quelldokument geöffnet werden muss.
Bei den fünf nicht erfolgreich bewerteten Vorbereitungen spielten auch Abläufe eine Rolle. Teilweise lag die Zusammenfassung noch nicht vor, als die Fachkräfte sie brauchten. In anderen Fällen waren kurz vor dem Termin neue Dokumente in die Akte gekommen, die deshalb in der Übersicht fehlten. Zur brauchbaren Zusammenfassung gehören also passende Inhalte und ein passender Zeitpunkt.
Die wahrgenommene Arbeitslast lag im verwendeten NASA-TLX-Fragebogen nach Einführung um 28,9 Prozent unter dem Ausgangswert. Die durchschnittlich berichtete Zeitersparnis von 3,26 Minuten beruht auf Angaben zu 31 Gesprächen. Beides beschreibt die Erfahrung der Beteiligten. Der kleine Vorher-nachher-Versuch an einem Zentrum verglich ihre Nutzung mit einer zuvor erhobenen persönlichen Ausgangsbewertung; eine zufällig zugeteilte Vergleichsgruppe gab es nicht. Auch fehlende Fragebogendaten können die Auswahl der ausgewerteten Fälle beeinflussen.
Entwickelt wurde AI-FCP gemeinsam mit kaiko.ai; die Studie legt die Beschäftigungsverhältnisse beteiligter Autoren offen. Die primären Ergebnisdaten wurden laut Veröffentlichung vom Klinikteam erhoben und ausgewertet. Für den Klinikalltag macht der Versuch vor allem einen Zusammenhang greifbar: Entlastung durch eine gute Übersicht und die Prüfung ihrer Einträge gehören zum selben Arbeitsablauf.
Quellen
- Josephine W. van Koevorden et al.: AI-supported first consultation preparation in oncology: a real-world clinical usability study, npj Digital Medicine, veröffentlicht am 17. Oktober 2026; begutachtete Frühfassung. Originalmanuskript mit Ergebnissen und Methoden, abgerufen am 18. Oktober 2026.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
