Künstliche Intelligenzen wie beispielsweise ChatGPT basieren auf Sprachmodellen, sogenannten Large Language Models (LLMs). Um menschliche Sprache zu verstehen, zu analysieren und sinnhaft mit Sprache darauf zu reagieren, benötigen sie umfangreiche Inhalte, mit denen sie trainiert werden. In einem Medical Large Language Model wird das Sprachverständnis mit der Fähigkeit kombiniert, maßgeschneiderte Informationen aus großen fachspezifischen Datenmengen gezielt zu extrahieren. Das führt zu einer deutlich verbesserten Genauigkeit und Relevanz der generierten Inhalte im medizinischen Kontext.
Mit dem „eRef AI Assistant“ stellen Thieme und XUND ein Medical Large Language Model (MedLLM) vor, das ausschließlich auf qualitätsgesicherte medizinische Fachinformationen zugreift.
Datenbasis wächst kontinuierlich
Der Assistant wird aktuell mit den evidenzbasierten Handlungsempfehlungen der Content-Reihe „Referenz“ von Thieme trainiert. Darin sind Krankheitsbilder, Leitsymptome und Methoden so umfassend wie nötig und so konkret wie möglich beschrieben. Dabei sind die Perspektiven aller medizinischen Fachrichtungen berücksichtigt. Seltene Erkrankungen werden ebenso dargestellt wie weit verbreitete Volkskrankheiten. Das ist jedoch nur der Anfang. Der Zugriff des „eRef AI Assistants“ wird nach und nach auf weitere Inhalte in Thiemes Wissensplattform „eRef“ ausgeweitet.
Transparenz für mehr Verlässlichkeit
Der „eRef AI Assistant“ erweitert die Nutzungsmöglichkeiten der „eRef“ um eine intuitive Suchoption, die in Sekundenschnelle maßgeschneiderte Informationen liefert.
Stellen Mediziner*innen dem „eRef AI Assistant“ eine konkrete Frage, generiert dieser aus den zugrundliegenden Inhalten eine individuelle, spezifische Antwort, inklusive Quellenangabe. Vom Quellennachweis ist der direkte Absprung in die Originalinhalte der „eRef“ möglich. „Das ist bei einer AI nicht selbstverständlich. Aus unserer Sicht ist das jedoch unverzichtbar, wenn wir Informationen liefern wollen, die Mediziner*innen dabei unterstützen sollen, gute Entscheidungen zu treffen“, berichtet Sarah Stalke. Die approbierte Ärztin verantwortet als Product Manager die Weiterentwicklung der „eRef“ bei Thieme.
„Sprachmodelle entwickeln sich schnell zu black boxes, bei denen nicht mehr nachvollziehbar ist, aus welchen Quellen sich die generierten Antworten speisen“, erläutert Tamás Petrovics, Co-Founder & CEO von XUND. „Deshalb legen wir besonderen Wert auf die Inhalte, mit denen wir unsere Technologie trainieren und machen die Quellen transparent. Qualität ist für uns nicht nur ein Anspruch, sondern auch eine Verpflichtung, der wir als MDR-zertifizierter Medizinproduktehersteller nachkommen müssen.“
Ausprobieren, nutzen, trainieren
Aktuell steht der „eRef AI Assistant“ Nutzer*innen der „eRef“ in einer BETA-Version zur Verfügung. Dabei nutzt die künstliche Intelligenz derzeit noch nicht alle Inhalte der „eRef“, doch es werden jeden Tag mehr. Die intensive Nutzung trägt unmittelbar zum Training und Fortschritt der künstlichen Intelligenz bei.
Mit einem 14-tägigen Testzugang haben Interessierte die Möglichkeit, den „eRef AI Assistant“ kennenzulernen.