Clear Sky Science · de

Multimodales System zur automatisierten medizinischen Dokumentation und klinischen Entscheidungsunterstützung mit Integration von Contact-Center-Lösungen

· Zurück zur Übersicht

Ärzten mehr Zeit für Patienten verschaffen

Viele Hausärzte empfinden die Büroarbeit als Zeiträuber, der die persönliche Betreuung schmälert. Das Parrot-AI-Projekt geht dieses Problem an, indem es einen intelligenten Helfer entwickelt, der medizinische Konsultationen mitschneidet, die Notizen verfasst und Vorschläge unterbreitet — dabei bleibt der Arzt jederzeit in der Entscheidungsrolle. Für Patientinnen und Patienten kann das kürzere Wartezeiten, fokussiertere Gespräche und klarere Aufzeichnungen jedes Besuchs bedeuten.

Warum Büroarbeit so belastend ist

Elektronische Patientenakten sollten die Versorgung vereinfachen, in der Praxis tippen oder klicken Ärzte aber häufig noch die meisten Formulare manuell aus. Studien deuten darauf hin, dass fast die Hälfte einer Standardsprechstunde für Dokumentation statt für direkten Kontakt verwendet wird. Allein in Polen führten Hausärzte 2023 mehr als 180 Millionen Konsultationen durch, sodass selbst kleine Zeitgewinne pro Besuch relevant sind. Bestehende digitale Werkzeuge decken meist nur enge Aufgaben ab — etwa Terminbuchung oder Diktat — und unterstützen nicht den gesamten Ablauf vom Erstkontakt bis zu Diagnose und Therapie.

Figure 1. KI-Helfer verknüpft Patientenanrufe, Arztbesuche und digitale Formulare, sodass Klinikpersonal weniger Zeit mit Tippen und mehr Zeit mit Menschen verbringt.
Figure 1. KI-Helfer verknüpft Patientenanrufe, Arztbesuche und digitale Formulare, sodass Klinikpersonal weniger Zeit mit Tippen und mehr Zeit mit Menschen verbringt.

Was das Parrot-AI-System leistet

Das Parrot-AI-System ist für Allgemein- und Kinderarztpraxen ausgelegt und verbindet mehrere Werkzeuge in einem Workflow. Zunächst kümmern sich Telefon- und Chatassistenten um Terminvereinbarungen und stellen vor dem Besuch einfache Fragen zu Symptomen. Während der Konsultation wandelt Spracherkennung das Arzt–Patienten-Gespräch in Text um. Ein auf polnischen Gesprächen trainiertes Sprachmodell durchsucht dann den Dialog nach Schlüsselinformationen wie Symptomen, Medikamenten, Messwerten und Überweisungen zu Untersuchungen und nutzt diese, um große Teile des elektronischen Formulars automatisch auszufüllen. So erhält der Arzt einen geprüften Entwurf statt eines leeren Bildschirms, den er von Grund auf ausfüllen müsste.

Wie der smarte Assistent Entscheidungen unterstützt

Über das Verfassen von Notizen hinaus enthält Parrot AI ein Expertensystem, das die gesammelten Symptome bewertet und wahrscheinliche Diagnosen sowie Behandlungsoptionen vorschlägt. Es stützt sich auf große Trainingsdatensätze, die Muster von Beschwerden mit konkreten Erkrankungen und Therapien verknüpfen, basierend auf standardisierten Krankheitscodes. Verschiedene Machine-Learning-Methoden wurden getestet; am besten schnitt eine Technik namens Random Forest ab. Für jede Patientin/jeden Patienten zeigt das System die drei am stärksten vorgeschlagenen Diagnosen sowie mögliche Verschreibungen, Laboruntersuchungen und Arbeitsunfähigkeitsbescheinigungen an. Der Arzt kann jeden Vorschlag annehmen, ändern oder ablehnen, sodass die medizinische Bewertung stets beim Menschen verbleibt.

Figure 2. Das Gespräch fließt in eine KI-Engine, die Sprache in einen Entwurf der Patientenakte umwandelt und wahrscheinliche Diagnosen und Behandlungsoptionen vorschlägt.
Figure 2. Das Gespräch fließt in eine KI-Engine, die Sprache in einen Entwurf der Patientenakte umwandelt und wahrscheinliche Diagnosen und Behandlungsoptionen vorschlägt.

Wie gut das System bisher funktioniert

Die Forschenden bewerteten die einzelnen Bausteine separat. Das Sprachmodell, das Informationen aus Gesprächen extrahiert, identifizierte medizinische Details und deren Bedeutung in mehr als vier von fünf Fällen korrekt. Das Expertensystem erzielte eine vergleichbare Wirksamkeit beim Abgleich von Symptommustern mit Diagnosen und Therapien, oft über den Werten, die für andere medizinische Hilfesysteme berichtet wurden. Sprach- und Chatassistenten bewältigten außerdem die meisten Registrierungs- und Vorabfragen ohne menschlichen Operator. Diese Tests basierten auf Tausenden realer, anonymisierter Klinikbesuche aus Polen, und das System arbeitete nahezu in Echtzeit.

Grenzen, Sicherheit und nächste Schritte

Die Autoren weisen darauf hin, dass Parrot AI bisher nur für Polnisch trainiert wurde und überwiegend Daten aus einer Region nutzt, weshalb noch nicht alle Erkrankungen oder Sprechstile abgedeckt sind. Hintergrundgeräusche und unterschiedliche Ausstattung in Praxen können die Genauigkeit beeinträchtigen. Bislang wurde das System hauptsächlich an historischen Aufzeichnungen und in kontrollierten Pilotversuchen getestet. Zum Schutz der Patientinnen und Patienten wird jeder automatisierte Schritt protokolliert, und der Arzt muss alle Diagnosen, Überweisungen und Verschreibungen bestätigen, bevor sie Teil der Akte werden. Zukünftige Arbeiten sollen die Bandbreite der Fachgebiete erweitern, den Umgang mit seltenen Erkrankungen verbessern und klarere Erklärungen liefern, wie die Algorithmen zu ihren Schlussfolgerungen gelangen.

Was das für die alltägliche Versorgung bedeuten könnte

Die Studie legt nahe, dass ein gut gestalteter digitaler Assistent viele Routineaufgaben beim Tippen und Prüfen übernehmen kann, die medizinische Besuche belasten, während die abschließenden Entscheidungen bei den Klinikerinnen und Klinikern bleiben. Durch die Kombination von Callcenter-ähnlichen Werkzeugen, Spracherkennung, Sprachverständnis und einem Expertensystem zeigt Parrot AI in Richtung Praxen, in denen Besuche konsistenter dokumentiert werden und Ärztinnen und Ärzte mehr Zeit für Zuhören und Erklären haben. Bestätigen weitere Studien die Ergebnisse, könnten Systeme wie dieses zu einem weit verbreiteten, meist unsichtbaren Helfer in der Primärversorgung werden.

Zitation: Płaza, M., Płaza, M., Lucińska, M. et al. Multimodal system for automated medical documentation and clinical decision support integrating contact center solutions. Sci Rep 16, 15017 (2026). https://doi.org/10.1038/s41598-026-45879-2

Schlüsselwörter: medizinische Dokumentation, klinische Entscheidungsunterstützung, natürliche Sprachverarbeitung, Contact Center, Primärversorgung