AG Große Sprachmodelle (Large Language Models) in der Uroonkologie

Die Arbeitsgruppe „Große Sprachmodelle (Large Language Models, LLMs) in der Uroonkologie“ beschäftigt sich mit der Entwicklung, Evaluation und klinischen Einordnung von KI-basierten Sprachmodellen in der urologischen Onkologie. Ziel ist es, moderne generative KI-Technologien zur Verbesserung von Diagnostik, Therapieentscheidung, Patientenkommunikation und medizinischer Ausbildung nutzbar zu machen.

Im Fokus steht die sichere, evidenzbasierte und transparente Anwendung von LLMs entlang der gesamten Versorgungskette uroonkologischer Patienten. Dabei werden sowohl technische als auch ethische, kommunikative und klinische Fragestellungen adressiert. Die Arbeiten der Gruppe sind eng verzahnt mit klinischer Forschung und orientieren sich an aktuellen Leitlinien sowie patientenzentrierten Endpunkten.

Forschungsschwerpunkte

Klinische Entscheidungsunterstützung durch LLMs
Ein zentraler Schwerpunkt ist die Entwicklung und Validierung von Sprachmodellen zur Unterstützung klinischer Entscheidungen in der Uroonkologie. Hierzu zählen insbesondere:

• • Analyse und Beantwortung komplexer urologischer Fragestellungen auf Facharztniveau
  • Integration evidenzbasierter Leitlinien (z. B. deutsche S3 Leitlinien) in KI-Modelle
  • Vergleich der Modellleistung mit ärztlicher Expertise

Ein Beispiel hierfür ist die Arbeit zur überdurchschnittlichen Performance von Sprachmodellen bei urologischen Prüfungsfragen unter Einbindung erklärbarer Modelle und Leitlinienwissen (Urobot).

Patientenkommunikation und Empathie in KI-Systemen
Ein weiterer Fokus liegt auf der Interaktion zwischen Patienten und KI-Systemen. Ziel ist es, LLMs so zu gestalten, dass sie:

• • empathisch und verständlich kommunizieren
  • patientenzentrierte Informationen bereitstellen
  • Vertrauen und Akzeptanz fördern

Im Rahmen klinischer Studien wird untersucht, wie Patienten Aspekte wie Empathie, Mitgefühl und Selbstoffenbarung bei KI-basierten Systemen wahrnehmen (z. B. IPALLM-Studienreihe).

Explainable AI und Sicherheit
Die Nachvollziehbarkeit von KI-Entscheidungen ist eine zentrale Voraussetzung für den klinischen Einsatz. Die Arbeitsgruppe entwickelt daher Ansätze zur:

• • Erklärbarkeit von Modellantworten („Explainable AI“)
  • Reduktion von Halluzinationen und Fehlinformationen
  • Validierung von Antworten anhand strukturierter Wissensquellen

Perspektiven
Die Forschung zu großen Sprachmodellen eröffnet neue Möglichkeiten für die personalisierte und effiziente Versorgung uroonkologischer Patienten. Langfristig sollen KI-Systeme Ärztinnen und Ärzte nicht ersetzen, sondern als unterstützende Werkzeuge dienen, um Qualität, Effizienz und Patientenzufriedenheit weiter zu verbessern.