CareLit Fachartikel

Large Language Modelle zur schnellen Vereinfachung der Eingabe von Qualitätssicherungsdaten: Performance-Test mit Echtdaten am Beispiel der Tumordokumentation in der Urologie

Johannes Frank, Axel S. Merseburger, Johannes Landmesser, Silvia Brozat-Essen, Peter Schramm, Laura Freimann, Alexander Kleehaus, Christian Elsner · TumorDiagnostik & Therapie · 2024 · Heft 09 · S. 617-625

Dokument
923901
CareLit-ID
Jahr
2024
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
TumorDiagnostik & Therapie
Autor:innen
Johannes Frank, Axel S. Merseburger, Johannes Landmesser, Silvia Brozat-Essen, Peter Schramm, Laura Freimann, Alexander Kleehaus, Christian Elsner
Ausgabe
Heft 09 / 2024
Jahrgang 45
Seiten
617-625
Erschienen: 2024-11-01 00:00:00
ISSN
0722-219X

Zusammenfassung

Zusammenfassung Einleitung Large Language Modelle (LLMs) wie ChatGPT haben innerhalb kürzester Zeit die Anwendung von künstlicher Intelligenz in die breite Anwendung gebracht. Neben vielen verschiedenen Use-Cases der Textgenerierung und Verarbeitung ist eine Anwendung die Extraktion von Daten aus vorhandenen Dokumenten und Gesprächen zur vereinfachten und automatisierten Befüllung von Formularen. Zielsetzung Gerade im Bereich der Qualitätssicherung und Dokumentation von Tumorerkrankungen fällt aktuell ein hoher Arbeitsaufwand an, Daten unter verschiedenen Aspekten in leicht variierenden Formaten und unter Anwend…

Schlagworte

Tumor Dokumentation künstliche Intelligenz KI ChatGPT Ökonomie artificial intelligence AI economics oncology documentation TumorDiagnostik & Therapie