Vergleich von 9 großen Sprachmodellen im Gesundheitswesen
Wir haben 9 LLMs mit dem MedQA-Datensatz getestet, einem Benchmark für klinische Prüfungen auf Hochschulniveau, der aus USMLE-Fragen abgeleitet wurde. Jedes Modell beantwortete dieselben klinischen Multiple-Choice-Szenarien unter Verwendung eines standardisierten Prompts, was einen direkten Vergleich der Genauigkeit ermöglichte.
Wir haben auch die Latenz pro Frage aufgezeichnet, indem wir die Gesamtbearbeitungszeit durch die Anzahl der abgeschlossenen MedQA-Aufgaben geteilt haben.
Benchmark-Ergebnisse für LLMs im Gesundheitswesen
Benchmark-Methode: Dieser Benchmark bewertet die Leistung des überwachten Fine-Tuning von LLMs im Vergleich zu großen allgemeinen Modellen (GPT-4) bei medizinischen Frage-Antwort-Aufgaben. Siehe Benchmark-Datenquellen.
MedQA: Multiple-Choice-Fragen für medizinische Prüfungen basierend auf der United States Medical Licensing Examination.
Abbildung 1: Beispiel für eine klinische Multiple-Choice-Frage im USMLE-Stil.
MedMCQA: Ein groß angelegter Datensatz für Multiple-Choice-Fragen (MCQA), der entwickelt wurde, um Fragen zu realen medizinischen Zulassungsprüfungen zu beantworten.
Abbildung 2: Eine groß angelegte Multiple-Choice-Frage für medizinische Zulassungsprüfungen, bei der das Modell die richtige Antwort auswählen und die damit verbundenen Erklärungen zu klinischen Befunden interpretieren muss.
PubMedQA: Benchmark für biomedizinische Frage-Antwort-Aufgaben mit Ja/Nein/Vielleicht-Antworten.
Abbildung 3: Eine biomedizinische Ja/Nein/Vielleicht-Frage, bei der das Modell die Richtigkeit einer klinischen Behauptung unter Verwendung des bereitgestellten Studienkontexts beurteilen muss.
Beispiele für LLMs im Gesundheitswesen
BERT-ähnlich (Nur Encoder)
Optimiert für die Kodierung und Darstellung biomedizinischer Texte, sind diese Modelle hervorragend darin, Merkmale für Aufgaben wie Klassifizierung zu extrahieren.
ChatGPT / LLaMA-ähnlich (Decoder, Instruktion/Chat-tuned)
Basiert auf LLaMA-ähnlichen Architekturen und optimiert für interaktive Aufgaben und klinische Dialoge.
GPT / PaLM-ähnlich (Nur Decoder, generativ)
Ähnlich wie GPT-3 oder PaLM aufgebaut, sind diese Modelle für die allgemeine Textgenerierung und Zusammenfassung feinabgestimmt.
Allgemeine LLMs im Gesundheitswesen
*Llama 3.1 Instruct Turbo mit 405 Mrd. Parametern. Siehe Benchmark-Methode.
Wichtige Erkenntnisse:
- o1: Bestes Modell
- 03 mini: Beste Budget-Option
- GPT 4.1: Beste Geschwindigkeit und Reaktionszeit
Neben Genauigkeit und Eingabekosten unterscheiden sich Modelle auch in ihren grundlegenden Ansätzen zur Beantwortung medizinischer Fragen. Zum Beispiel verwendet o3 einen schrittweisen, analytischen Ansatz, während GPT-5 empathisch antwortet, Informationen organisiert und für Laien klar erklärt:
Abbildung 4: Grafik, die die Unterschiede zwischen den Antworten von GPT-5 und o3 zeigt.
Fine-Tuning medizinischer LLMs
Die Leistung des Standard-ChatGPT (4o-Modell) wird mit dem bestehenden Assistenten „Klinisches Medizin-Handbuch" verglichen. Beide Modelle erhalten denselben Prompt, und ihre Antworten werden analysiert:
GPT 4o
Abbildung 5: Die Abbildung zeigt, dass die Antwort des Standardmodells GPT 4o genau, aber auch stark zusammengefasst ist.1
Feinabgestimmtes medizinisches LLM
Abbildung 6: Die Abbildung zeigt, dass die Antwort des spezialisierten Agents besser erklärt und detaillierter ist.2
Lesen Sie LLM Fine-Tuning und LLM Training für mehr Informationen.
Anwendungen allgemeiner LLMs
Diese Modelle sind allgemein feinabgestimmte Modelle, die eine Domänenanpassung erfordern, um klinische Aufgaben genau auszuführen. Sie können diese Modelle im Gesundheitswesen einsetzen, indem Sie Folgendes nutzen:
- Kontinuierliches Vortraining mit medizinischen Daten, um dem Modell zu helfen, medizinische Sprache besser zu erkennen, indem es klinischen Notizen und biomedizinischer Literatur (wie PubMed) ausgesetzt wird.
- RAG , um Daten aus verifizierten klinischen Dokumenten zu ziehen und genaue Antworten zur Laufzeit zu produzieren.
- Instruktions-Fine-Tuning, um dem Modell beizubringen, wie es klinische Fragen beantwortet oder Symptome aus Text extrahiert.
Abbildung 7: Ein allgemeiner Workflow für das LLM Fine-Tuning für spezialisierte Anwendungsfälle.9
Anwendungsfälle von LLMs in klinischen Umgebungen
1. Medizinische Transkription
LLMs können bei der Erstellung medizinischer Transkriptionen helfen durch:
- Hören des organischen Dialogs zwischen einem Patienten und einem Kliniker.
- Extrahieren kritischer medizinischer Details.
- Kondensieren medizinischer Daten in konforme medizinische Aufzeichnungen, die mit den relevanten Abschnitten einer EHR übereinstimmen.
Beispiel aus der Praxis: Googles MedLM kann das Gespräch zwischen Patient und Kliniker erfassen und in eine medizinische Transkription umwandeln.10
2. Verbesserung elektronischer Gesundheitsakten (EHR)
Die weit verbreitete Nutzung elektronischer Gesundheitsakten (EHRs) hat enorme Mengen an Patientendaten erzeugt, die bei effektiver Nutzung die Gesundheitsversorgung erheblich verbessern können.
Beispielsweise kann die Analyse von EHR-Daten Ärzten helfen, bessere Entscheidungen zu treffen, indem sie Muster in Diagnosen, Behandlungen und Ergebnissen aufdeckt. Es kann auch die Früherkennung von Krankheiten und eine persönlichere Betreuung unterstützen, indem Risikofaktoren identifiziert und Behandlungen auf einzelne Patienten zugeschnitten werden.
Auf Systemebene können EHR-Daten die Effizienz verbessern, indem sie redundante Tests reduzieren, Versorgungslücken aufzeigen und politische Maßnahmen informieren, die die Qualität verbessern und Kosten senken.
Beispiel aus der Praxis: Googles MedLM wird von BenchSci, Accenture und Deloitte zur Verbesserung elektronischer Gesundheitsakten (EHRs) eingesetzt.
- BenchSci hat MedLM in seine ASCEND-Plattform integriert, um die Qualität der präklinischen Forschung zu verbessern.
- Accenture nutzt MedLM, um unstrukturierte Daten aus mehreren Quellen zu organisieren und zuvor zeitaufwändige, fehleranfällige manuelle Vorgänge zu automatisieren.
- Deloitte arbeitet mit MedLM zusammen, um Reibungsverluste bei der Suche nach Behandlungen zu minimieren. Sie nutzen einen interaktiven Chatbot, der Teilnehmern von Krankenversicherungsplänen hilft, die Anbieteralternativen besser zu verstehen.11
3. Unterstützung klinischer Entscheidungen
LLMs helfen Ärzten, patientenspezifische Informationen in der aktuellen medizinischen Evidenz zu interpretieren, relevante Überlegungen während der Diagnose oder Behandlungsplanung aufzuzeigen, ohne das klinische Urteil zu ersetzen.
Beispiel aus der Praxis: MedGemma (Google DeepMind) ist eine Sammlung von medizinischen Modellen mit offenen Gewichten, die auf der Google Gemma 3-Architektur basieren. Anstatt als direktes Diagnose-Tool für Verbraucher zu fungieren, dient MedGemma als Grundlage für Entwickler, um medizinische Anwendungen für Kliniker zu erstellen.
Entwickelt für sowohl medizinische Text- als auch Bildanalyse, kann MedGemma komplexe medizinische Bilder interpretieren, einschließlich Brust-Röntgenaufnahmen, MRTs und CT-Scans. Es unterstützt auch klinische Reasoning-Aufgaben, wie das Zusammenfassen von Patientennotizen oder das Beantworten von Fragen im Stil medizinischer Boards.
Laut einer Überprüfung durch einen in den USA zertifizierten kardiothorakalen Radiologen würden 81 % der von MedGemma generierten Brust-Röntgenberichte zu Patientenmanagement-Entscheidungen führen, die denen ähnlich sind, die auf den ursprünglichen Radiologenberichten basieren (siehe Grafik unten).
Abbildung 8: Die Grafik zeigt, wie oft KI-generierte Brust-Röntgenberichte und ursprüngliche Radiologenberichte zu ähnlichen oder unterschiedlichen klinischen Ergebnissen bei normalen, abnormalen und allen Fällen führen.12
Beispiel aus der Praxis: Das Memorial Sloan Kettering Cancer Center nutzt IBM Watson Oncology, um Onkologen zu unterstützen, indem es Patientendaten und medizinische Literatur analysiert, um evidenzbasierte Behandlungsoptionen zu empfehlen.13
4. Unterstützung medizinischer Forschung
In der medizinischen Forschung liegt der Kernwert von LLMs in ihrer Fähigkeit, Literaturrecherche und Synthese zu beschleunigen.
Anstatt einfach Papers zusammenzufassen, helfen LLMs Forschern, mit der sich schnell erweiternden biomedizinischen Literatur Schritt zu halten, indem sie relevante Studien identifizieren, Schlüsselerkenntnisse extrahieren und Erkenntnisse über mehrere Quellen hinweg synthetisieren.
Beispiel aus der Praxis: John Snows medizinischer Chatbot hilft Forschern, relevante wissenschaftliche Papers zu finden, Schlüsselerkenntnisse zu extrahieren und Forschungstrends zu identifizieren. Er ist besonders wertvoll für die Navigation durch die enorme Menge an biomedizinischer Literatur.14
5. Automatisierte Patienten-Kommunikation
LLM im Gesundheitswesen können informative und einfühlsame Antworten auf Patientenfragen entwerfen. Einige Beispiele sind:
- Medikamentenmanagement und Erinnerungen: Ein Chatbot gibt Patienten regelmäßige Erinnerungen, ihre Diabetes-Medikamente einzunehmen, und fordert eine Bestätigung an.
- Gesundheitsüberwachung und Nachsorge: Ein postoperativer Patient sendet seinen Schmerz- und Wundstatus an einen Chatbot, der bestimmt, ob der Heilungsprozess fortschreitet.
- Informative und edukative Kommunikation: Ein Patient fragt einen Chatbot, wie er Bluthochdruck managen kann, und der Chatbot antwortet mit Ernährungs- und Lebensstiltipps.
Beispiel aus der Praxis: ChatGPT Health ermöglicht es Benutzern, sicher ihre medizinischen Aufzeichnungen und Gesundheitsdaten (z. B. Apple Health oder MyFitnessPal) zu verbinden. Benutzer können dann ChatGPT Fragen zu ihren eigenen Daten stellen, wie „Wie entwickelt sich mein Cholesterinspiegel?" oder „Fasse meine neuesten Laborergebnisse zusammen."15
Beispiel aus der Praxis: Das Boston Children's Hospital nutzt Buoy Health, einen KI-gesteuerten Online-Symptom-Checker-Chatbot, der Patienten sofortige Antworten auf gesundheitsbezogene Fragen und Erstberatungen bietet.
Der Chatbot kann Patienten triagieren, indem er ihre Symptome analysiert und berät, ob sie einen Arzt aufsuchen müssen.16
6. Vorhersage von Gesundheitsergebnissen
LLMs können eingesetzt werden, um Risikostratifizierung und Prognose im Gesundheitswesen zu ermöglichen. Durch die Unterstützung der Analyse strukturierter und unstrukturierter klinischer Daten können LLMs helfen, Patienten mit erhöhtem Risiko (wie Wiederaufnahme ins Krankenhaus) zu identifizieren und eine proaktive Versorgungsplanung zu unterstützen, oft in Kombination mit traditionellen Vorhersagemodellen.
Beispiel aus der Praxis: WVU-Apotheker verwenden einen prädiktiven Algorithmus, um das Risiko einer Wiederaufnahme zu bestimmen. Dieser Ansatz wird Daten aus elektronischen Gesundheitsakten (EHRs) untersuchen, die Patientendemografie, klinische Historie und sozioökonomische Gesundheitsdeterminanten umfassen.
Aufgrund dieser Forschung identifizieren die WVU-Apotheker Patienten mit hohem Risiko einer Wiederaufnahme und weisen Koordinatoren zu, um sie nach der Entlassung zu kontaktieren. Dies kann dazu beitragen, die Wiederaufnahmeraten zu senken.17
7. Personalisierte Behandlungspläne
Durch die Integration von Krankengeschichte, Symptomen und longitudinalen Gesundheitsdaten können LLMs helfen, komplexe Patientendaten in individuelle Versorgungsüberlegungen zu übersetzen und so persönlichere und kontextbewusste Behandlungsdiskussionen zwischen Ärzten und Patienten zu unterstützen.
Beispiel aus der Praxis: Der KI-Chatbot von Babylon Health bietet personalisierte Gesundheitsempfehlungen basierend auf den Symptomen und der Krankengeschichte des Benutzers. Er führt Benutzer in ein Gespräch, indem er relevante Fragen stellt, um ihre Probleme besser zu analysieren, und maßgeschneiderte Empfehlungen gibt.18
8. Medizinische Kodierung und Abrechnung
LLM können Audit-Prozesse automatisieren, indem sie Patientenakten und EHRs analysieren.
Beispiel aus der Praxis: Epic Systems, ein EHR-Anbieter, integriert LLMs in seine Software, um bei der Kodierung und Abrechnung zu unterstützen. Die LLMs können nach Anomalien in Zugriffsmustern auf sensible Patientendaten oder Inkonsistenzen in Kodierungs- und Abrechnungspraktiken überwachen.19
Beispiel aus der Praxis: Claude for Healthcare (Anthropic) ist eine auf Unternehmen ausgerichtete Plattform, die für Gesundheitsorganisationen, Anbieter und Versicherungen entwickelt wurde. Sie verbindet große Sprachmodelle mit professionellen medizinischen Datenbanken wie ICD-10 und der CMS-Coverage-Datenbank, was es Krankenhäusern ermöglicht, administrative Workflows zu automatisieren. Diese Workflows umfassen Versicherungsvorabgenehmigungen, Zusammenfassung von Patientenakten und Triage von Nachrichten im Patientenportal.20
Allerdings sind LLMs noch nicht vollständig bereit für die medizinische Kodierung, aber ihre Beiträge sind vielversprechend: Forscher untersuchten, wie häufig vier LLMs (GPT-3.5, GPT-4, Gemini Pro und Llama2-70b Chat) die korrekten CPT-, ICD-9-CM- und ICD-10-CM-Codes ausstellten.
Ihre Ergebnisse zeigen ein erhebliches Verbesserungspotenzial. Forscher stellten fest, dass LLMs oft Codes generieren, die ungenaue Informationen übertragen, mit einer maximalen Genauigkeit von 50 %.21
9. Ausbildung und Bildung
LLM und generative KI können als interaktive Bildungswerkzeuge eingesetzt werden, um Ärzten und Patienten zu helfen, komplexe medizinische Konzepte besser zu verstehen und verwirrende Informationen zu klären.
Beispiel aus der Praxis: Oxford Medical Simulation nutzt LLMs, die mit VR-Technologie integriert sind, um immersive virtuelle Patientensimulationen zu erstellen.
Diese Simulationen ermöglichen es Studierenden, Hochdruck-Szenarien zu erleben, wie die Behandlung eines Patienten mit Herzstillstand ohne reale Konsequenzen.
Die LLMs steuern die Antworten der virtuellen Patienten, machen sie realistischer und unvorhersehbarer und bereiten Studierende auf die Variabilität realer klinischer Umgebungen vor.22
10. Wirkstoffentdeckung und -entwicklung
LLMs beschleunigen die pharmazeutische Forschung, indem sie Entwicklungszyklen verkürzen und die Kosten für die Markteinführung neuer Verbindungen senken. Diese Modelle können:
- Komplexe molekulare Strukturen analysieren und Verbindungen mit therapeutischem Potenzial markieren.
- Die Wirksamkeit und das Sicherheitsprofil von Kandidatenmedikamenten vor Labortests vorhersagen.
- Neue molekulare Konfigurationen vorschlagen, die auf spezifische therapeutische Ziele ausgerichtet sind.
- Leitverbindungen optimieren, um die Pharmakokinetik zu verbessern und Nebenwirkungen zu reduzieren.
Chemische Sprachmodelle, eine Untergruppe von LLMs, die speziell für pharmazeutische Anwendungen entwickelt wurden, haben messbare Ergebnisse im de novo Drug Design erzielt. Forschungsergebnisse deuten darauf hin, dass warmgestartete Modelle (die von vortrainierten biochemischen Sprachmodellen initialisiert werden) hochwertigere Verbindungen generieren als Baseline-Ansätze.23
11. Radiologie und medizinische Bildgebung
Multimodale LLMs, die sowohl Text als auch Bilder verarbeiten, können medizinische Bilder zusammen mit klinischen Daten überprüfen, um die Erkennung von Anomalien zu unterstützen und zu genaueren diagnostischen Interpretationen beizutragen.
- Bildinterpretation: Modelle wie Med-Flamingo und LLaVA-Med analysieren medizinische Bilder im klinischen Kontext und unterstützen Radiologen bei der Früherkennung von Erkrankungen, die auf Brust-Röntgenaufnahmen, MRTs und CT-Scans sichtbar sind.
- Automatisierte Berichtsgenerierung: Systeme wie ChatCAD generieren radiologische Berichte direkt aus Bilddaten und adressieren eine der zeitaufwändigeren Aufgaben in Abteilungen mit hohem Aufkommen an Bildgebung.
12. Gesundheitskompetenz und sprachliche Zugänglichkeit
Eine praktische Lücke in der Patientenversorgung ist der Abstand zwischen klinischer Sprache und der Sprache, die Patienten verwenden, um ihre eigene Gesundheit zu beschreiben. LLMs können diese Lücke schließen durch:
- Übersetzen medizinischer Terminologie und Fachjargon in einfache Sprache auf dem Leseniveau des Patienten.
- Überbrücken von Sprachunterschieden zwischen Patienten und Anbietern in mehrsprachigen Versorgungsumgebungen.
- Erklären von Behandlungsoptionen, Testergebnissen und Versorgungsplänen in Formaten, die Patienten umsetzen können.
Ein verbessertes Patientenverständnis ist mit besserer Behandlungsadhärenz und besseren Ergebnissen verbunden, was dies zu einer Qualitätsanwendung der Versorgung macht, ebenso wie zu einer Kommunikationsanwendung.
Als bevorzugte Quelle hinzufügenHerausforderungen von LLMs im Gesundheitswesen
Datenschutzbedenken
Die Nutzung von LLM-basierten Gesundheitsanwendungen, die nicht ordnungsgemäß entwickelt, getestet oder für den medizinischen Gebrauch genehmigt wurden, kann erhebliche Risiken für Benutzer darstellen, insbesondere im Bereich Datenschutz.
Diese Tools verarbeiten oft sensible, vom Benutzer bereitgestellte Gesundheitsinformationen, doch ist nicht immer klar, wie diese Daten gespeichert, geteilt werden oder ob die Anwendungen vollständig mit bestehenden Datenschutzgesetzen und -vorschriften konform sind.24
Genauigkeit und Zuverlässigkeit
LLMs sind auch anfällig für Halluzinationen, plausible klingende, aber falsche oder irreführende Informationen.
Beispielsweise empfahl GPT-3.5 bei einer medizinischen Anfrage fälschlicherweise Tetracyclin für eine schwangere Patientin, obwohl es die potenzielle Schädlichkeit für den Fötus korrekt erklärte.25
Abbildung 8: Ein Beispiel von GPT-3.5, das die falsche Empfehlung eines Medikaments zeigt.
Generalisierung vs. Spezialisierung
Ein LLM, das mit allgemeinen medizinischen Daten trainiert wurde, verfügt möglicherweise nicht über das detaillierte Fachwissen, das für spezifische medizinische Fachgebiete erforderlich ist.
Voreingenommenheit und ethische Überlegungen
Neben der Genauigkeit gibt es ethische Bedenken, wie das Potenzial von LLMs, Voreingenommenheiten in ihren Trainingsdaten zu perpetuieren. Dies könnte zu ungleichen Versorgungsempfehlungen für verschiedene demografische Gruppen führen.
Für weitere Details zu den Herausforderungen großer Sprachmodelle lesen Sie die Risiken generativer KI und ethische Fragen der generativen KI.
Die Zukunft von LLMs im Gesundheitswesen
Die Analyse von Stanford zeigt, dass es erhebliches ungenutztes Potenzial für LLMs im Gesundheitswesen gibt.26
Während viele LLMs für Aufgaben wie die Ergänzung von Diagnosen oder die Patienten-Kommunikation eingesetzt wurden, haben sich weniger auf administrative Aufgaben konzentriert, die zu Burnout bei Ärzten beitragen.
In der Zukunft könnten sich LLMs weiterentwickeln, um mit Verhalten, mehr Kontext und Emotionen zu interagieren, was es ihnen ermöglicht, persönlichere und einfühlsamere Unterstützung zu bieten.
Methodik großer Sprachmodelle im Gesundheitswesen
Benchmark-Methode: Dieser Benchmark bewertet 9 beliebte allgemeine LLMs bei medizinischen Fragen auf Hochschulniveau unter Verwendung des MedQA-Datensatzes, der seine Inhalte aus der United States Medical Licensing Examination (USMLE) bezieht. Jede Frage enthält ein klinisches Szenario und Multiple-Choice-Antwortoptionen.
LLM-Ausgaben: Jedes Modell wurde aufgefordert, eine strukturierte Antwort zurückzugeben (z. B. „Antwort: C").27
Latenz: Die durchschnittliche Zeit, die ein Modell benötigt, um eine Antwort auf einen einzelnen MedQA-Prompt zu generieren. Wenn beispielsweise 100 Fragen insgesamt 1.115 Sekunden dauern, beträgt die durchschnittliche Latenz 11,15 Sekunden pro Frage.
LLMs im Gesundheitswesen Benchmark-Datenquellen
- Ergebnisse von Me-LLaMA 70B28
- Ergebnisse von Meditron 70B29
- Ergebnisse von Med-PaLM 230
- ChatGPT & GPT-431
Diese Forschung zitieren
Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{Vergleich von 9 großen Sprachmodellen im Gesundheitswesen}},
year = {2026},
month = may,
howpublished = {\url{https://aimultiple.com/large-language-models-in-healthcare}},
note = {AIMultiple. Abgerufen am 21. Mai 2026}
}Referenzlinks
Seien Sie der Erste, der kommentiert
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.