KI-Arztassistenz (Medical Scribe)

KI-Arztassistenzsysteme nutzen Spracherkennung und große Sprachmodelle, um Patienten-Kliniker-Begegnungen in Echtzeit mitzuhören und automatisch strukturierte klinische Dokumentation zu generieren, etwa SOAP-Notizen, Verlaufsnotizen, Überweisungsschreiben und Entlassungsberichte. Indem sie die Dokumentationslast eliminieren, die einen erheblichen Teil des Arbeitstages von Ärzt:innen beanspruchen kann, optimieren KI-Arztassistenzsysteme die Zeit am Patienten, reduzieren Burnout und verringern die EHR-Arbeit nach Feierabend. Diese Tools tragen bei der Freigabe durch Kliniker:innen direkt in die Patientenakte ein, was Genauigkeit und Einwilligungsarchitektur sowohl für die Patientensicherheit als auch für die rechtliche Compliance entscheidend macht.

Die Pipeline kombiniert eine auf medizinisches Vokabular feinabgestimmte automatische Spracherkennung (ASR), eine Mehrsprecher-Diarisierung zur Trennung von Kliniker- und Patientenstimmen, ein domänenangepasstes LLM, das das Transkript nach SOAP-Abschnitt und Fachvorlage strukturiert, eine medizinische Kodierungs-Engine, die ICD-10-/CPT-Codes vorschlägt, sowie eine EHR-Integrationsschicht, die signierte Notizen über FHIR oder proprietäre APIs zurückschreibt.

• Ambiente ASR mit medizinischem Vokabular: ASR-Modelle, die auf Audio klinischer Begegnungen feinabgestimmt sind, verarbeiten medizinische Terminologie, Arzneimittelnamen, anatomische Referenzen und Kliniker-Kurzformen mit höherer Genauigkeit als allgemeine ASR – und reduzieren die manuellen Korrekturen, die erforderlich sind, bevor die Notizvorlage klinisch korrekt ist.
• Sprecher-Diarisierung und -Zuordnung: Mehrsprecher-Diarisierungsmodelle trennen und kennzeichnen Gesprächsbeiträge zwischen Kliniker:in und Patient:in – und ordnen berichtete Symptome korrekt der Patientin/dem Patienten und klinische Einschätzungen der Ärztin/dem Arzt zu, auch bei komplexen Begegnungen mit Familienmitgliedern oder Dolmetscher:innen.
• Fachspezifische Notizgenerierung: LLMs, die auf domänenspezifische Sprache (Kardiologie, Onkologie, Psychiatrie, Primärversorgung) feinabgestimmt sind, generieren Notizen nach fachlichen Dokumentationskonventionen und reduzieren die Bearbeitungsrate im Vergleich zu generischen Modellen, indem sie domänenspezifische klinische Befunde und Einschätzungsmuster erfassen.
• KI-gestützte medizinische Kodierung: Eine dedizierte Kodierungs-Engine analysiert generierte Notizen und schlägt ICD-10-Diagnose- und CPT-Prozedurcodes als vorläufige Empfehlungen vor, die eine Prüfung durch Kodierer:innen erfordern – und beschleunigt den Kodierungs-Workflow, ohne Kodierungs-Compliance-Anforderungen zu umgehen.
• EHR-Integration und Workflow: Notizen werden den Kliniker:innen innerhalb von 30–60 Sekunden nach Begegnungsende zur Prüfung über eine mobile oder Web-Schnittstelle bereitgestellt, mit einem Ein-Tipp-Workflow zum Prüfen, Bearbeiten und Signieren direkt in die verbundene EHR-Patientenakte – wodurch bestehende Kliniker-Workflows erhalten bleiben, statt einen separaten Dokumentationsschritt hinzuzufügen.

KI-Arztassistenzsysteme liefern ROI über zwei primäre Wege: direkte Zeitrückgewinnung und verbesserte Arztbindung. Kliniker:innen, die KI-Arztassistenz nutzen, können Zeit zurückgewinnen, die für manuelle Dokumentation nach Feierabend aufgewendet wird, und sie auf zusätzliche Patientenkapazität umlenken. Für Gesundheitssysteme, die auf Fee-for-Service-Basis operieren, stellt die zusätzliche Patientenkapazität direkte Einnahmen dar. Für Value-Based-Care-Organisationen ermöglicht die zurückgewonnene Zeit eine gründlichere Präventivversorgung, Versorgungskoordination und komplexes Fallmanagement, das die Kennzahlen der Bevölkerungsgesundheit verbessert. Die verbesserte Arztbindung – getrieben durch reduzierte administrative Last und Burnout – stellt angesichts der erheblichen Kosten der Arztfluktuation eine weitere ROI-Dimension dar.

Nach der EU-KI-Verordnung können KI-Arztassistenzsysteme, die klinische Dokumentation generieren, die in die Gesundheitsakte eingetragen wird, als hochriskant betrachtet werden, wenn sie in den Anwendungsbereich der Medizinprodukteverordnung fallen, siehe Anhang I in der KI-Verordnung. Konformitätsbewertung, technische Dokumentation, eine Grundrechte-Folgenabschätzung und die Registrierung in der EU-KI-Datenbank können dann vor dem Einsatz verpflichtend sein. Nichtkonformität ist mit Bußgeldern von bis zu 35 Mio. € oder 7 % des weltweiten Jahresumsatzes verbunden. Das einsetzende Gesundheitssystem trägt unabhängig von der Anbieterentwicklung die primäre Compliance-Verantwortung.

• Art. 9 DSGVO – Verarbeitung von Gesundheitsdaten und obligatorische DSFA: Art. 9 DSGVO gilt für alle vom System verarbeiteten Gesundheitsdaten. Eine Datenschutz-Folgenabschätzung (DSFA) ist obligatorisch. Eine ausdrückliche Patienteneinwilligung ist erforderlich, bevor die ambiente Aufzeichnung klinischer Begegnungen beginnt – Einwilligungsaufzeichnungen müssen dokumentiert werden, und Patient:innen muss das Recht eingeräumt werden, die Aufzeichnung ohne Beeinträchtigung ihrer Versorgung abzulehnen.
• EU-KI-Verordnung Art. 14 – Menschliche Aufsicht: Die Anforderung der menschlichen Aufsicht nach Art. 14 der EU-KI-Verordnung könnte durch eine obligatorische Prüfung und Freigabe durch Kliniker:innen für jede generierte Notiz vor dem EHR-Eintrag erfüllt werden. Auto-Sign-Konfigurationen, die die Prüfung durch Kliniker:innen umgehen, sind möglicherweise nicht ausreichend, um die Aufsichtspflichten für hochriskante KI-Systeme zu erfüllen.
• EU-KI-Verordnung Art. 4 – KI-Kompetenz für Kliniker:innen: Kliniker:innen, die KI-Arztassistenz nutzen, müssen zu den Fehlertypen des Systems, fachspezifischen Grenzen, Dokumentationsverantwortlichkeitspflichten und der beruflichen Verantwortung geschult werden, generierte Notizen so zu prüfen, als hätten sie sie selbst verfasst.

Eine vollständige Analyse der Konformität mit der EU-KI-Verordnung hängt vom Unternehmenstyp/der Rolle der Organisation, von möglichen Systemänderungen und einer Hochrisiko-Kategorisierung ab.