Under CopyrightMeyer, MareenMareenMeyerGiesselbach, SvenSvenGiesselbachAntweiler, DarioDarioAntweilerDefosse, JérômeJérômeDefosseHensen, SandraSandraHensenIser, HenriHenriIserSalge, Torsten OliverTorsten OliverSalgeStead, SusanSusanSteadTjardes, ThorstenThorstenTjardesWaloßek, NinaNinaWaloßek2024-03-262024-03-262024-03https://publica.fraunhofer.de/handle/publica/464504https://doi.org/10.24406/publica-284710.24406/publica-2847Künstliche Intelligenz im Schockraum: Wie kann sie das medizinische Team entlasten und unterstützen, um die Behandlung für die Patient*innen sicherer und besser zu machen? Und welche Anwendungen eignen sich hierfür besonders? Hier kommt die Entwicklung neuer KI-Modelle ins Spiel. Insbesondere sogenannte Foundation-Modelle und Large-Language-Modelle (LLMs) ermöglichen die Umsetzung einer Vielzahl von neuen Use Cases im Krankenhaus. Diese umfassen die gesamte Kette klinischer Prozesse bis hin zu Extremsituationen, wie der Schwerverletzten-Versorgung im Schockraum. Besonders relevant ist, dass LLMs ein omnipräsentes Problem von Data Science in der Medizin lösen könnten: Sie können auch mit wenigen Trainingsdaten auf Use Cases adaptiert werden und liefern durch ihr tiefes Sprachverständnis fundiertere Ergebnisse, als es bisher möglich war. Eine besonders spannende Entwicklung stellen LLM-Agenten dar, die eine Umgebung analysieren und daraufhin eigenständig Aktionen, wie z. B. die Bedienung von Systemen über Schnittstellen, durchführen können. In diesem Whitepaper veranschaulichen wir den Nutzen von LLMs und Agenten anhand von zwei Einsatzmöglichkeiten im Schockraum, die im Rahmen des Projekts TraumAInterfaces umgesetzt wurden.deKünstliche IntelligenzKrankenhausGesundheitswesenFoundation modelSchockraumpaper