Mit dem Projekt »FHIR-Starter« präsentierte das Fraunhofer IESE auf der DMEA 2025 einen innovativen Ansatz, um eines der drängendsten Probleme der digitalen Gesundheitsversorgung anzugehen: die massenhafte Ablage medizinischer Informationen in unstrukturierten Formaten wie PDFs, die bislang kaum für Interoperabilität oder KI-Anwendungen zugänglich sind.
Zielsetzung und Technologie
FHIR-Starter setzt auf Large Language Models (LLMs), um automatisiert strukturierte Daten aus medizinischen Freitexten – etwa Arztbriefen, Befund- und Pathologieberichten – zu extrahieren. »Unsere Vision ist es, Arztbriefe digital zu recyceln: Wir nehmen bestehende Dokumente und wandeln sie mithilfe von KI und dem FHIR-Standard in maschinenlesbare, standardisierte Formate um«, erläutert Projektleiterin Dr. Theresa Ahrens.
Die Wahl fiel bewusst auf FHIR (Fast Healthcare Interoperability Resources) als zentrales Austauschformat, um die Interoperabilität und die Integration in bestehende IT-Landschaften wie KIS und PVS zu erleichtern. Auch »Lady FHIR« Prof. Sylvia Thun vom Berlin Institute of Health ist in das vom IESE-Institut koordinierte und auf drei Jahre angelegte und über den KI-Innovationswettbewerb geförderte Projekt eingebunden.
Das FHIR-Starter-Projekt im Überblick
Nach dem Start im Februar liegt der Fokus im ersten Jahr auf dem Zugang zu und der Aufbereitung von anonymisierten medizinischen Daten, etwa aus der Medizininformatikinitiative. Ziel ist es, eine qualitativ hochwertige Datenbasis für das Training der KI-Modelle zu schaffen. Im zweiten Jahr folgt die eigentliche Modellentwicklung auf Basis vortrainierter Open-Source-LLMs, die für die spezifischen Anforderungen im Gesundheitswesen angepasst werden. »Wir werden verschiedene Modelle vergleichen und die jeweils besten Ansätze auswählen – der Markt entwickelt sich hier rasant«, so Dr. Ahrens. Im dritten Jahr ist ein Pilotbetrieb geplant, inklusive einem kliniktauglichen Demonstrator.