Skalierbare Erzeugung und Prüfung konsistenter synthetischer Patientenpfade

Der Zugang zu elektronischen Gesundheitsakten (EHRs) ist häufig durch Datenschutzbestimmungen und institutionelle Hürden eingeschränkt. Synthetische EHRs wurden als Lösung vorgeschlagen, um sichere und souveräne Datenfreigabe zu ermöglichen. Bisher erzeugen die meisten Verfahren zwar statistisch korrekte Daten, weisen jedoch klinische Inkonsistenzen auf, die die Nutzbarkeit einschränken.

In einer neuen Studie wurde ein integrierter Pipeline-Ansatz vorgestellt, der synthetische Patientenpfade klinisch konsistent macht. Der Ansatz kombiniert eine hochpräzise Generierung mit einer skalierbaren Prüfungsphase. Auf Basis der MIMIC‑IV-Datenbank wurde ein wissensbasierter Generativmodell entwickelt, das fast 32.000 unterschiedliche klinische Ereignisse – von Demografie über Labordaten bis hin zu Diagnosen – abbildet und gleichzeitig die strukturelle Integrität der Daten sicherstellt.

Zur Gewährleistung klinischer Konsistenz auf großem Umfang wurde ein automatisiertes Auditing‑Modul integriert, das große Sprachmodelle nutzt, um klinische Inkonsistenzen (z. B. kontraindizierte Medikamente) zu erkennen und auszuschließen. Mit diesem Verfahren wurden 18.071 synthetische Patientenakten aus einer Ausgangsgruppe von 180.712 echten Patienten generiert. Die Wahrscheinlichkeiten der synthetischen Ereignisse stimmen mit den realen Daten nahezu exakt überein (mittlerer Bias 0,00, R² = 0,99). Eine klinische Prüfung von 20 zufällig ausgewählten synthetischen Aufzeichnungen zeigte jedoch Inkonsistenzen in 45 – 60 % der Fälle. Das automatisierte Auditing reduzierte die Diskrepanz zwischen realen und synthetischen Daten signifikant.

Die Ergebnisse demonstrieren, dass die Kombination aus wissensbasierter Generierung und automatisierter Prüfung synthetische EHRs erzeugen kann, die nicht nur statistisch, sondern auch klinisch vertrauenswürdig sind. Dies eröffnet neue Möglichkeiten für die sichere Nutzung von Gesundheitsdaten in Forschung und Entwicklung, ohne die Privatsphäre der Patienten zu gefährden.