Unstrukturierte EHR‑Daten im Training nutzen – strukturierte Daten im Einsatz

In elektronischen Gesundheitsakten liegen neben den üblichen strukturierten Feldern auch umfangreiche klinische Notizen, die wichtige Kontextinformationen enthalten. Diese unstrukturierten Daten sind jedoch bei der eigentlichen Modellbereitstellung oft nicht verfügbar, was die Leistungsfähigkeit von Algorithmen einschränkt. Ein neues multimodales Lernframework löst dieses Problem, indem es die unstrukturierten Notizen während des Trainings einbezieht, aber am Ende ein Modell erzeugt, das ausschließlich auf strukturierten Daten arbeitet.

Das Verfahren wurde an einer Kohorte von 3 466 Kindern getestet, die auf späte Sprachentwicklung untersucht wurden. Für die Notizen wurden Embeddings mit BioClinicalBERT generiert, während aus Demografie und medizinischen Codes strukturierte Embeddings extrahiert wurden. Ein Teacher‑Modell, das auf Notizen basiert, und ein Student‑Modell, das nur strukturierte Daten nutzt, wurden gleichzeitig mit kontrastivem Lernen und kontrastiver Wissensdistillation trainiert.

Die Ergebnisse sind beeindruckend: Der Teacher‑Modell erzielte einen AUROC von 0,985, während das strukturierte Student‑Modell mit 0,705 einen deutlichen Vorsprung gegenüber dem reinen strukturierten Baseline (AUROC = 0,656) zeigte. Diese Zahlen belegen, dass die Einbindung unstrukturierter Daten im Training die Fähigkeit des Modells stärkt, relevante Informationen aus strukturierten EHR‑Daten zu extrahieren.

Die Studie demonstriert, dass unstrukturierte Daten während des Trainings genutzt werden können, um leistungsfähige, aber praktisch einsetzbare Modelle zu entwickeln, die ausschließlich strukturierte Eingaben benötigen. Dies eröffnet neue Möglichkeiten für die Entwicklung von klinischen Entscheidungsunterstützungssystemen, die sowohl robust als auch leicht deploybar sind.