TriNetX führt von Menschen validierte Faktenextraktion aus klinischen Aufzeichnungen ein, die Forschern verlässliche Daten liefert

Neue, mittels NLP extrahierte klinische Fakten werden mit einem Konfidenzwert versehen, anhand von Menschen annotierter klinischer Aufzeichnungen überprüft und mit strukturierten EHR-Daten derselben deidentifizierten Patienten verknüpft 

CAMBRIDGE, Massachusetts, 10. November 2026 /PRNewswire/ -- Da künstliche Intelligenz (KI) die Extraktion von Informationen aus klinischen Aufzeichnungen einfacher denn je macht, stellt sich für Forscher die schwierigere Frage, ob diese Daten für die Gewinnung von Real-World-Evidenz vertrauenswürdig sind. TriNetX®, das weltweit führende föderierte Gesundheitsdatennetzwerk, hat heute NLP-extracted Facts from Clinical Notes (mittels NLP extrahierte Fakten aus klinischen Aufzeichnungen) angekündigt, die jetzt auf der TriNetX LIVE™-Plattform und in herunterladbaren Datensätzen verfügbar sind. Diese Funktion liefert Forschern analysereife Datenpunkte aus über 800 Millionen klinischen Aufzeichnungen und Berichten, eine Datenbasis, die bis Ende 2026 voraussichtlich auf rund eine Milliarde anwachsen wird.

Klinische Aufzeichnungen enthalten Angaben zum Krankheitsstadium, zum Leistungsstatus und zu Biomarker-Ergebnissen, welche die strukturierte Dokumentation ergänzen, sich jedoch nur schwer zuverlässig extrahieren lassen. TriNetX kombiniert KI mit fundiertem klinischem sowie informatischem Fachwissen, um Pipelines mit menschlicher Einbindung zu entwickeln und anhand eines großen Korpus annotierter klinischer Aufzeichnungen, die als Goldstandard dienen, zu trainieren. Im Gegensatz zu Ansätzen, die bei der Extraktion aufhören, testet TriNetX jede Pipeline anhand klinischer Aufzeichnungen, die von Menschen annotiert wurden, versieht jeden extrahierten Fakt mit einem Konfidenzwert und verknüpft die aus diesen Aufzeichnungen gewonnenen Daten mit strukturierten EHR-Daten derselben deidentifizierten Patienten, sodass Forscher Kohorten erweitern sowie differenzierte, klinisch aussagekräftige Phänotypen erstellen können.

Drei Schutzmechanismen sichern jeden Fakt ab:

Menschliche Aufsicht. Klinische Experten überprüfen und korrigieren die von der KI markierten Daten, und die Modelle werden anhand dieser Korrekturen neu trainiert. Jedes Modul muss bei der Prüfung anhand klinischer Aufzeichnungen, die von Menschen annotiert wurden, eine Präzision von mindestens 0,90 erreichen.

Klinische Bestätigung. Die extrahierten Fakten werden nicht nur anhand von Modellmetriken, sondern auch anhand erwarteter klinischer Muster geprüft. So zeigten beispielsweise Überlebenskurven, die auf dem extrahierten ECOG-Leistungsstatus (Eastern Cooperative Oncology Group) basierten, dass Patienten mit einem ECOG-Wert von 2 oder höher schlechtere Überlebenschancen hatten.

Kontinuierliche Überwachung. TriNetX überwacht die Modellleistung, wenn neue Gesundheitseinrichtungen am Programm für klinische Aufzeichnungen teilnehmen und neue Aufzeichnungsarten hinzukommen, und verfeinert die Modelle, sobald Abweichungen auftreten.

Erste Ergebnisse zeigen, dass die aus klinischen Aufzeichnungen extrahierten Fakten die Erfassung des Raucherstatus von 22 % auf 67 % erhöhten, in einer Kohortenstudie zu Lungenkrebs sechsmal so viele Patienten identifizierten wie allein strukturierte Daten und bei 292 000 onkologischen Patienten Angaben zum ECOG- und Karnofsky-Leistungsstatus lieferten, die in den strukturierten Datenfeldern fehlten.

„KI auf eine Patientenakte anzusetzen, ist einfach. Was TriNetX auszeichnet, ist die Art und Weise, wie wir dabei vorgehen: mit wissenschaftlicher Disziplin und menschlichem Fachwissen in einem globalen föderierten Netzwerk, in dem die Daten in den Einrichtungen verbleiben, die sie erzeugt haben", sagte August Calhoun, Geschäftsführer von TriNetX. „Das bedeutet, dass klinische Aufzeichnungen zur Gewinnung belastbarer Evidenz beitragen können, während KI zunehmend Teil der alltäglichen Forschung wird.

Es gibt kein System, das jedes Detail aus klinischen Aufzeichnungen auf eine Weise extrahieren kann, die sowohl genau als auch aussagekräftig ist." „Es handelt sich um eine Einschränkung, die der Natur der klinischen Sprache innewohnt", sagte Matvey Palchuk, MD, MS, FAMIA, Leiter der medizinischen Informatik bei TriNetX. „Deshalb ist Validierung wichtig. Unser Ziel ist, die Fakten zu extrahieren, auf die man sich bei der Gewinnung von Evidenz verlassen kann."

NLP-extracted Facts from Clinical Notes decken derzeit die Sozialanamnese (Raucher- und Alkoholstatus), Kardiologie, Pneumologie, allgemeine Onkologie und Biomarker, Lebererkrankungen sowie weitere Bereiche ab und stehen ab sofort den Mitgliedern des TriNetX-Netzwerks zur Verfügung. Weitere Informationen finden Sie auf trinetx.com/data/clinical-notes.

Informationen zu TriNetX, LLC

TriNetX® ist The Global Truth Engine for Better Human Health® (die globale Wahrheitsplattform für eine bessere menschliche Gesundheit). TriNetX basiert auf einem sicheren, vernetzten Netzwerk von mehr als 14 200 klinischen Standorten in über 20 Ländern und liefert verlässliche Evidenz, die auch den strengsten wissenschaftlichen Prüfungen weltweit standhält. Durch die Kombination globaler Daten, unerschütterlicher Integrität sowie einer seltenen Verbindung von KI und menschlicher Intelligenz beschleunigt TriNetX die Gewinnung neuer Erkenntnisse und trägt weltweit zu besseren Gesundheitsergebnissen bei. Besuchen Sie trinetx.com oder folgen Sie TriNetX auf LinkedIn, um mehr zu erfahren.

Medienkontakt
TriNetX
Karen Tunks
E-Mail: [email protected]