Mehr als Schlagwortsuche: Wie Large Language Models das Medizincontrolling verändern

Ein echter Qualitätssprung

Künstliche Intelligenz ist im Medizincontrolling kein ganz neues Thema. Neu ist jedoch die Qualität, mit der sie jetzt arbeitet. Viele bisherige Systeme zur Kodierunterstützung basieren im Kern auf Worterkennung, Musterabgleichen und starren Regeln. Sie prüfen, ob bestimmte Begriffe in der Akte vorkommen, markieren mögliche Auffälligkeiten und erzeugen oft viele Hinweise, die im Alltag erst wieder manuell bewertet werden müssen. Echte künstliche Intelligenz kann heutzutage mehr.

Mit Large Language Models, kurz LLMs, entsteht nun eine neue Ausgangslage. Diese Modelle, bekannt geworden durch Systeme wie ChatGPT, können medizinische Dokumentation nicht nur durchsuchen, sondern auch inhaltlich verstehen und im Kontext bewerten. Genau diesen technologischen Sprung bringt Dr. Manuel Hettich nach seiner Tätigkeit am LMU Klinikum München nun ins Medizincontrolling.

Was LLMs anders machen

Der Unterschied ist grundlegend: Ein entsprechend entwickeltes LLM-basiertes System kann nicht nur prüfen, ob ein bestimmtes Wort gefallen ist. Es kann auch bewerten, was inhaltlich beschrieben wurde, ob therapeutischer Aufwand tatsächlich stattgefunden hat, ob die Deutschen Kodierrichtlinien eine Kodierung unter diesen Umständen zulassen und ob SEG-4- und FoKA-Empfehlungen, BSG-Urteile oder andere Maßgaben den Sachverhalt weiter präzisieren. Und dies alles in der Gesamtschau über Dutzende Falldokumente hinweg.

Ein Beispiel verdeutlicht das: Bei einem Patienten ist eine Pneumonie dokumentiert, die Ursache bleibt jedoch unklar, und ein Erregernachweis liegt nicht vor. Ein traditionelles System würde hier meist nur einen unspezifischen Code vorschlagen oder gar keinen belastbaren Hinweis geben. Die von Dr. Hettich entwickelte LLM-basierte Software MediCoda geht hier anders vor: Die KI weiß, dass eine bakterielle Ursache allgemein häufig ist, prüft im Medikamentenplan eine empirische Antibiotikatherapie und bezieht die Kodierrichtlinie für Verdachtsdiagnosen (DKR 008b) ein.

Auf dieser Basis kodiert sie regelkonform die bakterielle Pneumonie und kann die Entscheidung nachvollziehbar begründen. Genau darin liegt der Unterschied: nicht Schlagwortabgleich, sondern inhaltliches Verstehen und regelgeleitetes Schlussfolgern, dynamisch geleitet vom Fallkontext.

Im Klinikalltag

Wie sich dieser Ansatz im Klinikalltag auswirkt, zeigt das Krankenhaus Johanneum. Das Haus der Grund- und Regelversorgung mit 144 Planbetten steht wie viele Kliniken unter wirtschaftlichem Druck. Gleichzeitig ist die medizinische Dokumentation umfangreich, und im Alltag bleibt oft kaum Zeit, jeden einzelnen Fall auf erlösrelevante Details, Dokumentationslücken oder MD-Risiken zu prüfen.

Mit MediCoda nutzt das Medizincontrolling dort ein KI-gestütztes System, das die gesamte Patientendokumentation automatisiert auswertet, unabhängig von Format oder Qualität der Dokumente. Auch Scans und handschriftliche Dokumente können verarbeitet werden. Die KI analysiert unstrukturierte Daten wie Arztbriefe, externe Befunde, Laborwerte und OP-Berichte und erstellt daraus eine kompakte Fallzusammenfassung, mit der die Mitarbeitenden sofort im Fall sind.

Hinzu kommen eine sauber begründete vollständige Kodierung sowie Hinweise auf klärungsbedürftige Dokumentationslücken und Erlöschancen.

„Was mich am meisten beeindruckt hat, ist wirklich, dass die KI sehr gründlich ist. Eben erst habe ich einen Brief gelesen und mir gedacht: Was will der Mediziner mir damit sagen? Und dann hat die KI mir eine Hauptdiagnose vorgeschlagen – und die war perfekt."

Andreas Elsbernd, Leitung Medizincontrolling im Krankenhaus Johanneum

Was daraus folgt

Die Ergebnisse sprechen für sich: deutliche Erlössteigerung, eine höhere Qualität in Kodierung und Dokumentation, mehr Sicherheit bei MD-Prüfungen und ein produktiverer Austausch zwischen Ärzteschaft und Medizincontrolling.

„Es lohnt sich, diese KI einzuführen, weil es die tägliche Arbeit der Mitarbeiter verbessert und weil es die sowieso geleistete Arbeit auch monetär tatsächlich abbildet – was vorher vielleicht nicht immer zu 100 % gegeben war."

Lukas Mählmann, Geschäftsführung des Krankenhauses Johanneum

Neueste KI-Sprachmodelle markieren damit im Medizincontrolling keinen kleinen Evolutionsschritt, sondern einen echten Technologiesprung. Erstmals kann Software die Patientenakte nicht nur durchsuchen, sondern auch inhaltlich auswerten und daraus eine belastbare Kodierung sowie Hinweise für Dokumentation und Erlössicherung ableiten.