Revolutioniert KI-Spracherkennung die zahnärztliche Dokumentation?
„Obwohl die Transkriptionsgenauigkeit dieser Tools hoch ist, können sie mit technischer Fachsprache Schwierigkeiten haben und ihre Zuverlässigkeit reicht derzeit nicht aus, um eine ungeprüfte Verwendung zu unterstützen“, bilanzieren die Wissenschaftler.
Technische Fachsprache bereitet Probleme
Die fortschrittlichsten Systeme waren schneller und genauer als die manuelle Eingabe und ermöglichten eine Zeitersparnis von bis zu 60 Prozent. Hintergrundgeräusche und Akzente hatten nur minimale Auswirkungen auf die besten Systeme, so dass sie für klinische Umgebungen in der realen Welt geeignet waren.
10 KI-Transkriptionstools im Test
Die Forschenden testeten 10 verschiedene ASR-Systeme, um zu sehen, wie gut sie gesprochene kieferorthopädische Patientenberichte in geschriebenen Text transkribieren konnten. Das leistungsstärkste System war demnach eine experimentelle Pipeline, die die GPT-4o-Transkription von OpenAI mit einem großen Sprachmodell zur automatischen Fehlerkorrektur kombiniert, dicht gefolgt vom Digital Scribe von Heidi Health und der GPT4oTranscribe-Sprach-zu-Text-Anwendungsprogrammierschnittstelle (API). Andere Systeme wiesen jedoch hohe Fehlerquoten auf und brachten sogar klinisch bedeutsame Fehler ein, wie die falsche Identifizierung von Zähnen oder Behandlungsplänen.
Dennoch sei Vorsicht geboten: Obwohl die Technologie vielversprechend ist, warnen die Forschenden davor, dass klinisch bedeutsame Fehler – wie die falsche Identifizierung von Zähnen oder Behandlungsplänen – auftreten können.
Sie empfehlen darum einen „Human-in-the-Loop“-Ansatz, bei dem Zahnärzte die von der KI generierten Transkripte überprüfen und bearbeiten, um ihre Richtigkeit und Genauigkeit sicherzustellen anstatt sich blind auf die Systeme zu verlassen.
„KI-Sprachtools können die Dokumentation rationalisieren und die Effizienz verbessern, aber wir müssen wachsam bleiben. Selbst kleine Transkriptionsfehler können die Patientenversorgung beeinträchtigen.“
Hauptautor Ruairi O'Kane
Wie geht es weiter? Das Team schlägt vor, dass künftige Systeme Vertrauensindikatoren enthalten sollten, um unsichere Begriffe zu kennzeichnen, und dass sie auf größeren, vielfältigeren zahnmedizinischen Datensätzen trainiert werden sollten. Letztendlich besteht das Ziel darin, Kliniker dabei zu unterstützen, ihre Notizen selbst zu bearbeiten – nicht nur zu verfassen – und dabei gleichzeitig Sicherheit und Genauigkeit zu gewährleisten.
Diese Studie wurde mit dem NIHR Integrated Academic Training Poster Prize des NHS England Deanery in London, Kent, Surrey und Sussex für die beste klinische Präsentation und bei der jüngsten British Orthodontic Conference mit dem BOC Aspiring Orthodontist Poster Prize der British Orthodontic Society ausgezeichnet. Die Ergebnisse wurden kürzlich im Journal of Dental Research veröffentlicht.
