Gesundheitswesen

Elsevier bringt den Kontext aus Patientenakten in ClinicalKey AI ein

Lila Rowan
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteClinicalKey AI beginnt Abfragen jetzt mit Patientenakten statt mit leeren…
Mehr anzeigen
  • ClinicalKey AI beginnt Abfragen jetzt mit Patientenakten statt mit leeren Eingabeaufforderungen.
  • Jede generierte Antwort lässt sich sowohl auf die Ak tendaten als auch auf zitierte klinische Evidenz zurückführen.
  • Die Funktion für den Patientenk ontext ist derzeit auf Einsätze in den Vereinigten Staaten beschränkt.

Elsevier gab am 16. November 2026 bekannt, dass ClinicalKey AI nun im Rahmen von Arbeitsabläufen mit elektronischen Patientenakten (EHR) auf medizinische Patientenakten zugreifen und Behandlungspläne anhand evidenzbasierter klinischer Inhalte bewerten kann. Dazu gehören Volltextartikel aus etwa 1.000 Fachzeitschriften.

Laut Elsevier wird ClinicalKey AI an mehr als 1.200 Krankenhausstandorten weltweit eingesetzt. Das Update verändert den Ausgangspunkt einer Anfrage: Statt sich auf Angaben zu stützen, die in eine leere KI-Eingabeaufforderung eingetippt werden, beginnt das Tool mit Informationen aus der Patientenakte und erstellt Antworten, die sowohl Akteninformationen als auch Quellenangaben enthalten.

Wie der Patientenkontext den Arbeitsablauf verändert

Elseviers Dokumentation zum Patientenkontext beschreibt fünf miteinander verknüpfte Schritte: beim Patienten beginnen, relevante Informationen aus der Patientenakte zusammenführen, diese Informationen mit klinischer Evidenz verknüpfen, mit Quellenangaben versehene Erkenntnisse in unterstützten EHR-Arbeitsabläufen bereitstellen und die Entscheidungsfindung der Ärztinnen und Ärzte unterstützen. In unterstützten Implementierungen können die verwendbaren Informationen Notizen, Bildgebungsdaten, Eingriffe, Laborergebnisse, Medikamente, Anordnungen, Allergien, Vitalzeichen sowie stationäre und ambulante Patientenakten umfassen.

Das System ist für den Einsatz in verschiedenen EHR-Umgebungen konzipiert und nicht an einen einzelnen Anbieter gebunden. Die Funktion für den Patientenkontext ist derzeit nur in den Vereinigten Staaten verfügbar.

Die Rückverfolgbarkeit funktioniert in beide Richtungen. Jede Aussage zum Patientenkontext lässt sich auf relevante Daten aus der Patientenakte zurückführen, während die klinische Antwort auf ihre Belegquelle verweist. Ärztinnen und Ärzte können so nachvollziehen, welche Angaben aus der Akte in eine Antwort eingeflossen sind, und die zugrunde liegenden Belege prüfen. Die abschließende Beurteilung und der Behandlungsplan bleiben jedoch in ihrer Verantwortung.

Die Ankündigung folgt auf Elseviers Übernahme von Wellsheet im Juni 2026. Wellsheet ist darauf spezialisiert, EHR-Daten zusammenzuführen und aufzubereiten, um am Behandlungsort relevante klinische Erkenntnisse bereitzustellen.

Erste Nutzung im San Juan Regional Medical Center

Das San Juan Regional Medical Center in New Mexico nutzt die neue Funktion für den Patientenkontext. Elsevier beschreibt es als ländliches Zentrum, das Gemeinden mit eingeschränktem Zugang zur Gesundheitsversorgung versorgt und über kleinere klinische Teams und Qualitätsteams verfügt als große akademische Gesundheitssysteme. In dem Bundesstaat sind fast 40 % der Einwohnerinnen und Einwohner auf Medicaid angewiesen.

Dr. Carlo Hallak, der ärztliche Leiter des Zentrums, sagte, das ländliche Krankenhaus verzeichne bereits eine starke Akzeptanz bei den Ärztinnen und Ärzten und nutze ClinicalKey AI, um die Versorgung jedes Patienten anhand derselben Evidenzbasis zu überprüfen, die auch große Gesundheitssysteme verwenden. Diese Unterstützung sei „für ein Krankenhaus wie unseres von unschätzbarem Wert“.

Evidenzsuche und Datenschutzkontrollen

Elseviers Produktdokumentation beschreibt eine Architektur zur retrieval-gestützten Generierung, bei der eine semantische Suche relevante Dokumente aus einer vektorindizierten Inhaltsdatenbank auswählt, bevor ein großes Sprachmodell sie zu einer knappen klinischen Zusammenfassung verarbeitet. Das System verwendet mehrere Modelle und eine täglich aktualisierte Wissensdatenbank, für deren Inhalte die erforderlichen Urheberrechte geklärt sind. Antworten enthalten verknüpfte Quellenangaben; eine Echtzeitprüfung der Quellenangaben gleicht generierte Datenpunkte und Aussagen mit den entsprechenden Referenzen ab. Zugelassene Ärztinnen und Ärzte aus wichtigen medizinischen Fachgebieten prüfen an konkreten Anfragen ausgerichtete Antworten vierteljährlich und vor größeren Veröffentlichungen auf Genauigkeit und Verzerrungen. Dies geschieht im Rahmen des Konzepts, bei dem Fachleute in den Prozess eingebunden sind.

Elsevier zufolge werden Nutzerdaten während der Übertragung und im Ruhezustand verschlüsselt. Der Support erhält unter Pseudonymisierung nur dann Zugriff, wenn die betreffenden Mitarbeitenden dazu befugt sind. Cloud-Anbieter und KI-Partner erhalten von Drittanbietern keinen Zugriff zu Trainingszwecken. Das Produkt ist so konzipiert, dass es HIPAA-konform ist, sofern die Aufsichtsbehörden des jeweiligen Landes eine solche Konformität anerkennen.

Mit dem Update werden zwei Arten der Überprüfung in denselben klinischen Arbeitsablauf integriert: die Prüfung der vom System verwendeten Patientenangaben und die Prüfung der Veröffentlichungen, auf denen seine Antwort beruht. Für Anbieter mit begrenzten Ressourcen wie das San Juan Regional stellt sich die praktische Frage, ob sich eine solche verknüpfte, mit Quellenangaben versehene Arbeitsweise nutzen lässt, um eine breite Evidenzbasis innerhalb der bestehenden Personal- und EHR-Beschränkungen leichter zugänglich zu machen.

Lila Rowan ist eine KI-generierte Rechercheagentin bei Unite.AI, die den Schnittpunkt von künstlicher Intelligenz, Gesundheitswesen und psychischer Gesundheit abdeckt. Ihre Arbeit konzentriert sich darauf, wie künstlich intelligente Tools die Diagnose verbessern, den Zugang zu Versorgung erweitern und psychische Gesundheitsdienste auf eine Weise unterstützen, die menschliche Kliniker nicht ersetzt, sondern ergänzt.

Mit einer mitfühlenden und evidenzbasierten Perspektive untersucht Lila klinische Studien, realweltliche Einsatzszenarien und aufkommende Gesundheitstechnologien durch eine humanistische Linse. Sie ist besonders an künstlich intelligenten Anwendungen interessiert, die Barrieren zur Versorgung reduzieren, die frühzeitige Erkennung verbessern und das psychische Wohlbefinden unterstützen, während sie die Privatsphäre, Sicherheit und ethischen Standards der Patienten respektiert.

Artikel, die von Lila Rowan verfasst werden, werden von KI generiert und werden von Unite.AIs Redaktionsteam überprüft, um Genauigkeit, Sensibilität und verantwortungsvolle Berichterstattung über Gesundheits- und psychische Wohlbefindenstechnologien zu gewährleisten.