EPFL entwickelt offenes Framework für medizinische KI-Modelle statt einzelner Sprachmodelle

Die EPFL verfolgt mit Meditron FO einen neuen Ansatz in der medizinischen KI. Statt ein einzelnes Sprachmodell zu veröffentlichen, stellt das Team um Mary-Anne Hartley ein Framework bereit, das verschiedene offene Basismodelle medizinisch anpassen kann. Grund dafür ist, dass neue Basismodelle fast wöchentlich erscheinen und unterschiedliche Einsatzorte unterschiedliche Modelle hinsichtlich Grösse, Sprache und Infrastruktur erfordern.

Ärztinnen und Ärzte sind dauerhaft in das Kernentwicklungsteam eingebunden. Über die Plattform MOOVE bewerten sie Modelle anhand hypothetischer Fälle und in klinischen Studien unter realen Bedingungen. In einer Schweizer Evaluation bevorzugten Kliniker das so trainierte Modell in 70 Prozent der Vergleiche.

Der Trainingskorpus umfasst acht öffentliche Frage-Antwort-Datensätze, über 46.000 klinische Leitlinien und von Fachpersonen verfasste Fallvignetten. Private Patientendaten wurden nicht verwendet. Quellen mit schwacher Evidenz und Überschneidungen mit Evaluations-Benchmarks wurden ausgeschlossen.

Hartley betont die praktische Bedeutung vollständig offener Modelle: Dokumentierte Trainingsquellen und Methoden ermöglichen die Überprüfung gemäss EU AI Act. Geplante klinische Studien sollen unter anderem untersuchen, ob Meditron unnötige Antibiotikaverschreibungen und bildgebende Untersuchungen reduzieren kann. Für das Schweizer E-Gesundheitsdossier fordert Hartley, parallel in lokal kontrollierte KI-Modelle zu investieren, damit Patientendaten nicht in externe kommerzielle Systeme abfliessen.