Carta Healthcare reduziert die Verarbeitungszeit klinischer Daten mit Claude um 66 %

Carta Healthcare entstand aus einer simplen Frustration am Stanford Children's Hospital: Die langsame, manuelle Datenerfassung bremste bedeutende Fortschritte aus. Aus dieser Herausforderung entstand eine neue Idee – KI mit klinischer Expertise zu verbinden, um die klinische Datenabstraktion schneller, qualitativ hochwertiger und kostengünstiger zu machen, was Carta als „hybride Intelligenz“ bezeichnet. 

Mit Claude erreicht Carta Healthcare Folgendes:

• Reduzierung der klinischen Datenabstraktionszeit um bis zu 66 % bei gleichzeitiger Verbesserung der Datenqualität
• Verarbeitung klinisch komplexer Fragestellungen, die zuvor nicht automatisiert werden konnten
• Inter-Rater-Reliabilitätswerte (IRR) von 98–99 %, der Goldstandard der Gesundheitsbranche für Datenqualität
• Kliniker fungieren nicht mehr als Datenjäger, sondern als Experten für die Validierung und Anwendung von Daten zur Optimierung der Patientenversorgung

Das Problem

Jeden Tag erzeugen Krankenhäuser Berge von klinischer Dokumentation – darunter ärztliche Notizen, Laborergebnisse, Medikamentenaufzeichnungen, OP-Berichte und mehr. In diesen Unterlagen verborgen sind Antworten auf kritische Fragen, die klinische Register benötigen: Hat dieser chirurgische Patient innerhalb von 30 Tagen eine Infektion entwickelt? Wie hoch war sein BMI bei der Aufnahme? Wurden Antibiotika im richtigen Zeitfenster vor dem Eingriff verabreicht? Wie lang war die Door-to-Balloon-Zeit?

Die Extraktion dieser Antworten wird klinische Datenabstraktion genannt und ist mühsame Arbeit. Geschulte Abstraktoren verbringen im Durchschnitt eine Stunde pro Fall, um klinische Notizen und Dokumente manuell zu durchsuchen und spezifische Details in der elektronischen Patientenakte zu finden. Bei komplexen Fällen kann dieser Zeitaufwand auf fünf oder sechs Stunden anwachsen. Ein einzelnes Gesundheitssystem muss möglicherweise mehr als 22.000 chirurgische Fälle pro Jahr abstrahieren und wendet dafür jährlich über 11.000 Arbeitsstunden auf.

Aber die Herausforderung ist nicht nur das Volumen. Klinische Dokumentation ist unübersichtlich, inkonsistent und oft über mehrere Systeme und Formate verteilt. Selbst innerhalb desselben Krankenhauses kann die „richtige Antwort“ auf eine Registerfrage Interpretation, Abgleich widersprüchlicher Notizen und tiefes Verständnis der klinischen Absicht erfordern. Diese Komplexität ist der Grund, warum traditionelle Automatisierungsversuche oft scheitern und warum rein manuelle Workflows teuer und schwer aufrechtzuerhalten bleiben.

„Krankenhausinformationssysteme sind sehr komplex, und traditionelle Datenextraktions- und Integrations-Workflows in Krankenhäusern sind notorisch fragil, variieren stark von System zu System und brechen häufig zusammen, wenn elektronische Patientenakten aktualisiert werden“, sagte Andrew Crowder, Vice President of Engineering und CISO bei Carta Healthcare. „Wir brauchten einen Ansatz, der uns von diesen Inkonsistenzen abschirmte und es uns ermöglichte, Mehrwert zu liefern, ohne an fragile, standortspezifische Prozesse gebunden zu sein.“

Die Wahl fiel auf Claude

Sicherheit war der entscheidende Faktor bei der Modellauswahl von Carta Healthcare. Der Umgang mit sensiblen medizinischen Informationen, einschließlich geschützter Gesundheitsinformationen, erfordert strenge Datenschutzkontrollen. Die Verfügbarkeit von Claude in Amazon Bedrock gab Carta Healthcare das nötige Vertrauen in den Datenschutz und die Zusicherung, dass Kundendaten nicht für das Modelltraining verwendet würden.

„Obwohl andere Modelle in Amazon Bedrock verfügbar waren, zeigte kein anderes Modell die Fähigkeit zur Schlussfolgerung und zum Verständnis, die wir bei den Modellen von Anthropic gefunden haben“, sagte Crowder. „Darüber hinaus haben es uns die veröffentlichten Forschungsergebnisse zu Bias und Model-Alignment ermöglicht, die strengen KI-Prüfverfahren der Krankenhäuser zu bestehen.“

Diese Kombination aus Sicherheitsinfrastruktur, logischer Denkfähigkeit und dokumentierter Forschung zum Model-Alignment ermöglichte es Carta Healthcare, die hohen Hürden der IT- und KI-Prüfinstanzen in Krankenhäusern zu nehmen – eine Grundvoraussetzung für jedes System, das mit Patientendaten arbeitet.

Aufbau eines KI-Systems mit klinischer Qualität

Claude treibt die Lighthouse-Plattform von Carta Healthcare an und dient als KI-Engine für die klinische Registerabstraktion. Claude interpretiert sowohl strukturierte als auch unstrukturierte medizinische Daten semantisch, versteht den klinischen Kontext, formuliert Antworten, liefert Begründungen und sucht direkte Zitate aus Patientenakten heraus. Das System kann Nachweise finden, die bei manuellen Überprüfungen leicht übersehen werden, wie z. B. Dokumentation, die tief in einer Akte vergraben ist oder aus Behandlungen vor Jahren stammt.

Carta Healthcare implementierte eine zweiphasige Extraktionspipeline. In der ersten Phase extrahierten Claude Haiku 3.5 und Sonnet 4 relevante Informationen aus der medizinischen Dokumentation und verarbeiteten sowohl strukturierte Daten als auch unstrukturierte klinische Notizen. In der zweiten Phase synthetisierte Claude Sonnet alle extrahierten Nachweise, um vorgeschlagene Antworten auf Registerfragen zu formulieren, wobei die Nachweise bewertet und eingestuft wurden. Dieser Ansatz verbesserte die Genauigkeit und reduzierte den Validierungsaufwand für Abstraktoren. Sie validieren nun Ergebnisse, anstatt nach ihnen zu suchen.

Da das System auf Claudes Fähigkeit aufbaut, natürliche Sprache zu verstehen, können klinische Experten es direkt verbessern. Wenn Abstraktoren ein Problem bemerken, passt das Team Prompts an, anstatt Code umzuschreiben – Änderungen, die noch am selben Tag im Produktivsystem getestet werden können. So behalten die Menschen, die klinische Nuancen verstehen, die Kontrolle über das Verhalten des Systems.

Das Ergebnis

Für ein großes Gesundheitssystem, das jährlich über 22.000 chirurgische Fälle in 14 Krankenhäusern abstrahiert, waren die Ergebnisse sofort sichtbar. Die Zeit pro Fall sank von 30 Minuten auf 15–22 Minuten bei Routinefällen. Bei komplexen Fällen – jenen, die früher fünf oder sechs Stunden des Tages eines Abstraktors in Anspruch nahmen – sank die Zeit auf 90 Minuten. Die jährlichen Zeiteinsparungen erreichten zwischen 3.667 und 6.050 Stunden, bei einer Inter-Rater-Reliabilität von durchgehend 99 %.

Bei einem anderen großen Gesundheitsverband mit mehreren Einrichtungen war die manuelle Abstraktion für NSQIP-Fälle eine ständige Belastung. Mit über 22.000 Fällen jährlich in 14 Krankenhäusern, wobei jeder etwa 30 Minuten zur Abstraktion benötigte, war der Arbeitsaufwand immens und führte zu mehr als 11.000 Arbeitsstunden pro Jahr. Der Prozess war langsam, teuer und anfällig für menschliche Fehler. Bevor die Lighthouse-Plattform von Carta Healthcare eingesetzt wurde, war eine erfahrene Abstraktorin sehr skeptisch gegenüber KI. Sie war erfahren und klinisch versiert und befürchtete, dass KI ihren Erwartungen nicht gerecht werden würde.

Doch sie erkannte das Potenzial. Sie traf sich mit dem Produktteam von Carta Healthcare, teilte detailliertes Feedback und arbeitete eng mit der Entwicklung zusammen, um die Plattform zu verfeinern. Ihre klinische Expertise war entscheidend – sie erkannte, wenn etwas nicht stimmte, und ihr Input half, Lighthouse zu einem Werkzeug zu formen, auf das sie sich verlassen konnte.

Heute vertraut sie Lighthouse vollständig. Bei komplexen Fällen dient ihr die KI als zusätzliche Kontrollinstanz. Sie nutzt sie zur Validierung von Ereignissen und zur Identifizierung feiner Nuancen, etwa bei der postoperativen Medikation, die andernfalls unbemerkt bleiben könnten. Wie sie es ausdrückt: „Lighthouse ersetzt nicht mein Urteilsvermögen, es verbessert es.“ Die Wirkung war dramatisch:

Die Wahl von Claude als Kern-LLM hat das Geschäftsmodell von Carta Healthcare grundlegend verändert. Durch die Automatisierung der kognitiven Arbeit bei der Abstraktion unstrukturierter klinischer Daten haben Claude und Lighthouse die Kliniker des Unternehmens „von manuellen Datenjägern zu hochwertigen Validierern transformiert“, erklärte Crowder. Carta Healthcare verzeichnet eine Kundenbindungsrate von 100 %; 90 % der Kunden erweitern zudem ihr Engagement im Laufe der Zeit.

Mit Blick in die Zukunft plant Carta Healthcare, seine KI-Fähigkeiten zu erweitern, um komplexere Registerszenarien zu bewältigen, einschließlich Fällen mit mehreren Eingriffen. „Wir freuen uns darauf, unsere Nutzung der Modelle von Anthropic auszubauen“, sagte Crowder. „Und wir werden unsere technische Zusammenarbeit weiter ausbauen, während wir neue Möglichkeiten mit Claude erkunden.“