Künstliche Intelligenz kann medizinische Online-Artikel für Laien deutlich lesbarer machen – doch die Korrektheit bleibt ein kritischer Punkt. Das zeigt eine neue Studie der Hochschule Heilbronn (HHN), die im Fachjournal JMIR AI erschienen ist.

Das Team um Amela Miftaroski (Bachelor-Absolventin Medizinische Informatik), Dr. Richard Zowalla, Martin Wiesner und Dr. Monika Pobiruchin analysierte 60 Originaltexte zu häufigen Erkrankungen und Gesundheitsthemen. Diese wurden mit vier großen Sprachmodellen (u. a. ChatGPT-3.5, Microsoft Copilot) automatisch vereinfacht und anschließend mit etablierten Lesbarkeitsindizes bewertet.

Ergebnisse:

• Alle getesteten Modelle verbesserten die Lesbarkeit.
• Microsoft Copilot erzielte die stärksten Verbesserungen und erreichte bei der Hälfte der Texte das empfohlene Mittelstufen-Niveau (vergleichbar 8.–9. Klasse).
• ChatGPT-3.5 folgte knapp dahinter, andere Modelle zeigten nur geringe Effekte.
• Das von Experten empfohlene Niveau (ca. 8. Klasse) wurde jedoch selten vollständig erreicht.

Risiken und Grenzen:

• Einige KI-Texte enthielten Ungenauigkeiten, ließen wichtige Kontextinformationen weg oder erzeugten potenziell irreführende Formulierungen.
• „Für den privaten Gebrauch ist die Methode daher nicht geeignet“, betont Erstautorin Amela Miftaroski. „Eine fachliche Prüfung durch Mediziner bleibt zwingend erforderlich.“

Potenzial für die Praxis:
Die Autorinnen und Autoren sehen großes Potenzial, wenn KI als Entwurfshilfe eingesetzt wird: Gesundheitseinrichtungen könnten erste vereinfachte Versionen erstellen lassen, die dann von Fachkräften korrigiert und finalisiert werden. So ließen sich langfristig mehr verständliche Gesundheitsinformationen für die Bevölkerung schaffen.

Die Studie entstand im Rahmen einer Bachelorarbeit und unterstreicht die enge Verzahnung von Forschung und Lehre an der HHN. Sie zeigt, wie Studierende frühzeitig zu wissenschaftlichen Publikationen in internationalen Fachzeitschriften kommen können.

Original Paper:

JMIR AI – Leveraging Large Language Models to Improve the Readability of German Online Medical Texts: Evaluation Study

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.