Gesundheitswesen · Krankenhausbetrieb
Patientendaten automatisch anonymisiert, auf den Servern der Klinik
Tirol Kliniken, der größte Gesundheitsversorger Westösterreichs, muss Tausende medizinische Dokumente anonymisieren, um gesetzliche Vorgaben zu erfüllen, und das Personal erledigte das von Hand. ShareMedix, unsere Anonymisierungsplattform, übernimmt den gesamten Prozess jetzt auf den lokalen Servern des Krankenhauses, ohne Cloud und ohne GPU.
Ergebnisse
Kunde: Tirol Kliniken
Tirol Kliniken GmbH, das größte Gesundheitsunternehmen Westösterreichs, mit medizinischer Versorgung in mehreren Einrichtungen in Tirol.
- Branche
- Gesundheitswesen
- Anwendungsfall
- Anonymisierung medizinischer Dokumente
- KI-Ansatz
- NLP mit kontinuierlich lernenden Modellen
- Dokumente
- Entlassungsberichte, Arztbriefe, Befunde
- Bereitstellung
- On-Premise, keine GPU nötig
- Produkt
- ShareMedix (theBlue.ai)
Kurz gefasst
Warum das im Haus laufen musste
- Tirol Kliniken erstellt jeden Tag Entlassungsberichte, Arztbriefe und Befunde, und viele davon müssen nach dem TGF-Standard anonymisiert werden, bevor sie weitergegeben, archiviert oder weiterverwendet werden dürfen.
- Das geschah von Hand: Dokument lesen, patientenbezogene Angaben finden, schwärzen. Langsam, teuer und so uneinheitlich, dass es ein Compliance-Risiko war.
- ShareMedix erkennt und entfernt die personenbezogenen Daten jetzt automatisch, lässt den klinischen Inhalt stehen und läuft vollständig auf den Servern des Krankenhauses, ohne GPU.
- Grenzfälle prüft das Personal über eine Weboberfläche, und jede Korrektur fließt in das Modell zurück.
Die Ausgangslage
Die Aufgabe
Eine wachsende Zahl medizinischer Dokumente musste anonymisiert werden, um regulatorische Vorgaben zu erfüllen. Der manuelle Prozess war zu langsam und zu teuer, um Schritt zu halten, und seine Uneinheitlichkeit schuf ein Compliance-Risiko.
Tirol Kliniken erzeugt täglich eine große Menge medizinischer Dokumente: Entlassungsberichte, Arztbriefe, Befundberichte und andere klinische Unterlagen. Viele davon müssen anonymisiert werden, bevor sie weitergegeben, archiviert oder für Sekundärzwecke genutzt werden dürfen, und zwar nach dem TGF-Standard des Tiroler Gesundheitsfonds.
Bis zu diesem Projekt lief das manuell. Mitarbeitende prüften jedes Dokument, suchten die patientenbezogenen Angaben heraus und schwärzten sie einzeln.
Das war langsam, teuer und uneinheitlich, und es wuchs weder mit der steigenden Dokumentenmenge noch mit den steigenden regulatorischen Anforderungen mit.
Der Bau
Was wir gebaut haben
Wir haben ShareMedix, unsere Plattform zur Anonymisierung medizinischer Dokumente, bei Tirol Kliniken eingeführt. Sie automatisiert den gesamten Ablauf, vom Erkennen patientenbezogener Daten in klinischen Unterlagen bis zu ihrer unwiderruflichen Unkenntlichmachung.
Personenbezogenes erkennen, Klinisches erhalten
Die Modelle erkennen und klassifizieren patientenbezogene Angaben in den verschiedenen Dokumenttypen: Namen, Datumsangaben, Adressen, Versicherungsnummern und weitere personenbezogene Daten. Was lesbar bleiben muss, bleibt lesbar, denn ein geschwärztes Dokument ohne klinischen Inhalt nützt niemandem.
Trainiert auf medizinische Sprache
Klinische Dokumente sind voller Fachbegriffe. Die Modelle wurden gezielt darauf trainiert, klinische Begriffe von persönlichen Identifikatoren zu unterscheiden, damit keine medizinisch relevante Information als Fehltreffer verschwindet.
On-Premise, und ohne GPU
Patientendaten sind so sensibel, dass nichts das Haus verlassen darf. Das System läuft deshalb vollständig auf den lokalen Servern des Krankenhauses. Außerdem musste es auf der vorhandenen Hardware ohne GPU-Beschleunigung laufen, was eine sorgfältige Optimierung der Modelle verlangte.
Jede Korrektur macht es besser
Das Personal arbeitet über eine Weboberfläche, in der es anonymisierte Dokumente prüft, korrigiert und kommentiert. Diese Korrekturen fließen in das Modell zurück, das sich so laufend an die Dokumentmuster und Formate von Tirol Kliniken anpasst.
Was sich geändert hat
Das Ergebnis
Vorher
Manuelle Anonymisierung jedes einzelnen medizinischen Dokuments. Langsam, teuer, uneinheitlich in der Qualität und kaum skalierbar bei wachsenden Anforderungen.
Nachher
Automatische Anonymisierung nach TGF-Standard. Das Personal prüft und korrigiert Grenzfälle über die Oberfläche, und das System lernt aus jeder Korrektur.
Der manuelle Anonymisierungsaufwand ist entfallen. Dokumente, die früher einzeln bearbeitet werden mussten, laufen automatisch durch, und ein Mensch sieht nur noch die Grenzfälle.
Der TGF-Standard wird über alle Dokumenttypen hinweg einheitlich eingehalten, was der manuelle Prozess nicht garantieren konnte.
Das System wird mit der Nutzung besser. Jede Korrektur erhöht die künftige Genauigkeit, sodass der Bedarf an menschlichem Eingreifen mit der Zeit sinkt, statt gleich zu bleiben.
Der wachsende Anonymisierungsbedarf war zu einem zeitraubenden manuellen Prozess geworden. Gemeinsam mit theBlue.ai konnten wir diese Herausforderung in einen effizienten, KI-gestützten Prozess verwandeln, der den manuellen Aufwand deutlich senkt und unsere Mitarbeitenden entlastet.
Fragen zu diesem Projekt
Anonymisierung medizinischer Dokumente. Eine wachsende Zahl medizinischer Dokumente musste anonymisiert werden, um regulatorische Vorgaben zu erfüllen. Der manuelle Prozess war zu langsam und zu teuer, um Schritt zu halten, und seine Uneinheitlichkeit schuf ein Compliance-Risiko.
Manueller Anonymisierungsaufwand vollständig entfallen: 100 %. Volle Einhaltung des Standards des Tiroler Gesundheitsfonds: TGF. Läuft auf den Servern des Krankenhauses, ohne Cloud: On-Premise. Funktioniert auf der vorhandenen Krankenhaus-Hardware: Keine GPU.
NLP mit kontinuierlich lernenden Modellen. Eingesetzte Technik: Natural Language Processing, Named Entity Recognition, Kontinuierlich lernende Modelle, On-Premise-Betrieb, Webanwendung, ShareMedix-Plattform, CPU-optimierte Modelle.
Eingesetzte Technik
Sprechen Sie mit dem Team dahinter
theBlue.ai meldet sich innerhalb eines Werktags.
Weitere Referenzen
Dienstleistungen · Datenschutz und DSGVO
Personenbezogene Daten entfernt, bevor die Analyse sie überhaupt sieht
Mehr lesen
MedTech · Compliance und Prozessautomatisierung
Sicherheitsfragebögen beantwortet in einer Woche statt in einem Monat
Mehr lesen
Gesundheitswesen · Medizinische Bildgebung und Neurologie