Wie KI die Literaturauswertung in PMCF und CER beschleunigt, und wo der Mensch unverzichtbar bleibt
Die Auswertung klinischer Publikationen ist ein zentraler Bestandteil regulatorischer Prozesse wie PMCF und CER. Mit dem Einsatz von KI lassen sich deutlich größere Datenmengen schneller verarbeiten als mit manuellen Verfahren. Gleichzeitig zeigen sich technische und inhaltliche Grenzen: Halluzinationen, Aufmerksamkeitsschwächen oder schlecht extrahierbare Inhalte (z. B. Tabellen, eingescannte PDFs) erfordern einen reflektierten Umgang. Die Session zeigt anhand der Flinn-Plattform, wo KI in der Literaturauswertung heute schon zuverlässig unterstützt, und wo der Mensch weiterhin gefragt bleibt.
- Inhalte
- Technische und inhaltliche Herausforderungen bei der KI-gestützten Datenextraktion
-
- Eingescannte Paper, niedrige Auflösung, Tabellen und Grafiken
- Über mehrere Seiten verstreute Informationen: Gesamtkontext schwer rekonstruierbar
- Nischenthemen vs. einfache Standardwerte (z. B. Patientenzahl einer Studie)
- Vordefinierte vs. eigene Extraktionsprompts bei Flinn
-
- Getestete PICO-Extraktionsprompts mit menschlicher Validierung durch Experten
- Möglichkeit für User, eigene Extraktionsprompts zu erstellen
- Typische Gefahren beim Einsatz von KI in der Literaturauswertung
-
- Halluzinationen: erfundene Informationen, die gar nicht im Paper stehen
- Aufmerksamkeitsschwächen: KI verliert unterwegs die eigentliche Aufgabe und liefert inkorrekte Resultate
- Weitere KI-Einsatzfelder über die reine Datenextraktion hinaus
-
- Generierung von Textbausteinen für CER, PMCF und ähnliche Dokumente
- Zusammenführung passender Daten aus mehreren Publikationen (Ground Truth bekannt)
- KI-Hype kritisch eingeordnet
-
- Generalisten-KI vs. Spezialisten-KI: wann lohnt sich was?
- Realistische Erwartungen an Zuverlässigkeit und Präzision
- Live-Demo der Flinn-Plattform
- Dein Nutzen
- Verständnis, welche Informationen sich gut bzw. schwer durch KI aus Publikationen extrahieren lassen
- Klarer Blick auf Risiken wie Halluzinationen und Aufmerksamkeitsschwächen, und wie man ihnen in der Praxis begegnet
- Einordnung: Wann braucht es eine spezialisierte KI, wann reicht ein Generalisten-Modell?
- Praktische Impulse für den eigenen Workflow in PMCF/CER
- Möglichkeit, individuelle Fragen direkt mit den Experten zu diskutieren
- Methoden
Trainer*innen-Input, Gruppenübungen, moderierte Erfahrungsberichte, praxiserprobte Übungen, Einzelarbeit, Praxisfälle, Diskussionen, Live-Coaching, Storytelling.
- Teilnehmerkreis
- Regulatory Affairs Manager
- Clinical Affairs Manager
- Verantwortliche für PMCF und klinische Bewertungen
- Qualitätsmanager
- Geschäftsführer von MedTech-Unternehmen
- Alle, die KI in der regulatorischen Literaturarbeit einsetzen oder evaluieren wollen
