Patient:innen individuell angepasst informieren

Die TU Graz, die Universität Graz und die Medizinische Universität Graz haben ein interaktives System entwickelt, das evidenzbasierte medizinische Informationen für Patient:innen an deren Vorwissen und Bedürfnisse anpasst.

Eine medizinische Diagnose wirft bei Patient:innen viele Fragen auf. Darüber hinaus weiß man aus Studien, dass Patient:innen auch den medizinischen Inhalten je nach Vorwissen unterschiedlich gut folgen können. Doch im Klinikalltag oder in der Sprechstunde bei niedergelassenen Ärzt:innen bleibt oft wenig Zeit für ausführliche Gespräche. Patient:innen dort abzuholen und gut evidenzbasiert und individuell zu informieren, ist nicht immer möglich.

Standardinfos versus individuelle Information

Informationsbroschüren oder Webseiten liefern in der Regel standardisierte Inhalte, die individuelle Vorkenntnisse und Bedürfnisse kaum berücksichtigen. Darum haben TU Graz (Institute of Visual Computing), Uni Graz (Institut für Psychologie) und Med Uni Graz (Institut für Allgemeinmedizin und evidenzbasierte Versorgungsforschung) am Beispiel des Diabetes mellitus gemeinsam neue Wege erforscht, um Patient:innen mit für sie relevanten Informationen zu versorgen. Unter der Leitung von Univ.-Prof. Dr. Tobias Schreck, MSc, vom Institute of Visual Computing der TU Graz wurde gemeinsam ein adaptives Informationssystem entwickelt, das medizinisches Wissen personalisiert aufbereitet. Ziel war es, wissenschaftlich geprüfte Inhalte so zu präsentieren, dass Patient:innen sie leichter verstehen und einordnen können, um dadurch ein besseres Verständnis für Diagnosen und Therapieansätze zu schaffen.

Informationen individuell aufbereitet

Das System mit dem Namen A+CHIS (Adaptive Consumer Health Information System) passt Informationen automatisch an. Es erkennt, wie viel Detailtiefe eine Person benötigt, und stellt Inhalte entsprechend dar, etwa als einfache Schlagwortwolke, übersichtliche Infografik oder vertiefenden Fachtext.

Grundlage dafür ist die sogenannte multidimensionale Adaptivität: Das System analysiert anonymisierte Interaktionsdaten wie Mausbewegungen oder Scrollverhalten, um kognitive Überlastung zu erkennen und die Darstellung dynamisch anzupassen. Anhand von Daten aus einer im Projekt durchgeführten Studie mit 250 Teilnehmenden untersuchte das Forschungsteam, wie sich aus Interaktionsmustern verlässlich ableiten lässt, wann Informationen als zu komplex oder überfordernd wahrgenommen werden. „Unser Ziel war es, medizinische Evidenz so zu vermitteln, dass sie wirklich verstanden wird und nicht nur gelesen“, erklärt Schreck.

KI als evidenzbasierter Dialogpartner

Ein weiterer Baustein ist der Einsatz von Large Language Models. Die KI-gestützten Komponenten unterstützen dabei als digitale Berater. Die Uni Graz hat zur Informationsverarbeitung die kognitionspsychologische Perspektive beigesteuert. Psychologe Dr. Michael Bedek: „Wir haben zum Beispiel untersucht, wie sich Inhalte leichter und verständlich aufbereiten lassen. Und wir haben uns damit beschäftigt, welche Erwartungen es an eine Plattform gibt und wie Verzerrungen vermieden werden können.“ Denn, so der Wissenschafter, es passiere häufig, dass man eine Bestätigung der eigenen Hypothese suche anstatt davon abweichende Informationen.

Um die Qualität der medizinischen Inhalte zu sichern, nutzt A+CHIS ausschließlich Materialien, die von der Med Uni Graz nach definierten Kriterien geprüft wurden. Darauf greift die KI für ihre Zusammenfassungen und Vorschläge zurück, um das Risiko für die Entstehung sogenannter „Halluzinationen“ durch Large Language Models zu verringern.

Open Source und Ausblick

Das System wurde zunächst für Informationen zu Diabetes entwickelt und lässt sich auf verschiedenste medizinische Themen übertragen. Die Projektergebnisse stellt das Team als Open-Source-Code zur Verfügung. Damit wird eine wissenschaftlich fundierte Grundlage für künftige digitale Gesundheitsinformationssysteme, beispielsweise in Krankenhäusern, Arztpraxen oder bei Versicherungen, geschaffen. Bereits im Frühjahr 2026 startet ein Folgeprojekt, in dem die effektive Vermittlung von vertrauenswürdigen Gesundheitsinformationen gemeinsam mit Citizen Scientists weiter erforscht wird.

Langfristig wollen die Forschenden die Prinzipien adaptiver Informationsvermittlung auch auf andere Bildungsbereiche übertragen. Ziel ist es, komplexes Wissen generell verständlicher, individueller und wirksamer zugänglich zu machen (red).

Quelle: