KI gestützte Entscheidungsunterstützung bei Polypharmazie in der hausärztlichen Versorgung

Einführung
Im Rahmen einer Machbarkeitsstudie prüfen wir, ob Large Language Model ChatGPT Hausärzt*innen bei Polypharmazie und Deprescribing in älteren Patienten*innen unterstützen kann. Mit realen Fallvignetten testen wir das Fähigkeit von ChatGPT Potentiell inadäquate Medikamente (PIMs) zu identifizieren und sie für Deprescribing zu priorisieren. Die Studie wird als Proof‑of‑Concept für die hausärztliche Primärversorgung in Deutschland konzipiert.

Ziele
Primäres Ziel ist die Wirksamkeit von ChatGPT beim Deprescribing und der PIM‑Identifikation. Sekundär ermitteln wir Hürden und Förderfaktoren für eine Implementierung mittels Experteninterviews mit Allgemeinärzt*innen und Analyse nach Technologieakzeptanzmodellen wie DOI, UTAUT2 und TAM3.

Methodik
Wir rekrutieren 16 Hausärzt*innen aus vier Bundesländern, wählen sie nach Standort, Praxisgröße, Digitalisierungsgrad und Forschungserfahrung aus und teilen sie in zwei Gruppen: mit ChatGPT‑Tool vs. PRISCUS/FORTA Listen. Anhand von sechs realitätsnahen Fallvignetten messen wir Erkennungsleistung und Entscheidungsnutzen von KI Tool. Anschließend führen wir halbstrukturierte Interviews mit teilnehmenden Ärzt*innen und werten sie nach Braun & Clarke Inhaltsanalyse sowie den Modellen TAM3, UTAUT2 und DOI aus.

Erwartete Ergebnisse
Wir erwarten, dass ChatGPT die PIMs identifizieren und und Hausärzt*innen beim Deprescribing unterstützen kann. Die Interviewanalyse soll konkrete Barrieren (z. B. Aufwand, Vertrauen) und Förderfaktoren (etwa Nützlichkeit, Benutzerfreundlichkeit) aufzeigen.