PDF herunterladen
Handchir Mikrochir Plast Chir
DOI: 10.1055/a-2721-9672
Originalarbeit

Künstliche Intelligenz in der Plastischen Chirurgie: Postoperative Dokumentation durch Large Language Models

Large Language Models Artificial Intelligence in Plastic Surgery: Postoperative Documentation Using Large Language Models

Autoren

  • Sinan Mert

    1   Abteilung für Handchirurgie, Plastische und Ästhetische Chirurgie, LMU Klinikum, München, Germany

  • Felix H. Vollbach 

    1   Abteilung für Handchirurgie, Plastische und Ästhetische Chirurgie, LMU Klinikum, München, Germany

  • Constanze Kuhlmann 

    1   Abteilung für Handchirurgie, Plastische und Ästhetische Chirurgie, LMU Klinikum, München, Germany

  • Wolfram Demmer 

    1   Abteilung für Handchirurgie, Plastische und Ästhetische Chirurgie, LMU Klinikum, München, Germany

  • Nikolaus Wachtel 

    1   Abteilung für Handchirurgie, Plastische und Ästhetische Chirurgie, LMU Klinikum, München, Germany

  • Nikolaus Thierfelder

    1   Abteilung für Handchirurgie, Plastische und Ästhetische Chirurgie, LMU Klinikum, München, Germany

  • Riccardo E. Giunta 

    1   Abteilung für Handchirurgie, Plastische und Ästhetische Chirurgie, LMU Klinikum, München, Germany

  • Benedikt Fuchs

    1   Abteilung für Handchirurgie, Plastische und Ästhetische Chirurgie, LMU Klinikum, München, Germany
Weitere Informationen
Auch verfügbar auf
   Lizenzen und Reprints

Zusammenfassung

Hintergrund

Sprachbasierte KI-Modelle bieten neue Möglichkeiten zur Optimierung klinischer Prozesse. Die postoperative Dokumentation in der Chirurgie – insbesondere die Kodierung und Festlegung des postoperativen Prozederes – stellen dabei ein potenzielles Anwendungsfeld dar. Ziel dieser Studie war die Evaluation der Leistungsfähigkeit eines KI-Modells bei der automatisierten Erstellung dieser Dokumentation.

Material und Methoden

Vier standardisierte Operationsberichte häufig durchgeführter handchirurgisch bzw. plastisch-chirurgischer Eingriffe wurden ChatGPT o3 zur Kodierung der Prozeduren sowie zur Formulierung eines postoperativen Prozederes vorgelegt. Die Kodierung wurde anhand der Korrektheit und Vollständigkeit beurteilt. Das postoperative Prozedere wurde von drei Fachärzten für Plastische und Ästhetische Chirurgie anhand der Kriterien Korrektheit, Vollständigkeit und Gesamtbewertung auf einer Likert-Skala von 1 (sehr schlecht) bis 10 (sehr gut) bewertet. Zusätzlich wurde der Zeitaufwand in Sekunden erfasst.

Ergebnisse

Das KI-Modell erreichte eine durchschnittliche Kodierkorrektheit von 92,86±14,29% und eine Vollständigkeit von 90,28±11,45%. Die Bewertung des postoperativen Prozederes ergab eine durchschnittliche Vollständigkeit von 7,33±2,10, Korrektheit von 8,66±0,98 und eine Gesamtbewertung von 7,83±1,53. Die mittlere Bearbeitungsdauer betrug 143,75±46,61 Sekunden für die Kodierung und 24,25±11,35 Sekunden für die Erstellung des postoperativen Prozederes.

Schlussfolgerung

KI-Modelle zeigen vielversprechende Ergebnisse in der automatisierten postoperativen Dokumentation handchirurgischer und plastisch-chirurgischer Eingriffe. Insbesondere bei standardisierten Eingriffen kann das Modell durch hohe Genauigkeit, klinisch relevante Empfehlungen und schnelle Bearbeitung überzeugen. Eine fachliche Kontrolle ist jedoch weiterhin immer erforderlich.

Abstract

Background

Language-based artificial intelligence (AI) models offer novel opportunities for optimising clinical workflows. One promising application lies in the automation of postoperative documentation in hand and plastic surgery – specifically, procedural coding and the formulation of postoperative care plans. This study aimed to evaluate the performance of AI models in generating postoperative documentation for hand surgery and plastic surgery procedures.

Methods

Four standardised operative reports representing common plastic surgical interventions were submitted to ChatGPT o3. The model was prompted to generate procedural codes and to propose appropriate postoperative care recommendations. Coding output was evaluated for accuracy and completeness, while postoperative plans were assessed by three board-certified plastic surgeons using predefined criteria – correctness, completeness, and overall quality – on a 10-point Likert scale (1=very poor, 10=excellent). The time to task completion was recorded in seconds.

Results

The AI model achieved a mean coding accuracy of 92.86±14.29% and a completeness score of 90.28±11.45%. Postoperative care recommendations received mean ratings of 7.33±2.10 for completeness, 8.66±0.98 for correctness, and 7.83±1.53 for overall quality. The mean time required for procedural coding was 143.75±46.61 seconds, while postoperative planning required 24.25±11.35.

Conclusion

AI models demonstrate promising results in automating postoperative documentation within the field of hand and plastic surgery. Their high coding accuracy, clinically relevant recommendations, and rapid processing make them particularly effective for standardised procedures. Nevertheless, expert review remains essential.

Schlüsselwörter

ChatGPT - Künstliche Intelligenz - Kodierung - postoperative Dokumentation

Keywords

ChatGPT - artificial intelligence - postoperative documentation - Coding


Publikationsverlauf

Eingereicht: 01. Juli 2025

Angenommen: 27. September 2025

Artikel online veröffentlicht:
19. November 2025

© 2025. Thieme. All rights reserved.

Georg Thieme Verlag KG
Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany