Large Language Models in der Rheumatologie
Zeitschrift für Rheumatologie · 2026-06 · 85 (5) · 366-371
DOI: 10.1007/s00393-026-01803-7 ↗Kurz gefasst
Übersichtsarbeit in der Zeitschrift Zeitschrift für Rheumatologie, online erschienen am 20.03.2026. Verfasst von Johannes Knitza und 1 weiteren Autor:innen. Beteiligte Einrichtung: Institut für Digitale Medizin, Philipps Universität Marburg und Universitätsklinikum Gießen und Marburg, Baldingerstrasse, 35043, Marburg, Deutschlan…. Hauptthemen laut MEDLINE: Rheumatology, Large Language Models, Information Dissemination. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 20 Literaturangaben.
Abstract (Originalsprache)
Medical knowledge is growing exponentially in rheumatology, posing increasing challenges for knowledge dissemination among physicians, educators and patients. Traditional information and learning formats are reaching their limits in view of the rapid emergence of new clinical studies, guidelines and treatment concepts. Large language models (LLMs) offer the possibility to structure, synthesize and contextually adapt extensive and complex information within a short time. This opens new perspectives for clinical decision support, medical education, patient education and scientific work in rheumatology. This article systematically categorizes the use of LLMs across these fields of application and discusses the opportunities, risks and practical implications using selected examples that colleagues can immediately apply. Early data suggest a high potential for use and growing acceptance among physicians, students and patients; however, significant challenges remain. These include concerns regarding the validity and transparency of the generated content, potential biases, data protection issues and the risk of uncritical adoption of artificial intelligence (AI)-generated recommendations. The use of LLMs can make rheumatological knowledge rapidly, individually, and easily accessible but does not replace medical responsibility or clinical expertise. An evidence-based evaluation, clear regulatory framework conditions, safe integration into existing workflows and targeted training and governance concepts are essential to harness the potential of LLMs for knowledge dissemination in rheumatology in a sustainable and responsible manner. ZUSAMMENFASSUNG: Das medizinische Wissen wächst auch in der Rheumatologie exponentiell und stellt Ärzt*innen, Lehrende sowie Patient*innen vor zunehmende Herausforderungen in der Wissensvermittlung. Klassische Informations- und Lernformate stoßen angesichts der Dynamik neuer klinischer Studien, Leitlinien und Therapiekonzepte an ihre Grenzen. Große Sprachmodelle (Large Language Models, LLMs) bieten die Möglichkeit, umfangreiche und komplexe Informationen in kurzer Zeit zu strukturieren, zu synthetisieren und kontextbezogen aufzubereiten bzw. aktualisieren. Dadurch eröffnen sich auch unmittelbar neue Perspektiven für die klinische Entscheidungsunterstützung, die medizinische Lehre, die Patientenedukation sowie das wissenschaftliche Arbeiten in der Rheumatologie. Der vorliegende Artikel ordnet den Einsatz von LLMs in diesen Anwendungsfeldern systematisch ein und diskutiert Chancen, Risiken und praktische Implikationen anhand ausgewählter Beispiele, die Kolleg*innen sofort nutzen können. Erste Daten deuten auf ein hohes Nutzungspotenzial und eine wachsende Akzeptanz bei Ärzt*innen, Studierenden und Patient*innen hin, es bestehen jedoch weiterhin relevante Herausforderungen. Dazu zählen insbesondere Fragen der Validität und Transparenz der generierten Inhalte, potenzielle Verzerrungen, Datenschutzaspekte sowie die Gefahr einer unkritischen Übernahme von KI-generierten Vorschlägen. LLMs können rheumatologisches Wissen zeitnah, individualisiert und niedrigschwellig verfügbar machen, ersetzen jedoch nicht die ärztliche Verantwortung oder klinische Expertise. Eine evidenzbasierte Evaluation, klare regulatorische Rahmenbedingungen, eine sichere Integration in bestehende Workflows sowie gezielte Schulungs- und Governance-Konzepte sind entscheidend, um das Potenzial von LLMs nachhaltig und verantwortungsvoll für die Wissensvermittlung in der Rheumatologie zu nutzen.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Stichwörter der Autor:innen
Autor:innen und Institutionen
- Institut für Digitale Medizin, Philipps Universität Marburg und Universitätsklinikum Gießen und Marburg, Baldingerstrasse, 35043, Marburg, Deutschland. knitza@uni-marburg.de.
- Abteilung Rheumatologie, Universitätsspital Lausanne (CHUV), Universität Lausanne, Avenue Pierre-Decker 4, 1011, Lausanne, Schweiz.
Zitieren
APA
Knitza, J., & Hügle, T. (2026). Large Language Models in der Rheumatologie. Zeitschrift für Rheumatologie, 85(5), 366-371. https://doi.org/10.1007/s00393-026-01803-7
Vancouver
Knitza J, Hügle T. Large Language Models in der Rheumatologie. Zeitschrift für Rheumatologie. 2026;85(5):366-371. doi:10.1007/s00393-026-01803-7
BibTeX
@article{Knitza2026,
author = {Knitza, Johannes and Hügle, Thomas},
title = {Large Language Models in der Rheumatologie},
journal = {Zeitschrift für Rheumatologie},
year = {2026},
volume = {85},
number = {5},
pages = {366--371},
doi = {10.1007/s00393-026-01803-7}
}
EUVIMED