Dokumentart(en): Sammelwerksbeitrag Forschungsergebnis Online-Publikation
Titel der Veröffentlichung: Einsatz von intelligenten Algorithmen bei der Analyse von Gutachtenbewertungen

Seit 2014 überprüft die Deutsche Rentenversicherung die Qualität sozialmedizinischer Gutachten durch ein bundesweites Peer-Review-Verfahren. Anhand von insgesamt 17 Prüffragen werden verschiedene Aspekte der Gutachtenqualität durch geschulte Ärztinnen und Ärzte, sogenannte Peers, graduiert erfasst. Abschließend wird beurteilt, inwieweit das im Gutachten festgestellte quantitative Leistungsvermögen nachvollziehbar ist.

Im Rahmen der internen Qualitätssicherung des Verfahrens wird fortlaufend untersucht, welche Gutachtenmängel, operationalisiert über die einzelnen Prüffragen, Einfluss auf die Nachvollziehbarkeit des Gesamtgutachtens haben. In der Regel werden hierzu Regressionsverfahren nach dem allgemeinen linearen Modell eingesetzt. Mit diesem Verfahren können jedoch nur lineare Zusammenhänge aufgedeckt werden. Um zu prüfen, ob es auch nichtlineare Zusammenhänge zwischen den Gutachtenmängeln und der Nachvollziehbarkeit gibt, wurde in der vorliegenden Studie der Einsatz intelligenter Algorithmen wie Neuronaler Netze aus dem Bereich des Deep Learning für diese Fragestellung untersucht.

Da es diesen Verfahren in der Vergangenheit an der Erklärbarkeit der Ergebnisse mangelte, wurde auch der Frage nachgegangen, inwieweit Methoden aus dem Bereich der Explainable Artificial Intelligence (XAI) ein nachvollziehbares und interpretierbares Verständnis der Modellberechnungen ermöglichen.

Neuronale Netze bieten im Peer-Review-Verfahren Vorteile bei der Klassifikation subjektiver Bewertungen und machen komplexe Zusammenhänge dank LIME nachvollziehbar und transparent.