Stanford ChatEHR: Epic-KI erreicht 1.450 Behandelnde
Stanford ChatEHR, der Chatbot für die Patientenakte, den Stanford Health Care in seine elektronische Patientenakte von Epic eingebaut hat, wurde Mitte Januar 2026 von 1.450 der rund 7.000 berechtigten Behandelnden genutzt, berichtete STAT am 28. Januar 2026. Das Werkzeug liest die gesamte Akte eines Patienten und beantwortet Fragen dazu. Laut dem Labor dahinter verkürzen die automatisierten Prüfungen Aufgaben wie die Aktendurchsicht für die Infektionsüberwachung um 40 Prozent. Für Kliniken zeigt der Fall, dass ein Team in der IT stundenlanges Aktenlesen in kurze Listen von Fällen verwandeln kann, um die sich das Personal kümmern kann.
Warum Ärzte einen schnelleren Weg durch die Akte brauchten
Die Akte eines Patienten vor einem Termin zu lesen, dauert lange, weil die Informationen an vielen Stellen liegen. STAT beschrieb, wie der Chief Health Information Officer von Penn Medicine, der Kardiologe Srinath Adusumalli, sich am Vortag auf seine Termine vorbereitet: Er arbeitet sich durch frühere Besuche, Laborwerte, Bildgebung und eingescannte Dokumente anderer Kliniken, jeweils in einem eigenen Tab der elektronischen Patientenakte.
Stanford Health Care stand vor derselben Arbeit in großem Maßstab. Das eigene Labor nennt ein Beispiel: eine Screening-Aufgabe, die eine Aktendurchsicht von 5 bis 20 Minuten bei 150 Patientenakten erforderte.
Was Stanford gebaut hat, statt ein Werkzeug zu kaufen
Stanford hat ChatEHR selbst gebaut, an seine elektronische Patientenakte von Epic angebunden und im September 2025 im gesamten Klinikverbund eingeführt. Das Shah Lab, das das Projekt dokumentiert, nennt es eine herstellerunabhängige, intern gesteuerte Plattform, die die vollständige Langzeitakte eines Patienten, bis zu zwanzig Millionen Token, in Echtzeit direkt in das Kontextfenster eines Modells lädt.
Das Team dahinter ist eine Data-Science-Gruppe innerhalb der IT-Organisation: Softwareentwickler, Produktmanager und Data Scientists mit direktem Zugang zu akademischen Forschern. Das Labor datiert die Arbeit auf eine Sandbox im April 2023. Im November 2023 wurde daraus ChatEHR, bis Mitte 2024 folgten mehrere Prototypen, Anfang 2025 ein Pilotprojekt, und im August 2025 waren 150 klinische Nutzer erreicht.
Wie ChatEHR im Arbeitstag eines Arztes funktioniert
Ein Arzt öffnet in der Akte einen ChatEHR-Tab und wählt zuerst aus, welche Daten das Modell laden soll, nach Datenquelle und Zeitraum. Darauf folgt ein Chatfenster, in dem der Nutzer Fragen stellt, Antworten mit Daumen hoch oder runter bewertet oder ins Menü zurückkehrt, um eine neue Sitzung zu beginnen.
Dieser Chat macht 40 Prozent der Nutzung aus. Die übrigen 60 Prozent laufen über APIs, die repetitive Aufgaben mit hohem Volumen automatisieren.
„Automatisierungen sind feste Prompts, die auf festgelegte Patientengruppen angewendet werden." Das Shah Lab von Stanford darüber, wie ChatEHR seine automatisierten Prüfungen ausführt
Das Labor nennt sieben so gebaute operative Abläufe, von der Zuordnung der Patienten zur passenden Versorgungsform über eine bessere Infektionsüberwachung bis zur Prüfung von Abrechnungskonten.
Die Zeitersparnis, die Stanford durch Automatisierung meldet
Das Labor nennt für jeden Ablauf Zahlen, und es sind seine eigenen Messungen. Das Patienten-Screening macht aus der Durchsicht von 150 Akten rund 30 hochwahrscheinliche Fälle. Die Überwachung von Wundinfektionen nach Operationen verkürzt die Aktendurchsicht um 40 Prozent und macht die Meldung von Infektionen laut Labor zeitnäher.
Im Contact Center braucht die Triage von Überweisungen 17,7 Prozent weniger Zeit, der Durchsatz steigt um 17,8 Prozent, und der Rückstand sank von fünf auf zwei Tage. Ein Screening für stationäre Hospizversorgung liest 600 Patientenakten, um 10 bis 40 geeignete Fälle zu finden, was laut Labor täglich 18 bis 20 Arbeitsstunden erspart. In der Orthopädie verarbeitet die Triage von Überweisungen mehr als 4.700 Dokumente und spart mindestens 1,7 Personalstunden am Tag. Die Prüfung von Konten mit einer LoA-Rechnungssperre spart 10 bis 15 Minuten pro Konto. Eine prospektive Studie von Wang und Kollegen in JAMA Network Open untersuchte ChatEHR bei der Triage chirurgischer Patienten.
Wie die Nutzung nach der Einführung wuchs
STAT berichtete, dass ChatEHR Mitte Januar 2026 von 1.450 Behandelnden genutzt wurde, bei rund 7.000 berechtigten Nutzern. Das Pilotprojekt der Oberfläche, das im Juni 2025 endete, hatte 150 Nutzer und 3.000 Chat-Sitzungen. In den ersten 3 Monaten nach der Einführung im gesamten Verbund absolvierten 1.075 Nutzer das Schulungsvideo und führten mehr als 23.000 Sitzungen durch, bei mehr als 19 Milliarden verarbeiteten Token. Zu den Nutzern in diesem Zeitraum gehörten 180 APPs, 424 Ärzte, 151 Assistenzärzte und 60 Fellows.
Die spätere Zählung des Labors vom Juli 2026 nennt mehr als 3.400 aktive Nutzer, mehr als 150.000 Sitzungen und 140 Milliarden verarbeitete Token.
Was eigene KI-Werkzeuge von Kliniken für andere Klinikverbünde bedeuten
Stanford ist nicht allein. Im Januar 2026 führte Penn Medicine Chart Hero ein, ein ähnliches Werkzeug, mit dem Ärzte die Akte eines Patienten über eine chatbotartige Oberfläche abfragen und zusammenfassen können, und rund 70 Ärzte bei Penn testeten es. Teams bei Duke Health und am Children's Hospital of Philadelphia entwickeln ähnliche Anwendungen.
Für eine Klinik zeigt der Fall, wo die gemessenen Einsparungen bisher liegen: bei Überweisungswarteschlangen, Infektionsmeldungen, Hospiz-Screening und Abrechnungsprüfung, nicht allein im Chatfenster. Stanfords Ansatz hängt zudem von einem Team in der IT ab, das das Werkzeug bauen und steuern kann, und von einer Plattform, die nicht an einen einzigen KI-Anbieter gebunden ist.
Fragen und Antworten
Was ist Stanford ChatEHR?
Es ist ein intern gebautes Werkzeug, mit dem Ärzte von Stanford Health Care die vollständige Akte eines Patienten in der elektronischen Patientenakte von Epic abfragen können. Es führt außerdem feste Prompts über festgelegte Patientengruppen aus, um die Aktendurchsicht zu automatisieren.
Wie viele Ärzte nutzen ChatEHR?
STAT berichtete von 1.450 Behandelnden bei rund 7.000 berechtigten Nutzern Mitte Januar 2026. Das Labor von Stanford meldete für Juli 2026 mehr als 3.400 aktive Nutzer.
Spart ChatEHR Arbeitszeit?
Laut Labor ja, in bestimmten Abläufen: Die Zeit für die Triage von Überweisungen sank um 17,7 Prozent, die Aktendurchsicht bei Wundinfektionen nach Operationen um 40 Prozent, und die Triage orthopädischer Überweisungen spart mindestens 1,7 Personalstunden am Tag.
Die Sicht von MOZGII
Wie wir es bauen würden
Am meisten hilft KI in einer Klinik heute beim Lesen, für das niemand Zeit hat: Aktendurchsicht vor einem Termin, Screening-Listen, Überweisungswarteschlangen und gesperrte Rechnungen. Genau dort liegen die Zahlen von Stanford. Würden wir ein System wie ChatEHR bauen, würden wir mit einer Warteschlange beginnen, die einen klaren Verantwortlichen und einen klaren Endzustand hat, etwa die Triage von Überweisungen, und erst danach ein Chatfenster ergänzen. Die Stunden kommen über die Automatisierungen zurück, nicht über den Chat.
Das System bräuchte drei Dinge. Erstens die vollständige Patientenakte, in Echtzeit aus der elektronischen Akte geladen, mit Datenquellen und Zeitraum für jede Antwort festgehalten. Zweitens ein austauschbares Modell, denn der Wert liegt in der Akte, nicht im Modell. Drittens eine benannte Pflegekraft, Kodierfachkraft oder einen Arzt, die jede kurze Liste freigeben, bevor jemand danach handelt. Scheitern würde es, wenn die Akte unvollständig ist, etwa bei einem eingescannten externen Dokument, das das Modell nicht lesen kann, und wenn sich ein fester Prompt von der heutigen Arbeitsweise der Ambulanz entfernt.
Die eine Kennzahl, die wir beobachten würden, ist, wie viele der von der Automatisierung markierten Fälle sich bei einer Prüfung durch einen Menschen als echt erweisen. Sinkt dieser Anteil, haben sich Prompt oder Daten verändert. Als Nächstes würden wir eine Rückmeldeschleife ergänzen, die jeden Daumen nach unten an das Team schickt, dem der Prompt gehört, damit jeder Ablauf nach Plan geprüft wird und nicht erst nach einer Beschwerde.
Quellen
Woher die Fakten dieser Meldung stammen.