In Kürze

  • Im Netzwoche-Interview erläutert Mary-Anne Hartley vom EPFL-Labor LiGHT (Laboratory for Intelligent Global Health and Humanitarian Response Technologies), dass die EPFL im Sommer 2026 mit «Meditron FO» kein weiteres einzelnes Sprachmodell, sondern ein vollständig offenes Rahmenwerk zur Entwicklung medizinischer KI-Modelle veröffentlicht hat, das Daten, Code und Evaluationen durchgängig nachvollziehbar macht.
  • Ärztinnen und Ärzte sind laut Hartley fest im Kernentwicklungsteam verankert und an täglichen Diskussionen beteiligt; sie prägen die gesamte Entwicklungspipeline mit, von der Zusammenstellung der Trainingskorpora über die Evaluation bis zu klinischen Studien – ein bewusster Gegenentwurf zu Modellen, die medizinisches Fachwissen nachträglich ohne durchgehende klinische Beteiligung einbauen.
  • In einer Schweizer Evaluation bevorzugten Klinikerinnen und Kliniker das mit dem Meditron-FO-Rahmenwerk entwickelte Modell in 70 Prozent der direkten Vergleiche gegenüber Alternativmodellen – ein Resultat, das Hartley als Beleg dafür wertet, dass durchgängige klinische Mitwirkung einen messbaren Qualitätsunterschied macht.

Was ist passiert?

Die Netzwoche veröffentlichte am 30. September 2026 ein Interview mit Mary-Anne Hartley, Professorin am EPFL-Labor LiGHT (Laboratory for Intelligent Global Health and Humanitarian Response Technologies), zur Weiterentwicklung des medizinischen Sprachmodellprojekts Meditron. Darin erklärt Hartley, dass die EPFL im Sommer 2026 mit «Meditron FO» kein weiteres Einzelmodell, sondern ein vollständig offenes Rahmenwerk veröffentlicht hat, mit dem sich medizinische Sprachmodelle nachvollziehbar entwickeln lassen: Trainingsdaten, Quellcode und Evaluationsmethoden werden durchgängig dokumentiert und offengelegt, damit der Einsatz solcher Modelle im Gesundheitswesen überprüfbar bleibt.

Laut Hartley unterscheidet sich der Ansatz von Meditron FO grundlegend von vielen kommerziellen medizinischen KI-Produkten dadurch, dass Ärztinnen und Ärzte von Beginn an fester Bestandteil des Kernentwicklungsteams sind und an täglichen Diskussionen teilnehmen. Sie prägen demnach die gesamte Entwicklungspipeline mit – von der Auswahl und Kuratierung der medizinischen Trainingskorpora über die Definition der Evaluationskriterien bis hin zu begleitenden klinischen Studien, in denen die Modelle unter realen Bedingungen getestet werden.

Warum ist das wichtig?

Die Ergebnisse einer in der Schweiz durchgeführten Evaluation unterstreichen laut Hartley den Mehrwert dieses Ansatzes: In direkten Vergleichen bevorzugten Klinikerinnen und Kliniker das mit dem Meditron-FO-Rahmenwerk entwickelte Modell in 70 Prozent der Fälle gegenüber Alternativmodellen. Für ein Forschungsfeld, in dem viele medizinische KI-Anwendungen bislang vor allem an standardisierten Textbenchmarks gemessen werden, ist eine Vorliebe praktizierender Fachpersonen ein aussagekräftigerer Qualitätsindikator, weil er näher am tatsächlichen klinischen Einsatzkontext liegt.

Die vollständige Offenlegung von Daten, Code und Evaluationsmethoden adressiert zudem ein zentrales Problem beim Einsatz von KI im Gesundheitswesen: die mangelnde Nachvollziehbarkeit vieler kommerzieller Modelle gegenüber Aufsichtsbehörden, Ethikkommissionen und den Kliniken selbst, die für den Einsatz solcher Systeme letztlich die Verantwortung tragen. Ein offenes Rahmenwerk wie Meditron FO erlaubt es Dritten, einzelne Entwicklungsschritte nachzuvollziehen und eigene Anpassungen für spezifische klinische Fragestellungen vorzunehmen.

Was bedeutet das für den Forschungsstandort Schweiz?

Für den Forschungsstandort Schweiz ist Meditron FO ein weiterer Beleg dafür, dass Schweizer Hochschulen nicht nur bei grossen, allgemein einsetzbaren Sprachmodellen wie dem von ETH Zürich, EPFL und dem Swiss National Supercomputing Centre entwickelten Apertus, sondern auch bei hochspezialisierten, regulatorisch anspruchsvollen Anwendungen wie der Medizin international beachtete Grundlagenarbeit leisten. Das ergänzt bestehende Schweizer Pilotprojekte wie den Test generativer KI in der Notaufnahme des Universitätsspitals Lausanne (CHUV) um ein offenes, wissenschaftlich fundiertes Werkzeug.

Für Schweizer Spitäler, Forschungsinstitutionen und auch private Anbieter medizinischer Software bietet ein offenes, klinisch mitentwickeltes Rahmenwerk eine Alternative zu geschlossenen Modellen US-amerikanischer Anbieter, bei denen Trainingsdaten und Entwicklungsentscheide meist nicht offengelegt werden. Gerade für einen hochregulierten Bereich wie das Gesundheitswesen, in dem Nachvollziehbarkeit gegenüber Aufsichtsbehörden zentral ist, dürfte dieser Transparenzvorteil in den kommenden Jahren an Bedeutung gewinnen.

Was bedeutet das für die Schweiz?

Redaktionelle Einordnung: Die folgenden Schlussfolgerungen beziehen sich auf die genannten Quellen. Sie sind keine zusätzlichen Meldungen der Originalquelle.

  • Mit Meditron und dem neuen Rahmenwerk Meditron FO liefert die EPFL einen weiteren Beleg dafür, dass Schweizer Hochschulen nicht nur bei grossen allgemeinen Sprachmodellen wie Apertus, sondern auch bei hochspezialisierten, sicherheitskritischen Anwendungen wie der Medizin international wahrgenommene Grundlagenarbeit leisten.
  • Für Schweizer Spitäler und Forschungsinstitutionen, die wie das Universitätsspital Lausanne (CHUV) bereits generative KI in klinischen Pilotprojekten testen, bietet ein offenes, klinisch mitentwickeltes Rahmenwerk eine Alternative zu geschlossenen Modellen US-amerikanischer Anbieter – mit potenziell besserer Nachvollziehbarkeit gegenüber Aufsichtsbehörden und Ethikkommissionen.
  • Die konsequente Einbindung von Ärztinnen und Ärzten in die Modellentwicklung ist ein Vorbild für andere Schweizer Branchen, die KI-Systeme für regulierte, fachlich anspruchsvolle Bereiche entwickeln wollen: Der Befund, dass klinische Mitwirkung die Modellqualität in Vergleichstests messbar verbessert, lässt sich auf andere Domänen mit hohem Fachwissensbedarf übertragen.

Verwendete Quellen

Netzwoche veröffentlichte am 30. September 2026 ein Interview mit Mary-Anne Hartley vom EPFL-Labor LiGHT; ergänzende Angaben zur Entstehungsgeschichte von Meditron stammen von der EPFL selbst sowie von Fachmedien zur Lancierung von Meditron FO.

Quellenstatus: 2 verlinkte Quellen · 0 von 2 Originaldaten verifiziert. Prüfregeln ansehen

Häufige Fragen

Was ist die Kernaussage zu EPFL-Forscherin Mary-Anne Hartley: Mit «Meditron FO» zu nachvollziehbaren medizinischen KI-Modellen?

Im Netzwoche-Interview erläutert Mary-Anne Hartley vom EPFL-Labor LiGHT (Laboratory for Intelligent Global Health and Humanitarian Response Technologies), dass die EPFL im Sommer 2026 mit «Meditron FO» kein weiteres einzelnes Sprachmodell, sondern ein vollständig offenes Rahmenwerk zur Entwicklung medizinischer KI-Modelle veröffentlicht hat, das Daten, Code und Evaluationen durchgängig nachvollziehbar macht.

Warum ist diese KI-Meldung für die Schweiz relevant?

Mit Meditron und dem neuen Rahmenwerk Meditron FO liefert die EPFL einen weiteren Beleg dafür, dass Schweizer Hochschulen nicht nur bei grossen allgemeinen Sprachmodellen wie Apertus, sondern auch bei hochspezialisierten, sicherheitskritischen Anwendungen wie der Medizin international wahrgenommene Grundlagenarbeit leisten.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?

Netzwoche veröffentlichte am 30. September 2026 ein Interview mit Mary-Anne Hartley vom EPFL-Labor LiGHT; ergänzende Angaben zur Entstehungsgeschichte von Meditron stammen von der EPFL selbst sowie von Fachmedien zur Lancierung von Meditron FO.