PubMed Linked Discoveries: Funktionen, Datenbasis und Grenzen

Neue KI-Funktion in einer klassischen Datenbank

Funktionsweise

Neuer Button auf der PubMed-Seite eines Artikels. Ein Klick erzeugt eine „Nachbarschaft“: der Ausgangsartikel (Seed Paper) plus die inhaltlich ähnlichsten Paper, einstellbar zwischen 20 und 200.
Die Ähnlichkeit berechnet ein biomedizinisches Sprachmodell auf Basis von Titel, Abstract und Keywords. Das Ergebnis wird als Forschungsnetzwerk dargestellt.
Citation Tracking ist eingebaut: Linien zeigen, wer wen wie oft zitiert (Kapitel 15).
Zurückgezogene Artikel sind markiert, Errata und Expressions of Concern sichtbar. Filter nach Krankheiten, Genen oder Substanzen; jeder Artikel lässt sich zum neuen Ausgangspunkt machen.
Praktischer Ablauf: mit einer kleinen Auswahl (10 bis 50 Treffer) beginnen und nur bei Bedarf auf 200 erweitern. Bei 10 sieht man den Seed plus die 9 ähnlichsten Artikel (engeres Umfeld), bei 200 ein breiteres Umfeld mit mehr Randthemen. Mehr Streuung bedeutet nicht automatisch mehr „Noise“, denn auch weiter hinten stehen oft hilfreiche Arbeiten, etwa zu einer anderen Zielgruppe oder Methode.
Die Ähnlichkeitswerte liegen oft sehr nah beieinander. Die Reihenfolge ist deshalb keine präzise Relevanzbewertung. „View in table“ zeigt die Abstracts aller Treffer, die Spalte „conditions“ enthält oft Fehlzuordnungen und lässt sich am besten ignorieren.

Findet Artikel, die dasselbe meinen, aber andere Worte benutzen. Genau dort scheitert die klassische Schlagwortsuche.
Die Markierung zurückgezogener Artikel ist nach meiner Einschätzung allein schon viel wert.

Volltexte bleiben außen vor, ebenso Artikel ohne Abstract.
Bisher ohne KI-Antwort und ohne Chat. Die Funktion macht Verbindungen sichtbar, fasst aber nichts zusammen.
Sehr neu (Ende September 2026): Funktionsumfang und Bedienung können sich ändern.