AI 4 Pediatric Surgical Healthcare

In enger Zusammenarbeit mit der Klinischen Abteilung für Kinderradiologie unter der Leitung von Sebastian Tschauner untersuchen wir den Einsatz von Künstlicher Intelligenz (KI) und Methoden des maschinellen Lernens zur Unterstützung der Bildinterpretation. Ziel unserer Forschung ist es, die Auswertung von nativ-radiologischen sowie sonographischen Bilddaten durch innovative Analyseverfahren zu erleichtern und zu verbessern. Durch den Einsatz moderner Radiomics-Ansätze und KI-gestützter Algorithmen sollen verborgene Bildinformationen erkannt werden, die die diagnostische Genauigkeit erhöhen und die klinische Entscheidungsfindung unterstützen können. Diesbezüglich konnten wir schon einige Artikel in hochrangigen Zeitschriften veröffentlichen. Beispielsweise konnten wir zeigen, dass die KI anhand sonographischer Bilder effektiv zwischen Schädelnähten und Frakturen im Säuglingsalter unterscheiden kann (Hankel et al, Sci Rep).

Auch in der Chirurgie, insbesondere bei minimal-invasiven Eingriffen, besitzt der Einsatz von Künstlicher Intelligenz ein großes Zukunftspotenzial. In unserer Forschung untersuchen wir, inwieweit KI-basierte Methoden bei laparoskopischen Operationen unterstützend eingesetzt werden können. Ziel ist es, chirurgische Abläufe durch intelligente Analyse von Bild- und Videodaten zu unterstützen, relevante Strukturen zuverlässiger zu erkennen und damit die Sicherheit sowie die Präzision minimal-invasiver Eingriffe weiter zu verbessern. Hier gelang es bereits eine experimentelle Studie zur laparoskopischen Nissen Prozedur zu veröffentlichen (Till et al, Artificial intelligence based surgical support for experimental laparoscopic Nissen fundoplication, Front Ped)

Der Einsatz von Künstlicher Intelligenz im medizinischen Alltag wird von vielen klinisch tätigen Ärzt*innen noch immer als eine Art „Black Box“ wahrgenommen. Trotz des großen Potenzials dieser Technologien bestehen häufig Unsicherheiten hinsichtlich Funktionsweise, Verlässlichkeit und praktischer Integration in den klinischen Workflow. Aus diesem Grund sind strukturierte Umfragen und Studien von großer Bedeutung, um zu erheben, wie Ärzt*innen KI wahrnehmen und in welchem Ausmaß eine Bereitschaft zur Implementierung in der klinischen Praxis besteht. Diesbezüglich konnten wir schon Artikel publizieren, die die KI Kompetenz klinisch tätiger und in Ausbildung befindlicher Kolleg*innen auch im europäischen Setting untersucht 

• Till et al, Artificial Intelligence Competencies and Educational Needs Among ERNICA Members: Results of a Multinational Survey,  Eur J Ped Surg
• Till et al, Enhancing AI Readiness in Pediatric Surgery: Impact of a Targeted Workshop on Knowledge and Competencies, Eur J Ped Surg
• Till et al, Artificial Intelligence (AI) Competency and Educational Needs: Results of an AI Survey of Members of the European Society of Pediatric Endoscopic Surgeons (ESPES)