Cookie Hinweis

Wir verwenden Cookies, um Ihnen ein optimales Webseiten-Erlebnis zu bieten. Dazu zählen Cookies, die für den Betrieb der Seite notwendig sind, sowie solche, die lediglich zu anonymen Statistikzwecken, für Komforteinstellungen oder zur Anzeige personalisierter Inhalte genutzt werden. Sie können selbst entscheiden, welche Kategorien Sie zulassen möchten. Bitte beachten Sie, dass auf Basis Ihrer Einstellungen womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen .

Essentiell

Diese Cookies sind für die Funktionalität unserer Website erforderlich und können nicht deaktiviert werden.

Name Webedition CMS
Zweck Dieses Cookie wird vom CMS (Content Management System) Webedition für die unverwechselbare Identifizierung eines Anwenders gesetzt. Es bietet dem Anwender bessere Bedienerführung, z.B. Speicherung von Sucheinstellungen oder Formulardaten. Typischerweise wird dieses Cookie beim Schließen des Browsers gelöscht.
Name econda
Zweck Session-Cookie für die Webanalyse Software econda. Diese läuft im Modus „Anonymisiertes Messen“.
Statistik

Diese Cookies helfen uns zu verstehen, wie Besucher mit unserer Webseite interagieren, indem Informationen anonym gesammelt und analysiert werden. Je nach Tool werden ein oder mehrere Cookies des Anbieters gesetzt.

Name econda
Zweck Measure with Visitor Cookie emos_jcvid
Externe Medien

Inhalte von externen Medienplattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Zustimmung mehr.

Name YouTube
Zweck Zeige YouTube Inhalte
Name Twitter
Zweck Twitter Feeds aktivieren
Intelligente Systeme und Robotik in der Urologie

Nachwuchs-Klinische Kooperationseinheit Intelligente Systeme und Robotik in der Urologie

Prof. Dr. Karl-Friedrich Kowalewski

In operativen Fächern wie der Urologie ist die Erfahrung sowie die intraoperative Einschätzung des Operationssitus und der Anatomie durch die/den Operateur:in von elementarer Bedeutung. Durch die jüngsten Fortschritte im Bereich der künstlichen Intelligenz und verwandter Bereiche wie Machine Learning haben sich jedoch vielversprechende Möglichkeiten für die Echtzeitanalyse großer Datenmengen und Videoströme zur intraoperativen Assistenz eröffnet. Unsere Forschungsgruppe arbeitet an der Entwicklung, Validierung und Umsetzung dieser KI-Methoden in den klinischen Alltag.

Um dieses Potenzial nutzbar zu machen, werden Datenströme und Informationen der im Verlauf der Behandlung angewandten Techniken abgegriffen und analysiert. Nach einer Datenaufbereitung durch Segmentierung und Annotation werden so chirurgische Datensätze („surgical datasets“) erstellt. Diese Datensätze bilden die Grundlage für die Erstellung und Validierung von Algorithmen für eine intraoperative Assistenz der Chirurg:innen.

Ein weiterer Schwerpunkt unserer Arbeitsgruppe liegt in der intraoperativen Gewebebeurteilung, bei der wir modernste Technologien aus dem Bereich der Biophotonik wie Hyperspektralbildgebung und Fluoreszenz einsetzen. Diese Techniken ermöglichen eine Gewebsanalyse in Echtzeit durch Messung des elektromagnetischen Spektrums, der Sauerstoffsättigung und der Perfusion, wodurch Chirurg:innen die Möglichkeit erhalten, die Gewebeeigenschaften intraoperativ zu analysieren und basierend darauf, Therapieentscheidungen zu treffen.

Die Integration dieser Technologien in die tägliche Versorgung ist jedoch nach wie vor begrenzt, da es an robuster Evidenz für deren Wirksamkeit fehlt. Um dieses Beschränkung zu überwinden, werden großangelegte klinische Studien geplant und durchgeführt, um so den wissenschaftlichen Nutzennachweis zu erbringen. Dadurch wird eine sichere und effiziente Implementierung intelligenter Systeme in die Routineversorgung für eine präzisere Urochirurgie ermöglicht.

Kontakt

Prof. Dr. Karl-Friedrich Kowalewski
Intelligente Systeme und Robotik in der Urologie (E140)

Deutsches Krebsforschungszentrum
Forschungszentrum für Bildgebung und Radioonkologie
Im Neuenheimer Feld 223
69120 Heidelberg

E-Mail: Karl-friedrich.kowalewski (at) dkfz-heidelberg.de

Ausgewählte Publikationen

  • Kowalewski KF, Garrow CR, Schmidt MW, Benner L, Müller-Stich BP, Nickel F (2019) Sensor-based machine learning for workflow detection and as key to detect expert level in laparoscopic suturing and knot-tying Surg Endosc. 33(11):3732-3740
  • Kowalewski KF, Hendrie JD, Schmidt MW, Garrow CR, Bruckner T, Proctor T, Paul S, Adigüzel D, Bodenstedt S, Erben A, Kenngott H, Erben Y, Speidel S, Müller-Stich BP, Nickel F. Development and validation of a sensor- and expert model-based training system for laparoscopic surgery. Surg Endosc. 2017 May;31(5):2155-2165 doi: 10.1007/s00464-016-5213-2. Epub 2016 Sep 7. PMID: 27604368.
  • Garrow CR*, Kowalewski KF*, Li L, Wagner M, Schmidt MW, Engelhardt S, Hashimoto DA, Kenngott HG, Bodenstedt S, Speidel S, Müller-Stich BP, Nickel F (2021); *Shared-first ; Machine Learning for Surgical Phase Recognition: A Systematic Review; Ann Surg. 273(4):684-693
  • Kowalewski, K. F., Neuberger, M., Sidoti Abate, M. A., Kirchner, M., Haney, C. M., Siegel, F., Westhoff, N., Michel, M. S., Honeck, P., Nuhn, P. und Kriegmair, M. C. (2023). Randomized Controlled Feasibility Trial of Robot-assisted Versus Conventional Open Partial Nephrectomy: The ROBOCOP II Study. Eur Urol Oncol, doi: 10.1016/j.euo.2023.05.011
nach oben
powered by webEdition CMS