Intelligente Systeme und Robotik in der Urologie
- Bildgebung und Radioonkologie
- DKFZ-Hector Krebsinstitut
- Klinische Kooperationseinheit
- Nachwuchsgruppe

Priv. Doz. Dr. Karl-Friedrich Kowalewski
Arbeitsgruppenleiter
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 Forschung

Die Junior klinische Kooperationsgruppe “Intelligente Systeme und Robotik in der Urologie” arbeitet an der Entwicklung, Validierung und Umsetzung dieser KI-Methoden in den klinischen urochirurgischen 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.
Projekte
Zurück zum Photon
Das von PD Dr. med. Alexander Studier-Fischer geleitete interdisziplinäre Projekt kombiniert Expertise aus der Urologie und modernen bildgebenden Verfahren, um innovative intraoperative Assistenzsysteme zu entwickeln. In enger Zusammenarbeit mit der Abteilung für Intelligente Medizinische Systeme unter der Leitung von Professorin Lena Maier-Hein liegt der Schwerpunkt auf der hyperspektralen Bildgebung (HSI). Diese Technologie ermöglicht es, Licht in für das menschliche Auge nicht sichtbaren Wellenlängenbereichen zu nutzen, um während chirurgischer Eingriffe tiefere Einblicke in die Gewebe- und Organeigenschaften zu gewinnen. Durch die Analyse von spektralen Informationen können intraoperativ wichtige Parameter wie die Gewebeoxygenierung und die Perfusion präzise dargestellt werden. Dies dient dazu, die Sicherheit und Effektivität chirurgischer Eingriffe zu erhöhen, indem es eine verbesserte Visualisierung kritischer Strukturen ermöglicht.
Ein besonderer Schwerpunkt des Projekts ist die Integration von xeno-learning-Ansätzen. Dabei handelt es sich um eine innovative Methode, bei der Deep-Learning-Algorithmen an Daten unterschiedlicher Spezies trainiert werden, wie z. B. an tierischen Modellen, um deren Anwendung auf den Menschen zu optimieren. Diese Methode bietet nicht nur einen ethischen Vorteil, indem sie die Notwendigkeit für menschliche Trainingsdaten reduziert, sondern ermöglicht auch eine bessere Anpassung der Algorithmen an variierende physiologische und anatomische Bedingungen.
Ein weiteres zentrales Forschungsthema ist die Untersuchung von Harnleiterstenosen im Kontext der Entfernung der Harnblase bei Blasenkarzinomen. Hierbei wird untersucht, wie HSI-basierte Bildgebung dazu beitragen kann, die intraoperative Detektion und Prävention von Harnleiterstenosen zu verbessern. Dies umfasst unter anderem die Analyse der Gewebequalität sowie die Verwendung von Fluoreszenzfarbstoffen wie Indocyaningrün (ICG), um vaskuläre Strukturen und die Durchblutung besser sichtbar zu machen.
Darüber hinaus wird die hyperspektrale Bildgebung durch die Verwendung verschiedener Kontrastmittel und Farbstoffe weiterentwickelt, um spezifische Gewebeeigenschaften hervorzuheben. Ziel ist es, die diagnostischen und therapeutischen Möglichkeiten der HSI-Technologie in der Chirurgie zu erweitern. Diese augmentierten Bildgebungsverfahren könnten zukünftig nicht nur in der Urologie, sondern auch in anderen chirurgischen Disziplinen eine entscheidende Rolle spielen.
Durch die Kombination modernster technologischer Entwicklungen und klinischer Expertise verfolgt das Projekt das übergeordnete Ziel, intraoperative Entscheidungsprozesse zu verbessern und langfristig die Patientensicherheit und -ergebnisse zu optimieren.
KI-basierte Blasenkarzinomerkennung
Das durch das DKFZ Hector Krebsinstitut geförderte und von Dr. med. Caelán Max Haney geleitete Projekt wird in enger Zusammenarbeit mit Dr. Fabian Isensee von der Abteilung für Medizinische Bildverarbeitung durchgeführt. Ziel des Projekts ist die Entwicklung eines KI-gestützten Ansatzes zur Analyse von Urinzytologien, der nicht nur präzise, sondern auch erklärbar ist, um Vertrauen und Akzeptanz in der medizinischen Praxis zu fördern. Dabei liegt ein besonderer Schwerpunkt auf der Erstellung eines vielfältigen und repräsentativen Datensatzes. Durch den Einsatz moderner Bildverarbeitungstechniken und Multiple-Instance-Learning-Methoden werden neuronale Netzwerke trainiert, die idealerweise auch im Bereich der Früherkennung eingesetzt werden können.
Es handelt sich um ein kooperatives Projekt zwischen der Klinik für Urologie und Urochirurgie, dem Institut für Pathologie der Universitätsmedizin Mannheim sowie der junior klinischen Kooperationseinheit Intelligente Systeme und Robotik in der Urologie und der Abteilung für Medizinische Bildverarbeitung des DKFZ.
KI-basierte Prostatakarzinomerkennung im transrektalen Ultraschall
Das von der Dietmar Hopp Stiftung geförderte Projekt wird durch Dr. med. Caelán Max Haney geleitet und befasst sich mit der Prostatakarzinomerkennung im transrektalen Ultraschall. Hierbei wird untersucht, ob die Erkennung von Prostatakarzinomen, eine Aufgabe, die konventionell nur mittels multiparametrischem MRT gelöst werden kann, auch im Ultraschall mittels künstlicher Intelligenz möglich ist. Es handelt sich um ein interdisziplinäres Projekt mit Beteiligung der Klinik für Urologie und Urochirurgie und dem Institut für Pathologie der Universitätsmedizin Mannheim sowie der junior klinischen Kooperationseinheit Intelligente Systeme und Robotik in der Urologie und der Abteilung für Medizinische Bildverarbeitung des Deutschen Krebsforschungszentrums.
Prostatakrebs ist die häufigste Krebserkrankung bei Männern in Europa und den USA, wobei die robotergestützte Prostatektomie den operativen Standard für die kurative Therapie darstellt. Das Projekt AIM-PRO zielt darauf ab, positive Resektionsränder, die die onkologische Prognose verschlechtern, sowie funktionelle Einschränkungen wie Inkontinenz und Impotenz zu reduzieren. Mithilfe von Daten wie Operationsvideos, histopathologischen Modellen und Patientenberichten, werden KI-Modelle für Echtzeit-Operationshilfen entwickelt.
Team
20 Mitarbeiter:innen
-
Priv. Doz. Dr. Karl-Friedrich Kowalewski
Arbeitsgruppenleiter
-
Gloria Baumann
-
Birger Bautz
Medizinische Doktorandin - Biophotonik
-
Dr. Luisa Egen
Clinician Scientist - Biophotonik
-
Wahid Fattal
Medizinischer Doktorand - DeepTRUS
-
Leonard Fobker
Medizinischer Doktroand - DeepTRUS
-
Caelan Haney
Medical lead
-
Emily Höll
HiWi - Biophotonik
-
Moritz Hommel
Medizinischer Doktorand - Biophotonik
-
Karina Kämpfert
Medizinische Doktorandin - DeepTRUS
-
Vera Klütz
PhD Studentin - Biophotonik
-
Jiri Lehmberg
Medizinischer Doktorand - MYSCUS
-
Luisa Renner
-
Seyed Reza Seif
Masterstudent - DeepTRUS
-
Alexander Studier-Fischer
-
Samantha Thauer
HiWi - Biophotonik
-
Antonia Thiele
Medizinische Doktorandin - AIM-PRO
-
Tianmu Wang
Medizinischer Doktorand - DeepTRUS
-
Maximilian Wessendorf
Medizinischer Doktorand - DeepTRUS
-
Nektarios Winter
PhD Student - DeepTRUS
Ausgewählte Publikationen
Kowalewski KF, Garrow CR, Schmidt MW, Benner L, Müller-Stich BP, Nickel F
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
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
Kowalewski KF, Neuberger M, Sidoti Abate MA, Kirchner M, Haney CM, Siegel F, Westhoff N, Michel MS, Honeck P, Nuhn P, Kriegmair MC
Kontaktieren Sie uns
