Dr. Mohamed Yaseen Jabarulla
Nachwuchsgruppenleiter AI in Pediatric CHD
Nachwuchsgruppe AI in Pediatric CHD
Künstliche Intelligenz in der pädiatrischen Echokardiographie für angeborene Herzfehler
Das Ziel dieser Nachwuchsforschungsgruppe ist die Entwicklung und Bewertung von KI-basierten Methoden zur Verbesserung der Diagnose, Prognose und klinischen Entscheidungsfindung bei pädiatrischen Patienten mit angeborenen Herzfehlern (CHD).
Der Schwerpunkt liegt auf Erkrankungen wie dem hypoplastischen Linksherzsyndrom (HLHS), der pulmonalen arteriellen Hypertonie (PAH), der Aortenstenose, dem offenen Ductus arteriosus (PDA) und dem Ventrikelseptumdefekt (VSD).
In enger Zusammenarbeit mit der Abteilung für Kinderkardiologie der MHH werden KI-Technologien mit Echokardiographie und klinischen Daten verknüpft, um nachvollziehbare, zuverlässige und datenschutzkonforme Entscheidungshilfesysteme zu entwickeln.
Unsere Forschung konzentriert sich auf die KI-gestützte Analyse pädiatrischer kardiologischer Bildgebungs- und Gesundheitsdaten für eine personalisierte Diagnose und Behandlung. Zu den Schwerpunkten zählen:
- die automatisierte Klassifikation von Herzfehlern,
- die Segmentierung kardialer Strukturen in der Echokardiographie,
- die quantitative Beurteilung der Herzfunktion sowie
- erklärbare und föderierte Lernverfahren zur Gewährleistung von Transparenz und Datenschutz.
Darüber hinaus untersuchen wir den Einsatz großer Sprachmodelle zur Interpretation medizinischer Leitlinien und von Patientendaten sowie zur Unterstützung klinischer Entscheidungsprozesse, beispielsweise bei der Planung interventioneller Eingriffe für komplexe angeborene Herzfehler.
Praxisbeispiele: Klinische KI-Anwendungen
Einsatz von Künstlicher Intelligenz zur quantitativen Analyse der Herzfunktion und zur Überwachung des Krankheitsverlaufs bei Kindern mit pulmonal-arterieller Hypertonie (PAH).
Entwicklung von Machine-Learning-Modellen zur automatisierten Klassifikation und Erkennung angeborener Herzfehler anhand echokardiographischer Bilddaten.
Integration von Bildgebung, klinischen Daten und medizinischen Leitlinien zur Unterstützung der Therapieplanung bei komplexen angeborenen Herzfehlern. So kann das System beispielsweise evidenzbasierte Informationen bereitstellen, um Ärztinnen und Ärzte bei der Bewertung interventioneller Behandlungsoptionen für ein Kind mit hochgradiger Aortenstenose zu unterstützen.
Praxisbeispiele: Software & Digitale Tools
Ziel:
Unterstützung von Ärztinnen und Ärzten beim Auffinden und Zusammenfassen medizinischer Dokumente und Leitlinien.
Beispiel:
Eine Ärztin oder ein Arzt fragt: „Was sind die aktuellen Empfehlungen zur Verlaufskontrolle der pädiatrischen Aortenstenose?“ Der Chatbot ruft die relevanten Abschnitte der Leitlinien ab und erstellt eine prägnante Zusammenfassung.
MedDoc-Bot:
Ziel:
Anpassung großer Sprachmodelle an die spezifische Terminologie und den klinischen Kontext der pädiatrischen Kardiologie.
Beispiel:
Ein feinabgestimmtes Sprachmodell kann eine komplexe Patientenakte zusammenfassen und eine strukturierte klinische Übersicht erstellen, in der die wichtigsten Diagnosen, Interventionen und Empfehlungen für die Nachsorge hervorgehoben werden.
Fine-Tunning LLM:
Ziel:
Unterstützung von Ärztinnen und Ärzten bei der Abfrage medizinischer Leitlinien und klinischen Fachwissens mithilfe von KI sowie durch fachärztlich überprüftes Feedback.
Beispiel:
Eine Ärztin oder ein Arzt stellt eine klinische Frage zum Management angeborener Herzfehler. Der Chatbot liefert eine leitlinienbasierte Antwort, während das Feedback von Expertinnen und Experten sicher dokumentiert und für die zukünftige Validierung und kontinuierliche Verbesserung des Systems verfügbar gemacht wird.
Ziel:
Visualisierung longitudinaler klinischer Daten und Bildgebungsdaten von Kindern mit Aortenklappenerkrankungen.
Beispiel:
Eine Ärztin oder ein Arzt kann die echokardiographischen Messwerte einer Patientin oder eines Patienten über mehrere Jahre hinweg einsehen und Veränderungen der Klappenfunktion mithilfe eines interaktiven Dashboards schnell erkennen.
Dashboard:
Github Repository
Sie interessieren sich für eine Zusammenarbeit oder möchten mehr erfahren? Wir freuen uns über den Austausch mit klinischen und wissenschaftlichen Partnern. Bitte nehmen Sie einfach mit Dr. Mohamed Yaseen Jabarulla Kontakt auf.