00:00:00: Hallo und herzlich willkommen zu einer neuen Folge von Dr.med KI einen gemeinsam Lernangebot der charité-universitätsmedizin und des KI-Campus.

00:00:12: Mein Name ist Kerstin Ritter und ich freue mich sehr heute mit Prof dr Alexander Meyer von der Charité und dem Deutschen Herzzentrum Berlin zu sprechen,

00:00:20: wir wollen uns mit der spannenden Frage beschäftigen wie kann KI in der Kardiologie und Intensivmedizin eingesetzt werden um zB akute lebensbedrohliche Ereignisse wie Blutungen oder Organversagen vorherzusagen.

00:00:35: Vielleicht kann ich ja dass du da bist machst du gleich kurz vorstellen hallo Kerstin ja vielen Dank auch für die Einladung sehr gerne stelle ich mich vor.

00:00:42: Ja mein Name ist Alexander Meier ich bin hier an der Charité und am Deutschen Herzzentrum Berlin seit gut sechs Jahren.

00:00:49: Ich habe so einige Rolle in der tollen intus die würde ich jetzt einfach mal durch deklinieren ich bin Herzchirurg am Herzzentrum,

00:00:57: seit gut einem Jahr mache ich aber jetzt klinisch gar nicht mehr so viel ich bin noch gut 1 Tag in der Woche clean im Einsatz,

00:01:04: ah dann bin ich am Deutschen Herzzentrum Berlin noch der sogenannte Firma oh das ist ein Begriff der ist jetzt noch nicht so gängige in der Medizin aytee kommt aber immer mehr,

00:01:15: kann aus dem US-amerikanischen Raum und steht für chief medical information officer & science ohne Brückenposition zwischen IT Abteilung,

00:01:22: und den Kliniken weil ja immer mehr wirklich digitale Medizin wigital hälst und das ist so der der verknüpfende part.

00:01:30: Ah dann leite ich noch eine Arbeitsgruppe in der Tagen der der Professur für Klinik Lehrjahr und Data science an der Charité.

00:01:37: Und als Nebentätigkeit bin ich noch Geschäftsführer von XK Dirk das ist eine der Ausgründung gegeben haben der KI-Forschung bei uns entstanden ist.

00:01:48: Der wow das klingt nach ganz schön viel ich weiß dass du andere vielen Ding Forst und auch klinische Lösungen entwickelt.

00:01:57: Können wir vielleicht über klinische Routinedaten und Vorhersage von klinischen lebensbedrohlichen Ereignissen sprechen.

00:02:06: Kannst du da mal vielleicht einer Anwendung vorstellen ja kann ich sehr gerne machen ich fange vielleicht auch ein bisschen früher an wie es eigentlich zu der Motivation kam.

00:02:14: Ah das war einmal an der Weiterbildung zum Herzchirurgen notiert man ja an verschiedenen Stationen und ich glaube ich hatte einfach durch diese reich bin vom Hintergrund Informatiker noch und.

00:02:26: Da hat da schaut man glaube ich ganz anders auf Daten also ist jetzt meine Vorstellung ist nativ hoch subjektiv aber ich habe immer natürlich dann mir angeschaut was sind was gibt's denn dafür Daten werden die erhoben werden gespeichert werden die genutzt.

00:02:37: Ich kann mich auch noch erinnern als ich angefangen hatte in der Klinik.

00:02:40: Ich bin auf Station gekommen dachte wie ist das denn organisiert dass das ist aber doch deutlich optimierungsfähig man wird natürlich dann mit der Zeit zum bisschen betriebsblind und passt sich dem an.

00:02:52: Aber was weiß ich wo ich mich nie anpassen konnte ist tatsächlich den Punkt dass man die Daten die wir erheben und dir hin so viele Daten routinemäßig dass die einfach irgendwo gespeichert werden und nicht so viel Cent genutzt werden.

00:03:07: Ein wirklich markantesten war das daneben zudem Zeitung als ich auf Intensivstation gekommen bin 20 14.

00:03:13: Und ich habe gesehen dass er eben in Echtzeit gefühlt 100 und mehr Variablen an einem Bett gespeichert werden wenn man sich dann die klinische Informationssysteme anschaut sieht man dass es knapp 1000 Variablen sind,

00:03:24: aber man in Wirklichkeit dann teilweise doch nur 10 bis 15 Minuten pro Schicht pro Patient dann wirklich der datenanalytik widmen kann,

00:03:34: lass ihn ganz ganz viel Informationen da drin liegen das hat man dann gemerkt wenn es mal wirklich zu einer Komplikation kam und man hat sich post-hoc.

00:03:42: Diese Situation noch mal angeschaut und das machen wir regelmäßig in der Klinik es gibt M&M Konferenz nicht stehen für mehr Mobilität mortality darstellt spricht man die Fälle durch wo es eben Komplikationen gab.

00:03:52: Und dann hat sich das dann anschaut dann kam immer häufiger kam es mir hey das war doch eigentlich klar da hätte doch jemanden nur dass sich anschauen müssen im Kontext wieso,

00:04:01: ging das nicht und das ist halt auch ganz klar wenn man sich überlegt das war nämlich das zweite Erlebnis was ich hatte dann im Nachtdienst.

00:04:08: Mit 20 Patienten alle beatmet mit organersatzverfahren auch und ich alleine als Arzt ich hatte natürlich im Hintergrund aber der ist auch erst in einer halben Stunde da wenn man ihn anruft.

00:04:20: Wie gesagt jetzt schon eine ganze Weile her,

00:04:22: leide ich mir eben so gerne gewünscht ein System was nicht nur mir Alarme basierend auf Messwerten auf primären Messwerten liefert,

00:04:30: sondern tatsächlich auch eine Information Fehler skihöhe geht,

00:04:34: aus der Menge an Daten die wir routinemäßig eben haben Informationen extrahiert also beispielsweise klinische Symptome monitord wie ein hämorrhagischer Schock oder ein Beginn des Kreislaufversagen.

00:04:46: Und das als klinisches Symptom dann auch anzeigt und ein Risiko damit assoziiert so dass man eine Echtzeit priorisierungsliste hat,

00:04:52: und ich wenn ich jetzt beim nächsten Patienten bin sehe aha Patient auf Bett Platz 5 beispielsweise entwickelt eine Komplikation,

00:04:59: da sollte ich jetzt direkt mal hingehen um eben schwere werde Ausmaße dann zu vermeiden weil es ist wie so häufig in der Medizin je früher man das kennt wenn man Pillen die fertig sein kann.

00:05:09: Ist das sehr sehr günstig das ist nicht nur bei Krebs der Fall das ist bei fast allen krankheitsentitäten der Fall Früherkennung ist wirklich der Schlüssel.

00:05:18: Und was sind das für klinische Routinedaten was wird denn alles so offen Intensivstation erhoben da gibt es auch da gibt es auch wirklich Leitlinien dazu also es gibt so ein wirklich standardisiertes ZMS werden die man auf der Intensivstation erhebt.

00:05:33: War auch in der höchsten evidenzklasse es gibt eine S3 Leitlinie hierzu zur intensivmedizinischen Überwachung von herzchirurgischen Patienten muss mal ganz konkret zu sagen das sind natürlich solche Sachen wie invasive blutdruckmesswerte das heißt man hat.

00:05:46: Blutdruck Sensoren in den Gefäßen das kann dann sein in der Natalia in der systemischen Arterie oder in den Lungenarterien oder aber in den zentralen venösen Gefäßen heißt die Herz nagelfest das heißt man hat ganz ganz viele.

00:05:59: Informationen zu Druckverhältnisse im Kreislauf die in der Herzchirurgie und Kardiologie sehr wichtig sind dann natürlich zu Sauerstoff Sauerstoff Werte pulsoxymetrische Werte,

00:06:10: dann

00:06:11: EKG EKG von kontinuierliches Verfahren so Sachen wie Herzfrequenz Laborwerte Geräteeinstellungen nur um paar zu nennen

00:06:20: ja das sind jetzt Objektiv gemessene und dann gibt es ganz viele subjektiv erhobene Parameter bist du gefunden,

00:06:27: gibt beispielsweise so Sachen wie es Situation scores also schläft ein Patient oder wie tief ist der narkotisiert Zeta-Jones diese sagen wir dazu.

00:06:38: Ada wird dann beispielsweise einmal pro Stunde erhoben vom Pflegepersonal und das sind dann solche Sachen die man dann mitunter auch verwenden kann und er kombiniert dann all diese da.

00:06:49: In einem KI-System und sind dann diese Daten sind die vergleichbar zwischen den Patienten nicht mehr mit den unterschiedlich Erkrankung haben wären wahrscheinlich schon noch immer etwas unterschiedliche Daten auch erhoben,

00:06:59: müssen Sie Daten nicht völlig standardisiert zwischen den Patienten sein aber auch vielleicht zwischen unterschiedlichen Geräten.

00:07:06: Das ist das ein guter. Also hier wir schauen uns also ich würde jetzt nicht sagen unter dem Patienten ich sage dann er unter den Kohorten,

00:07:14: weil was mir auch teilweise missfällt ist es solche Ansätze man hat jetzt Hunderttausende von Patienten mit hunderttausenden von Variablen und schmeiß die einfach mal in einem Topf lässt,

00:07:25: Calle machine maschinelles Lernen ist ja in der Regel das was wir nutzen ja maschinelles Lernen Kauf laufen bekommt dann was Chaos also das ist eine,

00:07:33: Rezept von der Katastrophe und wird nicht funktionieren da gibt's auch viele Beispiele in der Literatur also muss ganz ganz genau anschauen welche Kohorte hat man da vor sich,

00:07:42: wie ist das Gesamtbild wie ist die Standardisierung genau wie du sagst dass man darf die statistische Grundausbildung nicht vergessen auch wenn man maschinelles Lernen an anwendet und auch natürlich das was dann am Ende alles folgen muss mit Validierung und etc,

00:07:57: also wir schauen uns die Kohorte der postoperativen herzchirurgischen Patienten an,

00:08:01: die sich doch signifikant unterscheidet von von anderen intensivmedizinischen Kohorten beispielsweise der Neuro der neurointensiv Patient oder der internistische intensivpatient,

00:08:12: natürlich kann man auf dem Gewissen Abstraktionsgrad sagen ist ein intensivpatient aber dann gibt es doch andere krankheitsentitäten die davor.

00:08:21: Es gibt beispielsweise publiziert vor.

00:08:24: Vor zwei Jahren ein Papier zum Erkennen von plötzlichen Kreislaufversagen da werden ebenso die klassischen herzchirurgischen Themen überhaupt nicht beleuchtet und dann ist da ist da eben dann die die Lücke in diesen.

00:08:38: In diesen Symptomen Gebiet oder Befund Gebiet um um um es besser zu sagen denn beim maschinellen lernen ist auch so dass,

00:08:46: was die Maschine einmal gesehen hat erkennt sie auch wieder wenn sie es so viel Cent oft gesehen hat das was die Maschine nicht gesehen hat sieht sie halt auch nicht in Zukunft,

00:08:55: genau dass er genau die spannende Frage die Info Daten sind gerade die ganzen Variablen die erheb,

00:09:00: und was sind genau die output variablen also was versucht ihr vorherzusagen und wie beam es dir das also was wir gesagt natürlich muss man sich solchen Sachen.

00:09:09: Häufig mit Surrogaten und Proxies nähern also wir haben dann gesagt wir schauen uns an die die schwere postoperative Nachblutung die revisionsbedürftig ist.

00:09:19: Weil da haben wir dann wirklich eine eine eine eine,

00:09:22: sehr gute Dokumentation auf der Ursache der Blutung es heißt der Revision bedeutet der Patient nach einer schweren Herzoperation die Patienten bluten nach in fünf bis 10% der Fälle und das kann sehr,

00:09:33: grammatische Auslegung für den Patient haben und das führt dann in der Regel dazu dass sie noch mal in den OP müssen und dann noch mal operiert werden da wird dann sozusagen der pluscard noch mal öffnet wird eine Blutungsquelle gesucht,

00:09:45: und wenn gefunden dann auch behandelt also es kann auch durchaus sein dass keine gefunden wird.

00:09:49: Und diese Information kann man dann natürlich den OP Berichten entnehmen man sieht auch ungefähr in dem Verlauf befunden wann ist denn das aufgefallen auch in den ganzen Routinedaten sieht man aha da kannst du vermehrt Blutung,

00:10:01: da muss man jetzt eben ein. Festsetzen wo man sagt ok was ist mein outcome Fixpunkt und das war bei uns dann eben die Indikationsstellung zur Operation.

00:10:10: Und das war unser outcome Fixpunkt und denen sagen wir genau vorher oder klassifizieren ja anhand des physiologischen Fingerabdruck,

00:10:19: alle ich sag auch ich mag gar nicht so gerne Vorhersage sagen das ist es ja eigentlich nicht ist eine Klassifizierung von pathophysiologischen Signalen die man eben maschinell gut erkennen kann.

00:10:31: Ja und wenn eine Maschine das ständig Monitor hat,

00:10:34: sehr effizient erkennbar so dass man dal klassifizieren kann ok wir wir wir sehen diesen Fingerabdruck der Blutungen frühzeitige Fingerabdruck und können jetzt eine Warnung,

00:10:44: azuran ausgeben könnte man diesen Fingerabdruck denn so aus klinischer Sicht relativ klar charakterisieren was vorlegen müssen also müssen bestimmte physiologische Werte übernimm Werkzeugwagen,

00:10:58: klassischen Entscheidungsbaum das hier auch,

00:11:00: anwenden oder können die sehr sehr unterschiedlich je nach patient gibt es gibt schon solche Entscheidungs Bäume die sind eben in der klinischen Praxis häufig beschwerlich zu nutzen und man merkt dann immer häufiger der in der Schiff von,

00:11:13: man muss gar nicht mehr den Entscheidungsbaum sondern hat aufgrund dessen dass man ihn zehnmal angewendet hat so ein Gefühl dafür entwickelt.

00:11:19: Und das ist natürlich sehr subjektiv und wenig evidenzbasiert und da dieses Gefühl kann auch Schiften ist ganz klar.

00:11:28: Aber in der klinischen Erfahrung ist es zu dieser Erscheinung Entscheidungsbäume wenn dann gar nicht mehr so häufig genutzt,

00:11:35: und dann ist sind ja auch typischerweise so so designt dass die Ebene sehr sehr hohe Spezifität haben aber eine niedrige Sensitivität.

00:11:46: Und da wollen wir eben auch schauen dass wir dass wir da dadurch dass wir das eben regelmäßig in nahezu Echtzeit machen.

00:11:55: Da eine gewisse Objektivität heimbringen und da auch ein gewisses Gleichgewicht zwischen Sensitivität und Spezifität dann.

00:12:04: Ja jetzt haben wollen.

00:12:05: Was was verwendet ihr denn für Algorithmen also wie lernt ihr eine Beziehung zwischen den Routinedaten und dem outcome als wären verschiedene Algorithmen.

00:12:15: Ausprobiert um dal Debitel den optimalen zu nutzen.

00:12:21: Diese klassischen machine learning Algorithmen random forest dzh eingesetzt und im Endeffekt sind wir jetzt beim beim spezifischen neuronalen Netzwerk mit einigen Schichten ich glaube deep learning dazu kann man noch nicht wirklich sagen Multilayered Pizza

00:12:36: tun würde man am ehesten dazu sagen.

00:12:38: China ricorrenza haben das heißt wenn er jetzt Echtzeit Vorhersagen bestimmt jetzt was Auto,

00:12:52: und auf wie vielen Daten hatte von wie vielen Personen und trainiert ihr.

00:12:57: Also wir hatten wir hatten es jetzt so wir haben eine Kohorte von 50000 Patienten die kann man natürlich nicht alle nutzen ja das heißt man muss sich erstmal anschauen welche Patienten fallenden daheim.

00:13:08: Auch wie gesagt es ist diese Basics diese biostatistician Basics von sampling welche Kohorte und die relevante Kohorte für uns dann um fast um die 20000.

00:13:19: Aber das ist ja ne ganzen letzten 15 Jahre wahrscheinlich ja.

00:13:26: Hat sich denn bei den Daten nicht auch viel verändert also das vor 10 Jahren vielleicht noch andere Daten erhoben oder leicht andere oder andere Geräte verwenden.

00:13:34: Wurden tatsächlich gar nicht so so wesentlich und ich glaube das ist schon ein Aspekt mit mit Geräte Abhängigkeit etc da das versuchen wir eben zu Mitte gehen indem wir ganz klar auf neuen Couch setzen,

00:13:49: und da auch eine gewisse Toleranz für haben weil dass das Problem ist also was uns wichtig ist dass wir Trends erkennen in den Kurven.

00:13:58: Und das geht und nicht so sehr auf den Absolutwert natürlich auch auf dem Absolutwert schauen aber nicht.

00:14:04: Piemont die Wände jetzt uns anschauen beispielsweise ein Schock definiert an an dem arteriellen Blutdruck und dann der Herzfrequenz selbst wenn da jetzt der Monitor um 2 Uhr oder 5 mm Hg nicht geeicht ist.

00:14:17: Mach das auch nichts ist wird es nichts Wesentliches ändern anna ist hat der Patient trotzdem systolischen Blutdruck um die 80 und eine Herzfrequenz um die 120 also trotzdem Schock ja also wir sind jetzt hier nicht so im im Nano Bereich wo es wirklich relevant ist,

00:14:32: nichtsdestotrotz ist es ein ganz wichtiger Punkt auf den man achten muss.

00:14:37: Aber wir sind da ebenso dann gegangen wir nehmen an dass wir es möglich generalistisch aufbauen und wie ein wie etliches Personal dann gehen man geht mir geht mit einem arzt dahin,

00:14:47: oder mit einer Ärztin und die müssen Eier in der Lage sein von Anfang an wenn die sich ein PDMS System und die routinemäßigen Daten anschauen damit schon arbeiten zu können und weil in der Dutine fragt auch keine Ärztin oder kein Arzt,

00:15:01: mit welchem SRF ist der Kreatinin erhoben sondern der ist dann eben mit 1,5 deutlich erhöht.

00:15:09: Oder eben mit 0,8 normal und das ist eigentlich unabhängig davon bei der spannt bei dem bei der Einheit Milligramm pro Deziliter der Fall.

00:15:18: Genau was mich halt gefragt hat ob wir die Daten noch überhaupt dann gar nicht vor prozessieren müssten und dann genau also dann müsste das dann passt das aber auch auf die Normwerte an.

00:15:27: Aber nimmt dir dann die kontinuierlichen Variablen oder codiert ihr die quasi in abnormen also in binäre.

00:15:33: Was jetzt schon sonst wär der genau gefragt ja nee aber wir machen das,

00:15:39: in der Regel nehmen wir tatsächlich die die primär variablen also die Zeitreihe dann auch also die.

00:15:47: Wirklich die die nicht kategorisierten oder veränderten Daten aber es kann dann schon sein dass wir auch

00:15:53: Feature Engineering nutzen das kann man auch alles normal in der unseren Publikationen Nachlesen die haben schon auch gewisses Feature Engineering dabei,

00:16:00: weiß nicht oder unrelevant man sagt ja so oberflächlich kann man ja sagen deep learning man gibt einfach alles rein wie es macht alles gut ist Feature Engineering ist Gold wert,

00:16:11: und wirst ihn schon was von Sensitivität und Spezifität gesprochen wie gut sind denn dieses Thema sind die schon so gut dass man sie in der Klinik auch einsetzen könnte.

00:16:20: Ja sind sie definitiv wir sind ja jetzt wir haben wir an seiner Ausgründung basierend auf unserem ersten paper zu dem Thema von 20810 hat dann auch so eine Ausgründung geführt cex Katja GmbH,

00:16:33: wir unser erstes Produkt XI pleading jetzt kurz vor der Zertifizierung haben wir haben die Konformität erklärt Ende Mai.

00:16:39: Und warten jetzt auf die Rückmeldung und das wäre auch wirklich sagen können wir sind zertifiziert als Medizinprodukt.

00:16:48: Und da haben wir jetzt hier ich war ja weiß jetzt nicht ob das zu detailliert ist man ich würde gerne eben diese Mädchen der UCI haben wir um um die 97%,

00:17:00: und beim balanciert ein Datensatz haben wir eine accuracy um die 90% echte Inzidenz Werte auch.

00:17:07: Und habt ihr im Vergleich zu Ärzten oder kann man das quasi gar nicht richtig Vergleich doch das kann man schon vergleichen dann ist auch zur baseline.

00:17:15: Schlichen also bei bei unserem ersten Produkt XI pleading haben wir das verglichen zu der typischen Entscheidungsbaum die man auf der Intensivstation nutzt das ist ein Algorithmus außen.

00:17:26: Im intensivmedizinischen Lehrbuch für herzchirurgischer Patienten der auch benutzt wird oder sind wir deutlich besser um 30% besser absolut.

00:17:36: Und bei mir nimmt derzeit das Produkt ist in der Pipeline da geht es um postoperatives Nierenversagen,

00:17:44: und Daniel hat sich hier auch mal eine experimentelle Studie durchgeführt meine Hypothese war dass wir gleich gut zu dem ärztlichen Personal sind also der Algorithmus ist gleich gut dementsprechenden wir in den non-inferiority Design gewählt

00:17:57: am350 Ärztin und Ärzte

00:18:00: nein Entschuldigung falsch um die zehn Arten und F350 Fälle klassifizieren lassen und unseren Algorithmus Kauf gesetzt,

00:18:08: und haben tatsächlich superiority herausgefunden also der Algorithmus und da müsste ich müsste ich noch mal nachschauen jetzt ich will jetzt nichts falsches sagen warum die,

00:18:16: kann man sich Prozente UCI also war sehr gut diskriminatorisch und die Ärzteschaft lag bei um die 75%.

00:18:24: Und die Kalibration das war auch sehr mir uns die Kalibration noch angeschaut der Algorithmus war perfekt kalibriert und die Ärzteschaft hatte systematisch das Risiko unterschätzt.

00:18:33: Und dann haben wir uns noch den zeitlichen Verlauf angeschaut also wie früh vor einem definierten Nierenversagen Event das haben wir entsprechend danach kadigo definiert.

00:18:42: Wie früh kann das erkannt werden und da hatte der Algorithmus ein Peak um die sechs bis acht stunden.

00:18:48: Und die Ärztin und Ärzte haben das erst etwas.

00:18:54: Wieso verzögert erkannt so dass es erst um die vier Stunden vorher mit dem höchsten Wert erkannt haben alles alles ein bisschen genauer natürlich in der Arbeit beschrieben kann man sich gerne anschauen.

00:19:06: Bitte dich ein bisschen die Frage an wird KI die Ärzte und Ärztinnen ersetzen wie siehst du das und jetzt gerade gesagt Vergleich.

00:19:15: Ganz klar ganz klar nicht es ist einfach nur neues Tool ist es nur ein neues neue Essay und KI finde ich es und das ganze mit viel lernen wir haben ganz tolle Möglichkeiten Muster zu erkennen.

00:19:28: Und musste auch zu zu reproduzieren das ist ja auch ein wichtiger Punkt die generativen Modelle.

00:19:34: Am das ist neu und das kann man kann man wahnsinnig guten Nutzen und das ist wie gesagt einfach nur eine neue Art der Analytik mehr ist das nicht und ähnlich wie der Ultraschall seinerzeit Ultraschall auch kein Arzt ersetzt und keine Ärztin.

00:19:48: Ähnlich wie das MRT es ist einfach nur eine neue Analytics ich benutze sehr gerne die die Analogie zum Biomarker.

00:19:55: Es ist ein neuer digitaler Biomarker und ich kann euer Herzinfarkt Biomarker ersetzt auch,

00:20:01: die Ärztin Ärztin ich habe muss trotzdem noch behandelt werden der dann sagt du bist auch Herzchirurg.

00:20:09: Kann KI dir auch bei den Operationen helfen wird Qaida auch ein Gesetz.

00:20:15: Bei bei der Operation danach.

00:20:25: Also da dass es müssen natürlich Forschungsthemen die wir die Geldkarte rangehen oder muss sagen bei den OP Feuersteine erheblicher Freiheit.

00:20:33: Also ist noch mal eine deutlich komplexer der Situation.

00:20:37: Da gibt es auch Ansätze wo man KI gut integrieren kann beispielsweise der Bildgebung also wir nutzen benutzen Bild Analytik in dem interventionellen Bereichen der interventionellen Herzchirurgie bye bye,

00:20:49: Katheter klappen beispielsweise wo man dann in Echtzeit auch Segment Tierbilder segmentieren kann und Overlays generieren kann dass mich nicht unbedingt dann maschinelle Lernalgorithmen sein aber ich würde dann schon sagen im Bereich KI ist es dann schon.

00:21:02: Ada nutzen wir dass wir nutzen ist zur präoperativen Planung viel insbesondere insbesondere Bild verarbeiten algorithmic.

00:21:09: Dann haben wir natürlich auch bei Langzeit EKG das jetzt nicht bei der OP aber da werden wir auch unterstützt von Algorithmen.

00:21:15: Und direkt während der OP könnte man sich dann neben der Bildverarbeitung in Tavi Bereich den ich schon genannt hat im transkatheter Bereich noch indem den Endoskopie Bereich gut vorstellen.

00:21:26: Und je nach je nach operativen Fach auch wieder ganz unterschiedliche Use-Cases aber um es jetzt konkret zu beantworten aktuell.

00:21:38: Werden einer Operation außer bei den Tages nutzen wir einen noch keine Karies.

00:21:44: Es ist im übrigen Weigands eigentlich wenn man wenn man die die Literatur und die Menge an Publikationen dem was tatsächlich genutzt wird gegenüberstellt da ist ein ganz ganz großer gell.

00:21:56: Ja man sieht manchmal so Bilder von so Robotern wo es so aussieht als ob die jetzt operieren würden und da hatte ich mir gefunden,

00:22:06: das ist das ist trotzdem ist es sehr nützlich und das ist auch mentieren also die die erlauben daneben mehr Freiheitsgrade besonders beim endoskopischen operieren die erlauben gewisse ne prima Unterdrückung bei ganz feinen UPS,

00:22:20: aber in Wirklichkeit operiert immer noch der Chirurg.

00:22:23: Und du hast ja gesagt du bist auch Informatiker glaubst du um jetzt als Mediziner also einen KI Bereich zu gehen es ist unerlässlich dass man auch ein Informatikstudium hat,

00:22:33: oder gibt's da auch andere Wege und Möglichkeiten das fällt mir fast schwer zu beantworten weil ich glaube schon dass ich total profitierte davon dieses Wissen zu haben.

00:22:44: Nichtsdestotrotz glaube ich mit genug Interesse und Eigeninitiative ist das total möglich mein als Medizinmann kann man auch exzellente biochemische Forschungen durchführen und man hat auch nicht Biochemie studiert.

00:22:56: Und am.

00:22:58: Also insofern glaube ich es ist sehr sicherlich sehr hilfreich und ohne Offenheit und Interesse dafür kann man da nicht forschen in dem gefällt aber ein Studium ist denke ich nicht notwendig,

00:23:11: es gibt ja natürlich auch dieses total clinician scientist program was ja dann auch die Leute so sind und dein Team besteht wahrscheinlich auch aus Informatikern und Medizinern und ganz genau wir sind ganz interdisziplinär wir haben Statistiker wir haben Physiker Informatiker und Medizin Mt.

00:23:28: Vielen Dank war sehr spannend sehr gerne zum nächsten Mal.