AG Künstliche Intelligenz (KI)
Kinder- & Jugendchirurgisches Forschungszentrum
Unsere Forschungsgruppe fokussiert sich auf die Entwicklung, Validierung und Implementierung innovativer KI-Methoden in den klinischen Alltag, um die diagnostische und operative Behandlungsqualität zu verbessern. Im Zentrum unserer Arbeit steht der Einsatz von Künstlicher Intelligenz zur Unterstützung bei der Befundung medizinischer Bilddaten, einschließlich Röntgen- und Ultraschallbildern, intraoperativen Aufnahmen bei minimal-invasiven und roboterassistierten Eingriffen sowie als Entscheidungshilfe in der Notaufnahme. KI ermöglicht es, klinische Entscheidungen schneller und auf einer fundierteren Basis zu treffen. Durch den Einsatz von Machine Learning können große Datenmengen und komplexe Informationen effizienter und teils in Echtzeit während operativer Eingriffe verarbeitet werden.
Künstliche Intelligenz hilft uns, Röntgen- und Ultraschallbilder schneller zu beurteilen, Roboteroperationen auszuwerten und in der Notaufnahme sicherer zu entscheiden – etwa mit unserem Appendizitis-Score, der eine Blinddarmentzündung besser vorhersagt als bisherige Verfahren. KI ersetzt keine Ärztin und keinen Arzt; sie unterstützt die Entscheidung.
Zur Ausschöpfung dieses Potenzials erfassen und analysieren wir klinische Datenströme und Informationen. Nach einer strukturierten Aufbereitung durch Segmentierung und Annotation entstehen daraus spezialisierte Datensätze, die als Grundlage für die Entwicklung und Validierung von Algorithmen dienen, welche Kinderchirurgen während der Operation gezielt unterstützen.
Ein weiterer Schwerpunkt unserer Arbeit liegt in der intraoperativen Gewebebeurteilung mithilfe modernster biophotonischer Technologien, wie Hyperspektralbildgebung und Fluoreszenz. Diese Techniken ermöglichen eine Echtzeitanalyse des Gewebes durch Messungen des elektromagnetischen Spektrums, der Sauerstoffsättigung und der Perfusion. So können Gewebeeigenschaften während der Operation präzise bewertet und auf dieser Basis fundierte Therapieentscheidungen getroffen werden.
Zudem arbeiten wir intensiv an der Reduktion des Dokumentationsaufwands für medizinisches und pflegerisches Personal. KI-gestützte Systeme sollen zukünftig vermehrt Aufgaben wie das Erstellen von Arztbriefen und andere administrative Tätigkeiten übernehmen, wodurch wertvolle Zeit für die direkte Patientenversorgung gewonnen wird.
Derzeit ist die Integration dieser Technologien in den klinischen Alltag noch begrenzt, da es an ausreichender Validierung der Verfahren fehlt. Um diesen Herausforderungen zu begegnen, konzipieren und führen wir umfangreiche klinische Studien durch, um den wissenschaftlichen Nutzen dieser Technologien zu belegen. Diese Studien bilden die Grundlage für eine sichere und effektive Implementierung intelligenter Systeme in die Routineversorgung. Unsere Arbeit zielt darauf ab, den Einsatz intelligenter Systeme in der klinischen Praxis voranzutreiben und die Versorgungsqualität durch innovative Technologien nachhaltig zu verbessern.
AG Info
Mitglieder der Arbeitsgruppe:
- Prof. Dr. med. Michael Boettcher
- PD Dr. med. Julia Elrod
- Dr. med. Kristina Maurer
Kooperationspartner:
- Prof. Dr. Meike Weis (Kinderradiologie)
- Prof. Dr. Martin Lablans (Komplexe Datenverarbeitung)
Fünf ausgewählte Publikationen
- Gnatzy R, Lacher M, Cascio S, et al. Pediatric surgical trainees and artificial intelligence: a comparative analysis of DeepSeek, Copilot, Google Bard and pediatric surgeons‘ performance on the European Pediatric Surgical In-Training Examinations (EPSITE). Pediatr Surg Int. 2025.
- Gnatzy R, Lacher M, Berger M, et al. Solving Complex Pediatric Surgical Case Studies: A Comparative Analysis of Copilot, ChatGPT-4, and Experienced Pediatric Surgeons‘ Performance. Eur J Pediatr Surg. 2025.
- Mohamed SA, Götz L, Saase V, et al. Assessment of Brain Development in Children With Congenital Diaphragmatic Hernia – an Automated Brain Segmentation Approach. In Vivo. 2025.
- Virlan SV, Froelich MF, Thater G, et al. Radiomics-Assisted Computed Tomography-Based Analysis to Evaluate Lung Morphology Characteristics after Congenital Diaphragmatic Hernia. J Clin Med. 2023.
- Stiel C, Elrod J, Klinke M, et al. The Modified Heidelberg and the AI Appendicitis Score Are Superior to Current Scores in Predicting Appendicitis in Children: A Two-Center Cohort Study. Front Pediatr. 2020.



