DKFZ-Hector Nachwuchs-Klinische Kooperationseinheit „Intelligent Systems and Robotics in Urology (ISRU – E140)“
Urologisches Forschungszentrum
In operativen Fächern wie der Urologie ist die Erfahrung sowie die intraoperative Einschätzung des Operationssitus und der Anatomie durch den Operateur von elementarer Bedeutung. Durch die jüngsten Fortschritte im Bereich der künstlichen Intelligenz und ihrer Subdomänen 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 Behandlungsprozess angewandten Medizinprodukte 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 Chirurgeninnen.
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 Chirurgen 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 diese Limitation 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. med. Karl-Friedrich Kowalewski
Prof. Dr. med. Karl-Friedrich Kowalewski
Mitglieder der Arbeitsgruppe:
- Caelan Max Haney
- Dr. med. Luisa Egen
- cand. med. Marie Angela Sidoti Abate
- cand. med. Victoria Wieland
- cand. med. Johannes Kilz
Ausgewählte Publikationen
(zur vollständigen Publikationsliste)
- 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
- Kowalewski, K. F., Wieland, V. L. S., Kriegmair, M. C., Uysal, D., Sicker, T., Stolzenburg, J. U., Michel, M. S. und Haney, C. M. (2023). Robotic-assisted Versus Laparoscopic Versus Open Radical Cystectomy-A Systematic Review and Network Meta-analysis of Randomized Controlled Trials. Eur Urol Focus 9, 480-490, doi: 10.1016/j.euf.2022.12.001.
- Kowalewski KF, Schmidt MW, Proctor T, Pohl M, Wennberg E, Karadza E, Romero P, Kenngott HG, Müller-Stich BP, Nickel F (2018) Skills in minimally invasive and open surgery show limited transferability to robotic surgery: results from a prospective study Surg Endosc. 32(4):1656–1667
- Piramide F*, Kowalewski KF*, Cacciamani G, Rivero Belenchon I, Taratkin M, Carbonara U, Marchioni M, De Groote R, Knipper S, Pecoraro A, Turri F, Dell’Oglio P, Puliatti S, Amparore D, Volpi G, Campi R, Larcher A, Mottrie A, Breda A, Minervini A, Ghazi A, Dasgupta P, Gozen A, Autorino R, Fiori C, Di Dio M, Gomez Rivas J, Porpiglia F, Checcucci E; European Association of Urology Young Academic Urologists and the European Section of Uro-Technology (2022)Three-dimensional Model-assisted Minimally Invasive Partial Nephrectomy: A Systematic Review with Meta-analysis of Comparative Studies; *Shared-Frist Eur Urol Oncol. 5(6):640-650
- Kowalewski KF*, Seifert L*, Kohlhas L, Schmidt MW, Ali S, Fan C, Köppinger KF, Müller-Stich BP, Nickel F (2023); *Shared-first Video-based training of situation awareness enhances minimally invasive surgical performance: a randomized controlled trial Surg Endosc. 2023