Research

BOSTER versteht sich als wissenschaftliche Plattform für anwendungszentrierte Projekte zur technologischen Transformation des Operationssaals und des klinischen Arbeitsumfeldes. Die Arbeit am BOSTER ist hierbei von der Interdisziplinarität einer vielfältigen Partnerlandschaft aus Forschung und Industrie geprägt. 
Im Fokus stehen Projekte, die sich der Translation von Schlüsseltechnologien aus KI und Robotik durch die enge Integration des klinischen Anwenders widmet. 
BOSTER profitiert von der Einbindung relevanter Partner*innen aus den Bereichen Nachhaltigkeit, Ethik, Datenschutz und Cybersicherheit in die Projekte.  

Datengetriebene Unterstützungssysteme zur Verbesserung der Chirurgischen Praxis

 

Die sich rasch entwickelnden Technologien aus der Künstlichen Intelligenz (KI) bieten enorme Potenziale, Chirurg*innen in ihrer Arbeit durch automatisierte Datenanalyse vorteilhaft zu unterstützen. Wir adressieren in unseren anwendungsorientierten Ansätzen alltägliche Herausforderungen der klinischen Patientenversorgung wie die Erfassung von kritischen Szenarien innerhalb der Notfallversorgung oder der Entwicklung von Warnsystemen im Operationssaal. Die individuelle Fürsorge durch ärztliche Kompetenz wird hierbei nicht ersetzt, sondern gewinnbringend ergänzt.

Neue Form der Visualisierung durch erweiterte Realitäten (XR): Virtual und Mixed Reality

 

Die Darstellung von Medizinischen Daten erfährt durch die Entwicklungen im Bereich der erweiterten Realität (auch XR, Metaverse oder Spatial Computing) neue Potenziale in der Erfassung relevanter Inhalte auch für Chirurg*innen. Die immersive 3D-Darstellung wird in verschiedenen Anwendungsszenarien erforscht. Hierzu zählen beispielhaft die chirurgische Behandlungsplanung oder der Nutzen in Aus- und Weiterbildung von Studierenden sowie Ärzt*innen.

Moderne Versorgungsstandards durch chirurgische Robotik 

Die Implementierung neuer robotischer Systeme bis in die Anwendung am Patienten erfordert neue Herangehensweisen und Strategien bei der Umsetzung innerhalb der klinischen Behandlungsteams. Die wissenschaftliche Begleitung bei der Überführung neuer Technologie in die Praxis fokussiert sich stets auf eine patientensichere Versorgung.  Die Forschung befasst sich u.a. mit der Kombination aus Robotik mit anderen Schlüsseltechnologien aus KI und XR. Das Zielbild, die chirurgische Präzision bei gleichzeitiger Erhöhung des Patientenkomforts durch Reduktion der Invasivität zu steigern, steht hierbei im Fokus.

Technologie im Kontext globaler chirurgischer Versorgung 

Untersuchungen haben gezeigt, dass ca. 5 Milliarden Menschen weltweit keinen ausreichenden Zugang zu chirurgischer Versorgung haben. Dies betrifft insbesondere Regionen im globalen Süden; in Subsahara Afrika, Südamerika und Asien*. BOSTER hat sich zur Aufgabe gesetzt, Technologien aus der privilegierten Welt hinsichtlich ihrer Wertigkeit zur Verbesserung benachteiligter (low-resource-)Regionen zu ergründen und bedarfsgerecht zu implementieren. Die wissenschaftlichen Kooperationen erstrecken sich von der Vernetzung mit global agierenden NGOs bis zu bestehenden Versorgungseinrichtungen im globalen Süden, wie dem LAMU hospital – Centre for Reconstructive and Global Surgery in Jinja, Uganda.

*Alkire, B. C., Raykar, N. P., Shrime, M. G., Weiser, T. G., Bickler, S. W., Rose, J. A., … & Farmer, P. E. (2015). Global access to surgical care: a modelling study. The Lancet Global Health, 3(6), e316-e323.

Publications

Arensmeyer J, Bedetti B, Schnorr P, Buermann J, Zalepugas D, Schmidt J, Feodorovici P (2024) A System for Mixed-Reality Holographic Overlays of Real-Time Rendered 3D-Reconstructed Imaging Using a Video Pass-through Head-Mounted Display—A Pathway to Future Navigation in Chest Wall Surgery. J Clin Med 13:2080. https://doi.org/10.3390/jcm13072080

Adrales G, Ardito F, Chowbey P, Morales-Conde S, Ferreres AR, Hensman C, Martin D, Matthaei H, Ramshaw B, Roberts JK, Schrem H, Sharma A, Tabiri S, Vibert E, Woods MS (2024) Laparoscopic cholecystectomy critical view of safety (LC-CVS): a multi-national validation study of an objective, procedure-specific assessment using video-based assessment (VBA). Surg Endosc 38:922–930. https://doi.org/10.1007/s00464-023-10479-y

Adrales G, Ardito F, Chowbey P, Morales-Conde S, Ferreres AR, Hensman C, Martin D, Matthaei H, Ramshaw B, Roberts JK, Schrem H, Sharma A, Tabiri S, Vibert E, Woods MS (2024) A multi-national, video-based qualitative study to refine training guidelines for assigning an “unsafe” score in laparoscopic cholecystectomy critical view of safety. Surg Endosc 38:983–991. https://doi.org/10.1007/s00464-023-10528-6

Bedetti B, Zalepugas D, Arensmeyer JC, Feodorovici P, Schmidt J (2023) Robotik in der Thoraxchirurgie. Pneumologie 77:374–385. https://doi.org/10.1055/a-1854-2770

Feodorovici P, Arensmeyer J, Schnorr P, Schmidt J (2023) Einsatz von erweiterten Realitäten (XR) in der Thoraxchirurgie. Zentralblatt Für Chir – Z Für Allg Visz Thorax- Gefäßchirurgie 148:367–375. https://doi.org/10.1055/a-2121-6478

 Feodorovici P, Schnorr P, Bedetti B, Zalepugas D, Schmidt J, Arensmeyer JC (2023) Collaborative Virtual Reality Real-Time 3D Image Editing for Chest Wall Resections and Reconstruction Planning. Innov Technol Tech Cardiothorac Vasc Surg 18:525–530. https://doi.org/10.1177/15569845231217072

Henn J, Hatterscheidt S, Sahu A, Buness A, Dohmen J, Arensmeyer J, Feodorovici P, Sommer N, Schmidt J, Kalff JC, Matthaei H (2023) Machine Learning for Decision-Support in Acute Abdominal Pain – Proof of Concept and Central Considerations. Zentralblatt Für Chir – Z Für Allg Visz Thorax- Gefäßchirurgie 148:376–383. https://doi.org/10.1055/a-2125-1559

Dohmen J, Lessau M, Schmitz M, Kalff JC (2023) Recycling von chirurgischen Einweginstrumenten – lohnt sich das? Zentralblatt Für Chir – Z Für Allg Visz Thorax- Gefäßchirurgie 148:329–336. https://doi.org/10.1055/a-2122-7519

Henn J, Wyzlic PK, Esposito I, Semaan A, Branchi V, Klinger C, Buhr HJ, Wellner UF, Keck T, Lingohr P, Glowka TR, Manekeller S, Kalff JC, Matthaei H, the StuDoQ, Pancreas Study Group (2023) Surgical treatment for pancreatic cystic lesions—implications from the multi-center and prospective German StuDoQ|Pancreas registry. Langenbecks Arch Surg 408:28. https://doi.org/10.1007/s00423-022-02740-0

Henn J, Buness A, Schmid M, Kalff JC, Matthaei H (2021) Machine learning to guide clinical decision-making in abdominal surgery—a systematic literature review. Langenbecks Arch Surg 1–11