Profil

Ich bin 51 Jahre alt, verheiratet und habe einen erwachsenen Sohn. Der studiert gerade an der OTH Regensburg den Studiengang Künstliche Intelligenz und Data Science. Wir haben Glück gehabt und ein tolles Haus in Regensburg bauen können mit einem schönen Garten. Der Garten ist wichtig für mich, weil ich da den Ausgleich für meine Arbeit in der Wissenschaft finde. Hier verwirkliche ich jedes Jahr ein paar kleinere und größere Projekte. Zuletzt habe ich eine sogenannte Philosophenbank gebaut, das ist eine Bank mit Dach drüber. In dem Fall sieht das so aus wie ein kleines Haus mit windschiefem Dach und Holzschindeln – ein bisschen wie ein Hexenhaus.

Wir haben keine Haustiere, aber ich hätte eigentlich gerne eine Landschildkröte. Aber es hat nur für einen Rasenroboter gereicht. Dem bei der Arbeit zuzusehen, entspannt aber auch sehr. Und irgendwie ist er ein bisschen das Bindeglied zwischen meiner Arbeit und meinem Hobby. Früher habe ich mal Akkordeon spielen gelernt (nach der obligatorischen Blockflöte). Aber jetzt würde ich gerne Klarinette lernen, aber bisher fehlt mir die Zeit. Aber man sollte Ziele nie aus den Augen verlieren.

Ich habe nach dem Abitur zuerst Zivildienst im Kinderkrankenhaus gemacht. Daher kommt wahrscheinlich auch meine Liebe zur Medizin. Arzt wollte ich zwar nie werden, aber mit der Medizinischen Informatik habe ich diese Medizin-Zuneigung in meinen eigentlichen Lieblingsberuf, den des Informatikers, herüberretten können.

Während des Studiums hatte ich einige Probleme gerade zu Beginn mit der Mathematik. Die Informatik hat ihre Wurzeln in der Mathematik, ohne geht es nicht. Aber obwohl ich in der Schule sehr gut in Mathe war, habe ich doch ganz schön kämpfen müssen. Heute bin ich froh, dass ich nicht aufgegeben habe, im zweiten Teil des Studiums wurde es besser. Man sollte sich halt nie bei Schwierigkeiten gleich aufgeben.

Im Studium habe ich dann schon das Vertiefungsgebiet „Mustererkennung“ gewählt. Klingt nicht so fancy wie heute, wo es „Machinelles Lernen“ oder „Künstliche Intelligenz“ heißt. Aber ich bin froh, dass ich die Medizinische Bildverarbeitung noch klassisch gelernt habe und mich jetzt in den erweiterten Methoden der Künstlichen Intelligenz vertiefen kann. Ich habe das Gefühl, dadurch einen breiten Überblick zu haben.

An mein erstes großes Projekt als Professor bin ich auf etwas unkonventionelle Weise gekommen. Beim Bau unseres Hauses wollte ich viel selbst machen, um ein bisschen Geld zu sparen. Beim Verputzen einer Wand ist die Leiter ins Rutschen gekommen und 5 Meter in die Tiefe gestürzt. Ich bin auf der Betonkellertreppe gelandet, habe mich mit dem Arm abgefangen und einen sehr schweren und komplizierten Trümmerbruch erlitten. Es folgten viele Operationen und noch mehr Untersuchungen in den nächsten Wochen und Monaten. Bei einer Untersuchung meinte der behandelnde Arzt, ich wäre doch Medizininformatiker. Er habe da eine Idee, wie man die Handchirurgie für Ärzt*innen erleichtern könnte, indem man einen Simulator entwickelt, an dem man das üben könnte. Später ist aus dieser Idee dann ein richtig großes Projekt geworden mit mehreren Wissenschaftler*innen, die daran gearbeitet haben und mehreren Firmen, die beteiligt waren. Meine Hand ist inzwischen auch wieder vollständig geheilt und funktionstüchtig. Ende gut, alles gut. Aber seitdem habe ich lieber telefoniert für Projektanbahnungen und bin nicht mehr mit Blaulicht im Krankenwagen vorgefahren.

Unser Forschungsschwerpunkt sind tiefe Neuronale Netze zur Bildanalyse in der Medizin. Solche Bilder können z.B. Röntgenbilder sein, Daten aus der Computer-Tomographie oder der Magnet-Resonanz-Tomgraphie. Wir arbeiten ganz besonders viel mit endoskopischen Bildern. Dabei wird ein flexibles Endoskop einem Patienten in den Mund eingeführt und bis zum Magen geschoben. Auf dem Weg vom Magen wieder zurück wird die Schleimhaut der Speiseröhre beobachtet. Dabei wird auf alle Veränderungen geachtet, aber ganz besonders auf Karzinome. Dieser bösartige Krebs sollte möglichst frühzeitig erkannt werden, damit er gut therapierbar ist.

Mit Hilfe von KI-Methoden wollen wir der Ärztin bzw. dem Arzt quasi einen kleinen Experten auf die Schulter setzen, der mit auf die Bilder schaut und dafür sorgt, dass nichts wichtiges übersehen wird.

Wir arbeiten mit klinischen Expert*innen aus der Uniklinik Augsburg zusammen. Die sagen uns vorher, was auf den Bildern zu sehen ist und zeichnen es sogar ein. Aus diesen sogenannten Annotationen lernt dann die Künstliche Intelligenz den Unterschied zwischen gesundem Gewebe, krankhaften Strukturen und bösartigem Krebs. Die Projekthomepage findet ihr hier.

Wir konzentrieren uns in der Forschung vor allem auf zwei Dinge, die gerade für die KI in der Medizin von besonderer Relevanz sind:

1. Wir haben im Vergleich zu Anwendungen wie KI in der Automobilindustrie oder Ähnlichem nur sehr wenige Bilder. Das liegt zum einen daran, dass die Patient*innen immer gefragt werden müssen, ob sie ihre Daten für die Forschung zur Verfügung stellen. Und es gibt einfach auch – Gott sei Dank – viel weniger Patienten mit Speiseröhrenkrebs als z.B. Autos. Zum anderen ist es aber auch so, dass wir die Einzeichnung der klinischen Expert*innen aber auch brauchen, damit unser System daraus lernen kann. Die haben aber nicht so viel Zeit und müssen sich verständlicherweise erst mal um die Patientenversorgung kümmern.Deshalb forschen wir daran, wie man entweder aus den vielen Bildern, die bei solchen Untersuchungen entstehen die herausfindet, bei denen es sich besonders lohnt, sie zu annotieren. Wir werfen den Ärzt*innen also nicht 200 Bilder vor und sagen: los, mach mal und dann sehen wir schon. Sondern wir analysieren die 200 Bilder vorab und beschränken uns erst mal auf einen Bruchteil, sagen wir 10% und versuchen, damit auszukommen. Wichtig ist dabei, dass die KI genauso gut sein sollte, als hätten wir die Annotationen von allen 200 Bildern.Der andere Ansatz zielt darauf, dass wir z.B. nur 20 Bilder annotiert haben, aber aus den Videos der Untersuchungen nicht 200 sondern 2000 weitere Bilder bekommen können, aber unmöglich die Ärzt*innen bitten können, diese auch anzusehen. Aber aus den wenigen Annotation der Expert*innen und ganz vielen weiteren Bildern möchten wir unsere KI verbessern, so dass die nicht-annotierten Daten trotzdem zu etwas gut sind.
2. Wenn die KI eine Vorhersage macht und z.B. eine Diagnose vorschlägt, dann möchte die Ärztin bzw. der Arzt natürlich wissen, wie der Computer darauf kommt. Das kann man mathematisch natürlich erklären, aber ein Mensch kann mit diesen Zahlen nichts anfangen. Deshalb ist es das Ziel unserer Forschung, den Kliniker*innen das Verhalten der KI begreiflich zu machen. Diese Forschungsrichtung nennt man „Explainable AI“. So kann man z.B. in das Bild einzeichnen, welche Region der Computer für seine Diagnose besonders wichtig gefunden hat.

Natürlich ist jeder Tag anders und alles, was ich hier beschreibe, kann man nicht an einem einzigen Tag machen. Und zwischendurch gehe ich natürlich auch mal mit Kolleg*innen in die Mensa oder esse bei Homeoffice mit meiner Familie zu Mittag. Aber diese Bestandteile können an einem typischen Tag vorkommen.

Ich halte eine Vorlesung, meist im Bereich der Medizinischen Bildverarbeitung oder bereite die nächste Vorlesung oder praktische Übung vor. Mit Studierenden, die gerade in meinem Labor ihre Bachelor- oder Masterarbeit schreiben, bespreche ich ihre Fortschritte oder mögliche Probleme.

Gespräche über die aktuelle Forschung führe ich mit Mitarbeiter*innen meines Labors. Sie zeigen mir dabei ihre Ergebnisse und wir besprechen die nächsten Schritte. Außerdem redigiere ich ihre Manuskripte, in denen sie die Ergebnisse ihre Forschung beschreiben.

Durch das Lesen von Fachpublikationen bleibe ich auf dem Laufen und nutze die Erkenntnisse, um weiter an einem Antrag zu schreiben, um Geld für neue Projekte einzuwerben. Es gibt verschiedene Förderinstitutionen, die Geld z.B. zur Einstellung von wissenschaftlichen Mitarbeiter*innen zur Verfügung stellen, wenn man zu bestimmten Forschungsthemen eine gute Idee vorschlägt.

Ab und zu schreibe ich Gutachten über die Manuskripte von Wissenschaftler*innen aus aller Welt oder sehe mir die aktuelle Einreichung als wissenschaftlicher Editor einer Fachzeitschrift an und leite sie an andere Wissenschaftler*innen zur Begutachtung weiter.

Mit Mediziner*innen trifft man sich am besten am späten Nachmittag. Deshalb stehen dann häufig Projektmeetings an, die seit der Corona-Pandemie meist virtuell ablaufen. Schließlich plane ich die nächste Konferenzreise, bei der ich mich mit anderen Wissenschaftler*innen austauschen kann, den nächsten Laborbesuch eines Gastes z.B. aus der Politik oder einer Gruppe Schüler*innen.

Eine Hochschule organisiert sich weitgehend selbstständig und so arbeite ich im Fakultätsrat und im Senat der Hochschule mit. Dabei kann man sich z.B. an der Weiterentwicklung der Studiengänge beteiligen und an den künftigen Schwerpunkten der Hochschule mitarbeiten. Außerdem bin ich als Studiengangfachberater für den Studiengang Medizinische Informatik der OTH Regensburg verantwortlich. Dadurch führe ich viele Gespräche mit Studierenden, die Fragen zu ihrem Studium haben oder Schüler*innen, die Interesse am Studiengang haben und mehr darüber erfahren wollen.

Wir machen häufig Laborführungen und beteiligen uns an Formaten wir nacht.schafft.wissen, Girls Day etc. Dabei ist es manchmal schwierig, in einem Labor, wo im Wesentlichen Computerarbeitsplätze zu sehen sind, die Faszination unserer Arbeit zu transportieren. Manchmal haben wir Projekte, wo das besser geht, wie bei unserer Trainingssimulation für die minimal-invasive Handchirurgie. Für unser Speiseröhrenprojekt haben wir bisher aber keine solche Hands-On-Möglichkeit.

Deshalb möchte ich das Preisgeld dazu verwenden, einen Endoskopie-Simulator zu beschaffen, mit dem z.B. Schüler*innen eine endoskopische Untersuchung einmal selbst an einer Puppe durchführen können und wir dann unsere KI-Systeme an diesen selbst erzeugten Bildern zeigen können. Lernen funktioniert besser über anfassen als über reines sehen und hören.