Alexander Brenner, Yannik Warnecke, Michael Fujarski und Julian Varghese vom Institut für Medizinische Informatik der Universität Münster ist bei der diesjährigen Konferenz „Medical Informatics Europe“ (MIE) in Athen der Preis für das beste Poster zuerkannt worden. Der Titel des ausgezeichneten Posters lautet „Mixed Reality in Medical Education – Introduction of a Practical Course Module“. Dabei geht es um die erfolgreiche Einführung von Mixed Reality-Technologien in der medizinischen Lehre, welche das Einblenden von digitalen Inhalten in die reale Welt und eine intuitive Interaktion von realen und virtuellen Objekten ermöglichen. Vor dem Hintergrund einer zunehmenden Digitalisierung besteht ein wachsendes Potenzial für den Einsatz von Mixed Reality (MR) in der Medizin. Zukünftige Ärztinnen und Ärzte sollten mit den Möglichkeiten und Techniken von MR vertraut gemacht werden. Deshalb wurde an der Medizinischen Fakultät der Universität Münster ein neuer Kurs entwickelt, um Medizinstudierenden praktische Erfahrungen mit MR zu vermitteln. Dafür programmierte das Forschungsteam eine App für das MR-Headset HoloLens 2, die das gemeinsame Betrachten, Bewegen und Zeigen von verschiedenen anatomischen (Herz-)modellen erlaubte. In praktischen Aufgaben sollten die Studierenden entsprechende Krankheitsbilder oder anatomische Strukturen wie Koronar-Arterien anhand der Modelle beschreiben und darstellen. Zum Abschluss diskutierten die Studierenden ihre Eindrücke sowie Vor- und Nachteile der Technologie.

Außerdem nahm das IMI mit folgenden Paper-Beiträgen an der MIE teil:

Gobalakrishnan W, Zimmermann J, Storck M, Yildirim K, Brücher VC, Eter N, Varghese J. Fine-Tuning SSL-Model to Enhance Detection of Cilioretinal Arteries on Colored Fundus Images. Stud Health Technol Inform. 2024 Aug 22;316:919-923. doi: 10.3233/SHTI240561. PMID: 39176942.

Bickmann L, Plagwitz L, Varghese J. Benchmarking Approaches: Time Series Versus Feature-Based Machine Learning in ECG Analysis on the PTB-XL Dataset. Stud Health Technol Inform. 2024 Aug 22;316:589-593. doi: 10.3233/SHTI240483. PMID: 39176811.

Plagwitz L, Bickmann L, Büscher A, Varghese J. Assessing the Reliability of Machine Learning Explanations in ECG Analysis Through Feature Attribution. Stud Health Technol Inform. 2024 Aug 22;316:616-620. doi: 10.3233/SHTI240489. PMID: 39176817.

Oehm JB, Wenning O, Storck M, Jiang X, Varghese J. Automatic Extraction of Medication Data from Semi-Structured Prescriptions. Stud Health Technol Inform. 2024 Aug 22;316:1694-1698. doi: 10.3233/SHTI240749. PMID: 39176536.