
Augmented reality und KI in der Medizinlehre
Im klinischen Abschnitt lernen Medizinstudierende Krankheitsbilder kennen, welche durch MRT/CT diagnostiziert werden. Das Erkennen der Pathologie, die Umsetzung des Schnittbildes in eine dreidimensionale Welt und der Transfer auf den tatsächlichen Patienten ist schwierig. Zudem erhalten Studierende im OP bei minimal-invasiven Eingriffe nur limitierte Einblicke in das Operationsgeschehen. Aus konventionellen Dünnschicht MRTs können inzwischen automatisiert naturgetreue 3D Abbilder der Patientenanatomie entstehen. In diesem Verbundprojekt der Universität Siegen (technischer Anteil) und dem Universitätsklinikum Bonn (medizindidaktischer Anteil) soll diese Technik im Blockpraktikum der Fächer Neurologie, Innere Medizin, Chirurgie, Anästhesie und Gynäkologie an den Siegener Lehrkrankenhäuser eingesetzt werden. Konkret erheben Studierende an realen Patient:innen klinische Befunde und erhalten danach Zugang zu 3D-Animationen der gleichen Patient:innen allerdings in geänderter Reihenfolge. Unter Supervision durch die Lehrenden sollen sie dann versuchen, reale Patient:innen und 3D-Animationen einander zuzuordnen und so ihr Verständnis der zugrundeliegenden Pathologie zu schärfen. Der Lernerfolg wird mit dem einer Bonner Kohorte von Blockpraktikant:innen verglichen, die keinen Zugang zu den 3D-Animationen hat. Die Technik soll auch in den Studiengängen der Lebenswissenschaftlichen Fakultät in Siegen eingesetzt werden
Auf Einen Blick
Kontakt
Das könnte Sie auch interessieren

Asynchrone Entscheidungskompetenzplattform
Entscheidungskompetenz gehört heutzutage zu den wichtigsten Schlüsselqualifikationen in einer erfolgreichen Bildungs- und Berufskarriere. Viele Studierende haben jedoch Schwierigkeiten, reflektierte Entscheidungen zu treffen, selbst wenn sie die theoretischen Inhalte der Entscheidungslehre kennen.Das (https://gitlab.com/reflektiert-entscheiden/entscheidungsnavi) Open-Source-Webtool (https://enavi.app/de/start) Entscheidungsnavi (https://de.wikipedia.org/wiki/Entscheidungsnavi) wurde vom (https://www.efi.rwth-aachen.de/go/id/qujm/) LuFG Entscheidungsforschung und Finanzdienstleistungen unter der Leitung von Prof. von Nitzsch an der RWTH Aachen entwickelt, um den jährlich ca. 2000 Studierenden das Trainieren von Entscheidungskompetenz zu ermöglichen und einen praktischen Bezug zu den Vorlesungsinhalten zu schaffen. Es unterstützt Studierende in der Strukturierung und Modellierung von Entscheidungssituationen und ermöglicht mit vielen (https://entscheidungsnavi.de)entscheidungstheoretischen Methodiken eine qualitativ hochwertige Analyse. Das Ziel des beantragten Projekts liegt darin, das (http://enavi.app/) Entscheidungsnavi in eine integrierte, moderierte Lernplattform für Studierende zu entwickeln, mit der sie ihre Entscheidungskompetenz feedbackorientiert selbstständig trainieren können. Hierzu erhalten Studierende zunächst individuelles Feedback durch Lehrende und sukzessive wird dieses Feedback durch algorithmisches Feedback ergänzt. Dabei erlauben Interaktionsmöglichkeiten der Studierenden differenziertes Peer-Feedback. Zukünftig soll die Lernplattform von weiteren (Fach-)Hochschulen und Bildungsinstitutionen zum Erwerb von Entscheidungskompetenz genutzt werden.
Projekt anzeigen
Pub Test
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet. Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet. Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet. Duis autem vel eum iriure dolor in hendrerit in vulputate velit esse molestie consequat, vel illum dolore eu feugiat nulla facilisis at vero eros et accumsan et iusto odio dignissim qui blandit praesent luptatum zzril delenit augue duis dolore te feugait nulla facilisi. Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat. Ut wisi enim ad minim veniam, quis nostrud exerci tation ullamcorper suscipit lobortis nisl ut aliquip ex ea commodo consequat. Duis autem vel eum iriure dolor in hendrerit in vulputate velit es
Publikation anzeigen