Forschung

Bildgebende Technologien

Forschungsschwerpunkt: Computerassistierte bildgestützte Interventionen
Teamleitung: Hannes Köhler

Mitglieder: Annekatrin Pfahl, Denis Gholami Bajestani, Julia Pretschner

Das Team erforscht neue bildgebende Technologien und Methoden für den nichtinvasiven Einsatz in der Medizin. Im Fokus stehen optische Verfahren zur Perfusionsbildgebung und Gewebedifferenzierung bei chirurgischen Eingriffen – von der Evaluation im Labor bis zur Auswertung klinischer Studien, in enger Zusammenarbeit mit Kliniken und Industriepartnern.

Besondere Erfahrung hat das Team in der Spektralbildgebung: Sie kann die intraoperative Beurteilung der Gewebedurchblutung sowie die Erkennung von Gewebestrukturen und Tumorgewebe unterstützen. Für den Weg in die klinische Anwendung entstehen Methoden zur automatischen Klassifikation und Visualisierung von Gewebe – mit klassischem maschinellem Lernen und neuronalen Netzen. Das Team begleitet klinische Studien und betreut Abschlussarbeiten in Medizin, Informatik und Ingenieurwissenschaften.

Projekte

• 
  Klinische Relevanz von MSI und HSI Grundlagenstudien zur klinischen Relevanz der multi- und hyperspektralen Bildgebung – Auftragsforschung für KARL STORZ SE & Co. KG

  Grundlagenstudien zur klinischen Relevanz der multi- und hyperspektralen Bildgebung (Auftragsforschung für KARL STORZ SE & Co. KG). 2025 erschien die erste klinische Studie zur Nervenerkennung mit laparoskopischer HSI, eine Tierstudie zur Perfusionsbildgebung in Videorate begann; ein Patent wurde angemeldet, ein weiteres erteilt.

Biosignalverarbeitung

Forschungsschwerpunkt: Computerassistierte bildgestützte Interventionen
Teamleitung: Michael Unger

Mitglieder: Reinhard Fuchs, Sven Martin, Mohamed Awad, Martin Hertel

Das Team nutzt Sensorik und neue Technologien, um die medizinische Praxis zu verbessern – in Diagnostik, Therapie und Ausbildung. Ein Schwerpunkt ist die nichtinvasive neurologische Kartierung: Neuronale Aktivität wird über die Muskelaktivität präzise erfasst, visualisiert und so aufbereitet, dass sie sich nahtlos in klinische Abläufe einfügt.

Weitere Projekte verbessern die chirurgische Ausbildung mit datenbasierten Assistenzsystemen, die den Trainingsfortschritt analysieren und gezielt Rückmeldung geben, und schaffen realistische Simulationsmodelle mit integrierter Sensorik, die anatomische Verhältnisse und biomechanische Reaktionen detailgetreu nachbilden.

Projekte

• CortexMap
  CortexMap Entwicklung eines neuartigen navigierten Systems zur transkraniellen Magnetstimulation für die effiziente Planung und Auswertung neurochirurgischer Eingriffe und ihre optimale Einbindung in den chirurgischen Ablauf

  Navigiertes System zur transkraniellen Magnetstimulation für die nichtinvasive Kartierung des motorischen Kortex bei Hirntumorpatientinnen und -patienten – mit Mehrkanal-EMG, automatischer Anpassung der Stimulationsintensität und Auswertung für die Operationsplanung.

• EyeHearU
  EyeHearU Multimodale Erfassung, Simulation und audiovisuelle Unterstützung für das individuelle Training grundlegender laparoskopischer Fertigkeiten

  Assistenzsystem, das multimodale Daten aus laparoskopischen Übungen erfasst und den Trainingsfortschritt vorhersagt; zwei Studien mit Studierenden wurden ausgewertet.

• FaszioTrain
  FaszioTrain Entwicklung eines sensorbasierten medizinischen Trainingsmodells für Fasziotomien

  Sensorbasiertes Trainingsmodell für Fasziotomien am Unterschenkel, das Schwellung und Druck auf die Nervenbahnen realistisch nachbildet.

• ReaFBS
  ReaFBS Feedbacksystem zur Verringerung von Hirnschäden bei der Herz-Lungen-Wiederbelebung

  Feedbacksystem, das während der Wiederbelebung den arteriellen Blutfluss per Doppler-Ultraschall misst – auch für Laien ohne zusätzliche Schulung; ein mobiles Gerät mit automatischer Gefäßsuche ist in Entwicklung.

• NeoTapi
  NeoTapi Entwicklung eines nichtinvasiven, berührungslosen Verfahrens zur Messung physiologischer Parameter für die Erkennung und Klassifikation von Frühgeborenen-Apnoe und Neugeborenensepsis

  Kontaktlose Messung von Atmung, Herzfrequenz und Körpertemperatur zur Erkennung von Apnoen bei Frühgeborenen und neonataler Sepsis.

Connected Health: Next-Generation Medical Networks

Forschungsschwerpunkt: Modellbasierte Medizin und intelligenter Operationssaal
Teamleitung: Tobias Pabst

Mitglieder: Alexander Prull, Anna Schatz, Christoph Georgi, Clemens Möllenhoff, Gregor Thürk, Ken Paulitz, Misha Justen

Das Team befasst sich mit den Anforderungen, die zunehmend vernetzte Medizintechnik an die Kommunikationstechnik stellt: Es identifiziert Anwendungsfelder und wählt passende Technologien aus – immer ausgehend vom klinischen Nutzen und gemeinsam mit Partnern aus Industrie und Wissenschaft. Fokuspunkte sind Mobilfunk (5G/6G/Campusnetze), Interoperabilitätsstandards (HL7 FHIR, IEEE 11073 SDC), Augmented und Virtual Reality, modellbasierte Ansätze für das Smart Hospital sowie Ortungstechnologien (BLE, UWB, 5G).

Mit den Kliniken des UKL, darunter HNO und Unfallchirurgie, sowie weiteren Kliniken in Deutschland entstehen Patient Journeys, um den klinischen Bedarf besser zu verstehen und Demonstratoren um neue Technologien erlebbar zu machen. Beispiele sind immersive Telekonsultationen, mobiler Ultraschall am Einsatzort mit Edge Computing, drahtlose Sensorik zur Früherkennung von Heilungsstörungen nach Operationen und neue Raumkonzepte durch intelligente Vernetzung im Krankenhaus.

Projekte

• 
  6G-Health Ganzheitliche Entwicklung leistungsfähiger 6G-Vernetzung für verteilte medizintechnische Systeme

  Leistungsfähige 6G-Vernetzung für verteilte Medizintechnik: 2025 entstanden die Infrastruktur für das Tele-Neuromonitoring, ein Testbett mit drei Indoor-Ortungstechnologien und ein „Patientenzimmer der Zukunft“ auf der 6G-Konferenz in Berlin.

• 
  KliNet5G Klinische Netze über 5G

  Sichere, standardbasierte 5G-Campusnetze (Open RAN) für Kliniken – mit Messkampagnen, SDC-Alarmen im Netzmanagement und Bewertung von Zuverlässigkeit, IT-Sicherheit und Wirtschaftlichkeit; Teil des BMWK-Programms CampusOS.

• QoE
  QoE Entwicklung eines Systems für Quality of Experience im telemedizinischen Datenaustausch

  Quality of Experience im telemedizinischen Datenaustausch: Video, Vitaldaten und EKG werden je nach Netzqualität und Behandlungssituation in Echtzeit priorisiert – etwa im Rettungswagen.

• 
  SUSTAINET-guarDian Nachhaltige Technologien für fortschrittliche, resiliente und energieeffiziente Netze – Werkzeuge für Automatisierung, Resilienz und digitale Innovation

  Sichere, resiliente und energieeffiziente Netze für das Gesundheitswesen mit KI-gestützter Netzüberwachung und Fehlererkennung; das ICCAS verantwortet den medizinischen Demonstrator.

Abgeschlossene Projekte (1)

• MIRACLE-5
  MIRACLE-5 bis 06/2025 Mixed-Reality-gestützte Fernassistenz und Kommunikation in lokalen 5G-Netzen

  XR-gestützte Telemedizin über 5G-Campusnetze – für geriatrische Assessments nach hüftgelenknahen Frakturen, HNO-Telekonsile, HNO-Lehre und medizinische Fernberatung. 2025 wurden ein offener 5G-Core installiert, Testnetze aufgebaut und die Szenarien mit der HNO-Klinik des UKL erprobt und mit WLAN verglichen.

Digitales Patientenmodell

Forschungsschwerpunkt: Modellbasierte Medizin und intelligenter Operationssaal
Teamleitung: Dr. Stefan Franke

Mitglieder: Max Schreiber, Jean-Baptiste Tylcz, Adrian Lindenmeyer, Erik Schreiber, Nora Grieb, Johannes Keller, Richard Steinert

Die Gruppe „Digitale Zwillinge“ entwickelt Methoden für digitale Abbilder von Patientinnen und Patienten als Grundlage einer KI-gestützten Versorgung. Digitalisierung und Interoperabilität für den orts- und geräteunabhängigen Zugriff auf klinische Daten spielen dabei die zentrale Rolle: Viele KI-Verfahren brauchen strukturierte Daten, doch fehlende Standards, komplexe klinische IT-Landschaften und hohe Anforderungen an Datenschutz und Sicherheit stehen dem oft im Weg.

Mit Medi.NET entsteht ein Netzwerk aus Kliniken, Forschungseinrichtungen und Unternehmen samt Transferstelle und einer technischen Plattform für virtuelle Zwillinge. Im EU-Projekt CERTAINTY entwickelt die Gruppe Infrastruktur, Schnittstellen und Modelle für die personalisierte Krebstherapie – mit einem virtuellen Zwilling zur Behandlung des Multiplen Myeloms.

Projekte

• Medi.NET
  Medi.NET Intelligente digitale Plattform für eine orts- und zeitunabhängige Medizin der Zukunft

  Intelligente digitale Plattform für eine orts- und zeitunabhängige Medizin: interoperable Infrastruktur auf Basis von IEEE 11073 SDC und HL7 FHIR, Demonstratoren und Testumgebungen sowie ein Partnernetzwerk von mehr als 80 Akteuren; koordiniert vom ICCAS.

• 
  CERTAINTY Ein virtueller Zwilling der zellulären Immuntherapie für die personalisierte Krebsbehandlung

  Virtueller Zwilling für die personalisierte Krebstherapie, vor allem beim Multiplen Myelom und der CAR-T-Zelltherapie; das ICCAS entwickelt Backend und Frontend des Zwillings.

• NFDI4DS
  NFDI4DS NFDI für Data Science

  Nationale Forschungsdateninfrastruktur für Data Science und KI; das ICCAS leitet die biomedizinischen Anwendungsfälle des Konsortiums.

• 
  DaDriv-StAC Digitale Plattform für datengetriebene Entscheidungsunterstützung in der Schlaganfall-Nachsorge

  Digitale Plattform für datengetriebene Entscheidungsunterstützung in der Schlaganfall-Nachsorge: Ein virtueller Zwilling vergleicht den empfohlenen mit dem tatsächlichen Behandlungsverlauf über Sektorengrenzen hinweg.

Interdisziplinäre Robotik

Forschungsschwerpunkt: Computerassistierte bildgestützte Interventionen
Teamleitung: Johann Berger

Mitglieder: Albrecht Bloße, Manuel Rosenau, Julia Pretschner

Seit September 2024 entwickelt das Team medizinische Robotersysteme weiter – mit Prinzipien der Soft- und Kontinuumsrobotik sowie durch Vernetzung und Standardisierung. Roboter aus weichen, flexiblen Materialien sind besonders anpassungsfähig und sicher im Umgang mit empfindlichem Gewebe; Kontinuumsroboter kommen ohne starre Gelenke aus und folgen komplexen Geometrien.

Ziel ist, diagnostische und interventionelle Robotersysteme sicherer, einfacher bedienbar und effizienter zu machen und so ihren Weg in den klinischen Alltag zu erleichtern. Dazu entstehen weiche Endeffektoren zum Greifen und Führen sowie realistische, patientenspezifische Organmodelle – etwa ein aktuierter Herzsimulator – für Planung, Training und Simulation. Parallel beschreibt das Team Robotersysteme standardisiert und bindet sie über IEEE 11073 SDC an andere Medizingeräte an.

Projekte

• 
  SoKoRoMed Soft- und Kontinuumsrobotik für medizinische Anwendungen

  Soft- und Kontinuumsrobotik für medizinische Anwendungen: Verfahren zur Herstellung patienten- und anwendungsspezifischer weicher Endeffektoren. Referenzanwendung ist ein aktuiertes Herzmodell als Trainingssystem für die kathetergestützte Aortenklappenimplantation (TAVI); erste 3D-gedruckte Herz- und Gefäßmodelle und ein Ultraschall-Prüfstand für Materialien wurden entwickelt und getestet.

Klinische Workflows und integrierte Assistenzsysteme

Forschungsschwerpunkt: Modellbasierte Medizin und intelligenter Operationssaal
Teamleitung: Juliane Neumann, Erik Schreiber

Das Team entwickelt Konzepte, Methoden und digitale Werkzeuge, die Versorgung effizienter, sicherer und besser machen, Kosten und Risiken senken und das Personal entlasten. Zentral ist die Modellierung, Analyse und Optimierung klinischer Abläufe – mit Geschäftsprozessmodellierung, Datenanalyse und Simulation.

Dazu kommen integrierte Assistenzsysteme mit künstlicher Intelligenz, maschinellem Lernen und Sensorik: etwa Werkzeuge, die Schwächen digitaler Systeme im Klinikalltag aufdecken, die Zusammenführung von Studiendaten aus digitalen und papierbasierten Quellen, sensorbasierte Ganganalyse zur Sturzvorhersage und Entscheidungsunterstützung in Echtzeit für kritische Situationen. Ein weiterer Schwerpunkt ist die Integration dieser Systeme in bestehende Abläufe und IT-Strukturen.

Projekte

• SurgiTrace
  SurgiTrace KI-gestütztes System zur Optimierung der OP-Planung und zur Erhöhung der perioperativen Sicherheit durch intelligente Nachverfolgung von Instrumenten und Implantaten

  KI-gestütztes System für die Operationsplanung: Ein intelligenter Implantatschrank gibt Endoprothesen automatisch aus, eine Tablet-App prüft Vollständigkeit, Typ und Größe – für mehr Effizienz und Patientensicherheit.

MR-Technologie

Forschungsschwerpunkt: Computerassistierte bildgestützte Interventionen

Mitglieder: Andreas Eger, Till Handel

Das Team entwickelt MR-gestützte Therapieverfahren und überträgt minimalinvasive Eingriffe, die heute vorwiegend unter Röntgenbildgebung stattfinden, in die Umgebung der Magnetresonanztomographie (MRT). Vorteile sind der bessere Weichgewebskontrast und der Verzicht auf jodhaltige Kontrastmittel und ionisierende Strahlung – davon profitieren Patientinnen und Patienten ebenso wie das Klinikpersonal. Zentral ist die Entwicklung MR-tauglicher Instrumente und Geräte.

Im Mittelpunkt steht derzeit die Therapie mit fokussiertem Ultraschall (FUS) im MRT: Die Schallwellen lassen sich in einem Fokus von der Größe eines Pinienkerns bündeln und dort therapeutisch nutzen, ohne das umliegende Gewebe zu beeinträchtigen. Besonders interessiert uns niederenergetischer FUS zur Neuromodulation: Er kann Ionenkanäle von Nervenzellen aktivieren oder hemmen und so tiefe Hirnregionen nichtinvasiv beeinflussen – etwa zur Behandlung von Schlaganfall, Sucht oder Zwangsstörungen.

Projekte

• 
  3MP-FUS Multimodales, multifunktionales, plattformübergreifendes fokussiertes Ultraschallsystem – Neuromodulation bei seltenen neuropsychiatrischen Erkrankungen

  Multimodales, multifunktionales FUS-System für die transkranielle Neuromodulation bei seltenen neuropsychiatrischen Erkrankungen. 2025 wurde das neuronavigierte System mit Localite in den 1,5-T-MRT integriert (automatische Schichtführung entlang des Schallfelds) und an den 3-T-MRT des MPI CBS übertragen, wo eine Pilotstudie mit Probanden vorbereitet wird.

• MRgFUS
  MRgFUS Nichtinvasiver MR-gesteuerter fokussierter Ultraschall zur Behandlung von Uterusmyomen

  Nichtinvasive Behandlung symptomatischer Myome der Gebärmutter mit MR-gesteuertem fokussiertem Ultraschall – mit Temperaturüberwachung in Echtzeit und sehr niedriger Komplikationsrate.

• Imaging Robotics
  Imaging Robotics Entwicklung eines integrierten Robotersystems für Eingriffe mit fokussiertem Ultraschall

  Modulare Steuerungssoftware für Roboterarme (KUKA LBR iiwa/Med) in bildgestützten Eingriffen, vernetzt über IEEE 11073 SDC; ausgezeichnet mit dem Best-Design-Award des Hamlyn Symposium on Medical Robotics 2023.

Smart Clinical Assistance: Entscheidungsunterstützung

Forschungsschwerpunkt: Modellbasierte Medizin und intelligenter Operationssaal
Teamleitung: Maximilian Ferle

Mitglieder: Nora Grieb

Das Team analysiert und modelliert Blutkrebserkrankungen wie das Multiple Myelom (MM) und verwandte Erkrankungen wie das Myelodysplastische Syndrom (MDS) und die Akute Myeloische Leukämie (AML). In enger Zusammenarbeit mit der Klinik und Poliklinik für Hämatologie, Zelltherapie, Hämostaseologie und Infektiologie des Universitätsklinikums Leipzig entstehen Methoden der Data Science und des maschinellen Lernens, die Krankheitsverlauf und Therapieerfolg präzise vorhersagen. So erhalten Ärztinnen und Ärzte eine datengestützte Entscheidungshilfe für die individuelle Therapie.

Projekte

• VOLTA
  VOLTA Validierung modellbasierter Therapieentscheidungsunterstützung in der Hämatologie

  Validierung der modellbasierten Therapieentscheidungsunterstützung in der Hämatologie: Die seit 2020 mit der Hämatologie des UKL entwickelte Plattform KAIT für das Multiple Myelom wird erweitert, getestet und für den klinischen Alltag optimiert.

• GenoMed4All
  GenoMed4All

  EU-weites Netzwerk für den Austausch klinischer und Multi-Omics-Daten über Federated Learning bei hämatologischen Erkrankungen; das ICCAS trägt Datenintegration und Standardisierung mit HL7 FHIR bei.

• 
  LENS (ScaDS.AI-Seedfunding) Learning Engine for Novel Survival-clustering (Seedfunding von ScaDS.AI)

  Learning Engine for Novel Survival-clustering: ein modellunabhängiges Verfahren, das prognostisch unterschiedliche Patientengruppen findet – erprobt an Daten zum Multiplen Myelom und an CT-Bildern beim nichtkleinzelligen Lungenkarzinom.

Smart Clinical Assistance: Notfallmanagement

Forschungsschwerpunkt: Modellbasierte Medizin und intelligenter Operationssaal
Teamleitung: Jan Gaebel

Mitglieder: Hector Condori Alagón, Alexander Holzenleiter, Marcel Zill

Die Gruppe entwickelt digitale Werkzeuge und Prozessassistenz für die Notfall- und Intensivmedizin – interdisziplinär, mit technischem und medizinischem Know-how und in enger Zusammenarbeit mit den Anwenderinnen und Anwendern, etwa Hilfsorganisationen und Behörden.

Ein Beispiel ist die Software EOS (EMT Operating System) im EU-Projekt RescEU EMT, das den europäischen Katastrophenschutz mit mobilen medizinischen Teams (Emergency Medical Teams, EMTs) stärkt. EOS unterstützt Einsatzkoordination, Patientenmanagement und Datenauswertung in Krisensituationen und wird mit agilen, nutzerzentrierten Methoden fortlaufend an den Bedarf der Einsatzkräfte angepasst.

Projekte

• 
  RescEU EOS Emergency Medical Team Operating System

  Krankenhausinformationssystem für Feldlazarette: unterstützt die Behandlung von der Triage bis zur Entlassung, die Konfiguration von Abteilungen, Kennzahlen und Berichte (z. B. an Behörden oder die WHO).

• Tele-KAI
  Tele-KAI Aufbau eines virtuellen intensivmedizinischen Behandlungszentrums durch eine tele-intensivmedizinische Infrastruktur

  Tele-Intensivmedizin an der Klinik und Poliklinik für Anästhesiologie und Intensivtherapie des UKL: macht intensivmedizinische Expertise über Entfernungen verfügbar und ermöglicht gezielte, ressourcengerechte Verlegungen.