Projekte
AIMedTAll
Ziel des Projekts AI MedTAll ist die Vermittlung von KI-Kompetenzen an Medizinstudierende. Die Kursinhalte werden in Zusammenarbeit mit verschiedenen medizinischen Fachbereichen entwickelt und vermittelt. Die Studierenden können den Kurs flexibel absolvieren und erhalten bei erfolgreichem Abschluss ein Zertifikat.
Projekt Lead: Susanne Eigster
AnNeVer3
AnNeVer3 zielt darauf ab, die “Neuro”-Fächer (Neuroanatomie, Neurologie, Neuroradiologie) longitudinal zu verknüpfen. Das Projekt soll einerseits das Verständnis neurologischer Strukturen und Vorgänge fördern und andererseits die so genannte “Neurophobie”, also die Aversion von Medizinstudierenden gegenüber den Neuro-Fächern, verringern. Kernbestandteil des Projekts ist die Nutzung eines sog. Anatomage Tables, welcher als digitale Ergänzung der klassischen neuroanatomischen Präparation dient und das Grundlagenverständnis als Voraussetzung für die späteren klinischen Fächer stärken soll.
Projekt Lead: Johanna Rother
DIVINA
DIVINA (Digitale Virtuelle Notaufnahme) ist eine computerbasierte, simulierte virtuelle Notaufnahme. Sie dient dem Training verschiedener medizinischer Kompetenzen, insbesondere des Clinical Reasonings und der Anamnesefertigkeiten. Medizinstudierende müssen - ähnlich wie in einer echten Notaufnahme - mit begrenzten Ressourcen diagnostizieren, behandeln und entlassen bzw. auf eine Station einweisen. Das Anamnesesystem wird durch ein Large Language Model ermöglicht, welches auf klar definierte Patientenfälle zurückgreift. So wird eine realistische, natürliche Kommunikationsumgebung erzeugt.
Projekt Lead: Prof. Dr.med. Tobias Raupach, MME
KoMeT
Das Projekt „Kommunikationstraining per Medizin-ChatboT“ (KoMeT) etabliert ein fachspezifisches, KI-basiertes Kommunikationstraining für Medizinstudierende, um unter anderem die ärztliche Anamnese, aber auch weitere herausfordernde und wichtige Gesprächssituationen praxisnah einzuüben. Die Studierenden werden über eine Audio-Schnittstelle flexibel und ressourcenschonend realitätsnahe Patientengespräche führen. Im Anschluss an die Gespräche gibt die KI ein gezieltes Feedback. Mit diesen Funktionen begleitet der Chatbot die Studierenden kontinuierlich auf ihrer individuellen Lernreise. Da es sich dabei um eine digitale Trainingsmöglichkeit handelt, wird den Studierenden die Möglichkeit geboten, ihre Trainingseinheiten ortsunabhängig und leicht zugänglich durchzuführen.
Projekt Lead: Joel Rüttger
M1nd you
Das Projekt „M1nd you“ untersucht die psychische Belastung und Copingstrategien von Medizinstudierenden im Umfeld der M1-Prüfungen. In einer multizentrischen Studie werden Studierende verschiedener Hochschulen vor und nach dem Staatsexamen mittels anonymer Onlinebefragungen untersucht, um Belastungsfaktoren und Unterschiede zwischen Regel- und Modellstudiengängen zu analysieren.
Projekt Lead: PD Dr. med. Friederike Schröck
TEMMS
TEMMS (Transformation von Emotions- und Motivationsfaktoren bei Medizinstudierenden) ist eine multizentrische, deutschlandweite Längsschnittstudie mit dem Ziel, die Entwicklung von Medizinstudierenden über den Verlauf ihres Studiums hinweg zu untersuchen und zu erforschen, inwiefern sich diese Entwicklung zwischen Studierenden in Regelstudiengängen und Studierenden in Reform- bzw. Modellstudiengängen unterscheidet.
Projekt Lead: Johanna Rother
VERO
Die Projektpartner entwickeln mit VERO (Eigenständige und verantwortungsvolle Online-Recherche) ein KI-basiertes Hilfsinstrument zur Bewertung von vertrauenswürdigen Online-Quellen. Aktuell liegt der Fokus dieser Quellen auf dem Fachgebiet der Kinderkardiologie.
Projekt Lead: Kim Baur
ReAniMed
Das interdisziplinäre Lehrprojekt “ReAniMed - Medizin und Recht im Dialog” bringt Medizinstudierende und Jurastudierende zusammen, um juristische Grenzfragen der medizinischen Praxis gemeinsam zu bearbeiten. Anhand realitätsnaher Fallbeispiele aus Bereichen wie Demenz, Organspende, Entscheidungen am Lebensende oder Schwangerschaftsabbruch analysieren die Studierenden medizinische und rechtliche Perspektiven. Das didaktische Konzept verbindet Case-Based Learning, Expert:innenvorträge und einen abschließenden Moot Court, in dem die Fälle in einer simulierten Gerichtsverhandlung verhandelt werden.
Projekt Lead: PD Dr. Med. Friedrike Schröck
SNAIL
SNAIL (Scale for the assessment of non-experts’ AI literacy) is ein Fragebogeninstrument, welches die KI-Kompetenzen von nicht-Expert*innen erfassen soll. Der Fragebogen wurde in mehreren Studien validiert und hinsichtlich Gütekriterien wie Reliabilität, Akzeptanz und Effizienz untersucht. Der Originalfragebogen wurde in der Zwischenzeit in mehrere Sprachen übersetzt und wurde in mehr als 25 publizierten internationalen Studien eingesetzt.
Projekt Lead: Dr. Matthias Laupichler
NeuroNet
Im Rahmen des Projekts NeuroNet werden Inhalte der funktionellen Neuroanatomie, der Neurochirurgie sowie der funktionellen Bildgebung miteinander verknüpft. Die Vermittlung erfolgt durch fallbasiertes Lernen anhand realer Patient:innenfällen in Form von Videos und interaktiven Aufgabenformaten. Der Kurs wird sowohl im vorklinischem als auch klinischen Kursabschnitt eingesetzt.
Projekt Lead: Susanne Eigster
AppER
AppER ist eine App für Medizinstudierende, welche das Clinical Reasoning trainieren soll. Hierzu werden den Studierenden täglich neue medizinische Fälle via Benachrichtigung auf ihr Smartphone gesendet. Die Studierenden werden anschließend im Sinne der Key Feature Fragenmethode aufgefordert, die Fälle leitliniengerecht zu bearbeiten. Damit macht sich AppER mithilfe modernster Methoden den gut untersuchten testing effect zunutze. Die besondere Innovation der App steckt im Feedbackanteil: Die Studierenden erhalten eine automatisch erstellte und auf ihre persönliche Antworteingabe abgestimmte Rückmeldung, welche durch ein generatives KI-System erstellt wurde. Die App befindet sich zurzeit in der Testphase.
Projekt Lead: Prof. Dr. med. Tobias Rauapch
