gms | German Medical Science

Zielsetzung: Ein wesentlicher Bestandteil der Facharztausbildung in der Augenheilkunde ist die Erkennung klinischer Befunde. Insbesondere am Anfang der Assistenzarztzeit besteht ein hoher Bedarf an qualifizierter Bestätigung der erkannten Befundstrukturen. Aufgrund der zunehmenden Arbeitsbelastung im klinischen Alltag bleibt für diesen wichtigen Teil der Ausbildung oft wenig Zeit. Um diese Lücke zu schließen, wurde ein Lernwerkzeug entwickelt, das auf einem maschinellen Lernmodell basiert und das Design Thinking Framework (DTF) verwendet.

Der Vortrag beleuchtet erste Ergebnisse des Prototyps dieses Lerntools vorgestellt.

Methoden: In Zusammenarbeit mit den Partnern des Konsortiums wurde ein maschinelles Lernmodell entwickelt. Assistenzärzte der Augenheilkunde, die sich in den ersten vier Jahren ihrer Ausbildung befanden, nahmen an der Testphase teil. Anhand der diabetischen Retinopathie wurden funduskopische Befunde analysiert und über ein Feedback-Interface bewertet. Zusätzlich zur Benutzerfreundlichkeit wurde von den Teilnehmern auch die individuelle Lernkurve beurteilt.

Ergebnisse: Es zeigte sich, dass das neue Lernwerkzeug gut geeignet ist, Assistenzärzte bei der Interpretation von Fundusbildern zu unterstützen und somit einen wertvollen Beitrag zur Ausbildung leistet. Besonders positiv wurde das Design, die Navigation und die Vielfalt der präsentierten klinischen Fälle bewertet.

Schlussfolgerung: Der vorgestellte Prototyp wurde von den teilnehmenden Assistenzärzten erfolgreich angenommen. Der Lernprozess, basierend auf dem Beispiel der diabetischen Retinopathie, konnte qualitativ verbessert werden. Weitere Entwicklungen des Tools, um es auf andere Bereiche der Augenheilkunde auszuweiten, sind sinnvoll. Es ist zu erwarten, dass solche interaktiven Lernansätze, insbesondere in frühen Ausbildungsphasen, einen erheblichen Mehrwert in der medizinischen Lehre bieten.