AI in Pediatric CHD

Kurzbeschreibung

Dieses Projekt untersucht die transformative Rolle von künstlicher Intelligenz, Föderiertem Lernen und Erklärbarer KI bei der Diagnose und Behandlung von angeborenen Herzfehlern (AHF) bei pädiatrischen Patienten. Es konzentriert sich auf Erkrankungen wie das Hypoplastische Linksherzsyndrom (HLHS), Pulmonale Hypertonie (PAH), Aortenstenose, Persistierender Ductus Arteriosus (PDA) und Ventrikelseptumdefekt (VSD).
Wichtige Anwendungen in klinischen Anwendungsfällen umfassen:
Anonymisierung von Echokardiographiedaten: Sicherstellung des Patientendatenschutzes durch Anonymisierung von Echokardiographiedaten, wodurch die sichere und konforme Nutzung sensibler Informationen erleichtert wird.
Krankheitsklassifikation: Nutzung von KI zur schnellen und genauen Klassifikation verschiedener Arten von AHF, wodurch die diagnostische Effizienz verbessert und eine rechtzeitige Behandlung unterstützt wird.
Segmentierung von Herzstrukturen: Einsatz von KI zur präzisen Segmentierung von Herzstrukturen in Echokardiogrammen, was die Visualisierung verbessert und eine bessere Behandlungsplanung unterstützt.
Quantitative Bewertung der Herzfunktion: Anwendung von KI zur detaillierten quantitativen Analyse der Herzfunktion, was fundiertere und effektivere klinische Entscheidungen ermöglicht.
Große Sprachmodelle: Erstellung von Sprachmodellen zur Interpretation medizinischer Leitlinien und Patientenakten, wodurch die Zugänglichkeit und das Verständnis komplexer medizinischer Informationen verbessert werden.
Durch den Einsatz dieser fortschrittlichen KI-Technologien, insbesondere in der Echokardiographie, können medizinische Fachkräfte genauere Diagnosen stellen, personalisierte Behandlungspläne entwickeln und letztendlich die Ergebnisse für Kinder mit AHF verbessern.

Publications:

• T. Uden, MY Jabarulla, S. Oeltze-Jafra, P. Beerbaum, "Fine-Tuning Language Models with Guideline Knowledge to Optimize Small, Local Models for Pediatric Cardiology" Accepted for Prentation in The Association for European Paediatric and Congenital Cardiology (AEPC) 2025, Hamburg, Germany.
• Sarah Elizabeth Long, Theodor Uden, Mohamed Yaseen Jabarulla, Steffen Oeltze-Jafra, Philipp Beerbaum"Automated Selection and Annotation of Unstructured Pediatric Echocardiography Reports UsingLlama-3.1-8B-Instruct, a Locally Run Large Language Model"Accepted for Prentation in The Association for European Paediatric and Congenital Cardiology (AEPC) 2025, Hamburg, Germany.
• H. Rosmus, T. Uden, MY Jabarulla, K. Mirmukhamedov, M. Fischer, C. M. Happel, D. Hohmann, S. Lohrmann, C. Junge, S. Long, J. Ulmer, S. Oeltze-Jafra, P. Beerbaum,"AI-based right ventricular segmentation in children with pulmonary hypertension ", Accepted for Oral Prentation in The Association for European Paediatric and Congenital Cardiology (AEPC) 2025, Hamburg, Germany.
• T Uden, MY Jabarulla, T Jack, M Avsar, H Bertram, C Happel, D Hohmann, A Horke, C Junge, S Long, N Rudobashta, K Seidemann, S Oeltze-Jafra, P Beerbaum 'Large Language Models Provide Impressive Answers to Complex Questions from Parents in Pediatric Cardiology and Pediatric Cardiac Surgery, But Detecting Errors is Challenging' The Thoracic and Cardiovascular Surgeon, 2025/1, 73(S 02) pp: DGPK-KV33. DOI: 10.1055/s-0045-1804267
• T Uden, Y M Jabarulla, T Jack, M Avsar, H Bertram, C M Happel, D Hohmann, A Horke, C Junge, S Long, N Rudobashta, K Seidemann, S Oeltze-Jafra, P Beerbaum, "A guideline-informed language model for paediatric cardiology demonstrates high performance in answering complex medical questions", European Heart Journal, 45, Issue Supplement_1, 2024 (Impact Factor: 37.9) DOI: ehae666.3491
• Mohamed Yaseen Jabarulla, Steffen Oeltze-Jafra, Philipp Beerbaum and Theodor Uden "MedDoc-Bot: A Chat Tool for Comparative Analysis of Large Language Models in the Context of the Pediatric Hypertension Guideline" Presented at the 46th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Orlando, Florida, USA, July 15-19, 2024. DOI: doi.org/10.1109/EMBC53108.2024.10781509.
• MY Jabarulla, T Uden, P Beerbaum, S Oeltze-Jafra "Artificial intelligence in pediatric echocardiography-Automated view classification and image anonymization in rare cardiac malformations on the example of borderline HLHS" European Heart Journal, 44, Issue Supplement_2, 2023 (Impact Factor: 37.9) DOI: doi.org/10.1093/eurheartj/ehad655.061

ArXiv Articles:

• MY Jabarulla, T Uden,T Jack, P Beerbaum, S Oeltze-Jafra "Artificial Intelligence in Pediatric Echocardiography: Exploring Challenges, Opportunities, and Clinical Applications with Explainable AI and Federated Learning" ArXiv. Link

Under Review

• MY Jabarulla, T Uden, P Beerbaum, S Oeltze-Jafra 'Efficient Fine-Tuning and Evaluation of Large Language Models for Interpreting Pediatric Hypertension Guidelines' submitted to EMBC 2025.

Softwares and Codes
MedDoc-Bot: Github Repository
Fine-Tunning LLM: Github Repository