Visualisierungstechniken für die Fallbasierte Chirurgieausbildung

In fallbasierten Lernsystemen, vor allem in der Chirurgie, sind statische, interaktive und dynami- sche Visualisierungen patientenindividueller Daten, zur Repräsentation der enormen anatomischen Vielfalt und der ebenso vielfältigen krankhaften Veränderungen wünschenswert. Wir präsentieren am Beispiel des LiverSurgeryTrainer (einem Lernsystem, das auf klinischen Daten aufbaut) Visualisierungstechniken für die fallbasierte Chirurgieausbildung. Hierbei wird sowohl auf statische, interaktive und dynamische Visualisie- rungen, sowie auf die Eignung unterschiedlicher Visualisierungstechniken im Lernkontext eingegangen. Zu- sätzlich werden die Datenbasis und das Konzept für ein entsprechendes Lernsystem besprochen. 1 Einführung In der medizinischen Aus- und Weiterbildung wird die Verkürzung von Ausbildungszeiten angestrebt. Zur Umsetzung steht dafür die Forderung nach problemorientiertem und praxisna- hem/-relevantem Lernen im Vordergrund. Derzeit ist dennoch gerade die chirurgische Aus- und Weiterbildung stark von chirurgischen Experten und den zur Verfügung stehenden Fällen abhängig. Diese Abhängigkeiten können durch problemorientierte, fallbasierte Lehr- und Lernsysteme mit einem repräsentativ ausgewählten Fallspektrum verringert werden. Entspre- chende Fallsammlungen müssen mit Expertenwissen angereichert und didaktisch aufbereitet werden. Hierbei ist die Integration von Medien (Bilddaten, Videos, ...) und Informationen über Diagnose, Therapieentscheidungen und die durchgeführte Operation wesentlich. Die Herausforderung in chirurgischen fallbasierten Lernsystemen ist dabei vor allem, den Lernenden flexibel die Visualisierung patientenindividueller (Bild-)Daten zu ermögli- chen. Jedoch stellt gerade die Erzeugung adäquater und ansprechender Visualisierungen der patientenspezifischen Daten einen enormen Aufwand dar, der bei größeren Fallzahlen und bei Systemen mit erweiterbaren Fallbeständen erheblich ins Gewicht fällt. Daher sind Einschrän- kungen in den Freiheitsgraden bei der Visualisierung oder der Fallanzahl üblich. Im Weiteren stellen wir deshalb, am Beispiel des LiverSurgeryTrainer, Visualisierungs- techniken vor, die die Exploration patientenindividueller Daten ermöglichen und sich dabei auf die klinischen (Bild-)Daten und deren Bildanalyseergebnisse stützen. Zunächst wird die Konzeption für den LiverSurgeryTrainer vorgestellt und der bisheri- ge Stand der Forschung zusammengefasst, sowie die Grundlagen des LiverSurgeryTrainer er-