Medizin
Meine Ausbildung und mein beruflicher Weg sind früh auf Neurologie, Neurochirurgie und wissenschaftliche Arbeit ausgerichtet worden. Diese Kombination prägt auch meine weitere Entwicklung.
Arzt · Forschung · Neurochirurgie
Medizin, Forschung und digitale Systeme in einer klaren, professionellen Form.
Ich arbeite an der Schnittstelle von klinischer Medizin, wissenschaftlicher Analyse und technologischer Entwicklung – mit besonderem Fokus auf Neurochirurgie, Neurobildgebung, AI-orientierte Forschung und strukturierte Wissenssysteme.
Schwerpunkte
Neurochirurgie · Forschung · Bildgebung · AI
Über mich
Klinisch geprägt, wissenschaftlich orientiert, technologisch interessiert.
Ich bin Arzt mit einem klaren Schwerpunkt auf Neurochirurgie, neurologischen Fragestellungen und medizinischer Bildgebung. Mein Interesse gilt der Verbindung von klinischer Relevanz, wissenschaftlicher Präzision und moderner Technologie – insbesondere dort, wo AI und datengetriebene Methoden helfen können, komplexe Muster sichtbar und nutzbar zu machen.
Forschung
Ich arbeite an Fragestellungen der Neurochirurgie, Neurodegeneration, MRI/DTI-Bildgebung, maschinellem Lernen und Biomarkerforschung. Im Mittelpunkt steht für mich eine Methodik, die klinisch relevant und wissenschaftlich belastbar bleibt.
Technologie
Neben der Medizin interessiert mich, wie digitale Systeme so gestaltet werden können, dass sie komplexe Informationen klar, professionell und praktisch nutzbar machen.
Lebenslauf
Relevante Stationen.
Hier stehen bewusst nur die für mein aktuelles Profil wichtigsten Stationen: medizinische Ausbildung, Forschung, neurochirurgische Ausrichtung und der nächste berufliche Schritt.
Projekte
Arbeit zwischen Medizin, Analyse und digitaler Gestaltung.
Strukturierte Anwendungen für komplexe Inhalte
Mich interessiert die Entwicklung von Systemen, die medizinische und wissenschaftliche Informationen klar strukturieren, verständlich darstellen und im professionellen Alltag nutzbar machen. Wie hier im Anhang dargestellt ein kleines privates Lernprogramm names Clinical Workspace
Datengetriebene Analyse mit klinischer Relevanz
Algorithmen der künstlichen Intelligenz sind in der Lage, komplexe Probleme zu strukturieren und zu vereinfachen, sodass verständliche und nachvollziehbare Lösungen entstehen. In der Medizin finden sie bereits vielfältige Anwendung, während ihr Potenzial im alltäglichen Leben bislang noch vergleichsweise wenig ausgeschöpft wird. Genau hier sehe ich einen wichtigen Ansatzpunkt, den ich aktiv weiterentwickeln möchte.
Forschung
Methodik und ausgewählte Beiträge.
Meine Forschung konzentriert sich auf neurochirurgische Fragestellungen, medizinische Bildgebung, Softwareentwicklung für Lehr- und Ausbildungszwecke sowie auf die Generierung von Empfehlungen und datengetriebene Analysen. Besonders interessieren mich der Einsatz von Sprachmodellen, die Identifikation von Biomarkern sowie die Entwicklung von Klassifikationsmodellen mit klarem klinischem Nutzen.
Methodik
Im Zentrum meiner Arbeit stehen KI-Algorithmen, insbesondere Methoden des maschinellen Lernens wie Support Vector Machines, Random Forests, Entscheidungsbäume sowie mehrschichtige Perzeptrone. Darüber hinaus beschäftige ich mich auch intensiv mit Deep-Learning-Ansätzen. Diese Verfahren nutze ich vor allem zur Detektion und Analyse relevanter Strukturen in der medizinischen Bildgebung, mit dem Ziel, diagnostische Prozesse zu verbessern und Erkrankungen frühzeitig zu erkennen. Ein weiterer Schwerpunkt liegt auf der Entwicklung von Systemen zur Unterstützung klinischer Entscheidungsfindung. Zudem widme ich mich verstärkt der Offline-Anwendung von Sprachmodellen, um eine datenschutzrechtlich sichere Unterstützung von Ärztinnen und Ärzten im klinischen Alltag zu ermöglichen. Dabei ist es mir besonders wichtig, Lösungen zu entwickeln, die robust, nachvollziehbar und reproduzierbar sind. In der aktuellen KI-Forschung wird häufig vorschnell auf komplexe „Black-Box"-Modelle zurückgegriffen. Ich verfolge hingegen einen methodisch reflektierten Ansatz, bei dem zunächst einfachere, besser interpretierbare und oft auch geeignetere Algorithmen systematisch geprüft und eingesetzt werden.
MRI classification of progressive supranuclear palsy, Parkinson disease and controls
Diese Arbeit untersucht die Klassifikation von PSP, Parkinson und Kontrollen mithilfe von Machine-Learning- und Deep-Learning-Ansätzen. Ziel ist die Identifikation relevanter Regionen und Trakte als potenzielle Biomarker zur besseren Differenzierung klinisch ähnlicher Krankheitsbilder.
Diffusion tensor imaging of sequential neuropathological patterns in progressive supranuclear palsy
Die Studie untersucht, ob sich neuropathologische Stadien der PSP mit einem hypothesengeleiteten DTI-Ansatz in vivo nachvollziehen lassen. Im Vordergrund stehen Regionen und Trakte entlang eines möglichen sequentiellen Ausbreitungsmusters.
Multiparametric MRI-based biomarkers in the non-fluent and semantic variants of primary progressive aphasia
Hier wird untersucht, wie DTI und atlasbasierte Volumetrie unterschiedliche Muster bei der nicht-flüssigen und semantischen Variante der primär progredienten Aphasie sichtbar machen können – mit Blick auf frühe Differenzierung und longitudinale Veränderung.
Mich interessiert die Verbindung von fachlicher Substanz und klarer Form: Medizin soll verantwortungsvoll sein, Forschung präzise und Technologie dort sichtbar werden, wo sie echten Mehrwert schafft.
Kontakt
Kontakt und Verweise.
Für fachlichen Austausch, wissenschaftliche Zusammenarbeit oder projektbezogene Anfragen.