
Marco Aigner hat für seine Masterarbeit den begehrten DMEA sparks Award in der Kategorie Publikumspreis gewonnen. Seine Arbeit vergleicht klassisches Machine-Learning mit großen Sprachmodellen zur Erleichterung bei der Erstellung von systematischen Übersichtsarbeiten.
Der Bundesverband Gesundheits-IT (bvitg e.V.) hat auf der diesjährigen DMEA die herausragendsten Bachelor- und Masterarbeiten aus den Bereichen Medizininformatik, E-Health, Gesundheits-IT und verwandten Studiengängen gesucht und gefunden. Die DMEA ist Europas führendes Event für Digital Health und findet jährlich in Berlin statt. Marco Aigner, Absolvent der Hochschule Heilbronn (HHN) und der Universität Heidelberg im Master Medizinische Informatik, hat es bis ins Finale geschafft und den Publikumspreis gewonnen.
Eine Fachjury wählte aus allen Einreichungen die jeweils fünf besten Arbeiten aus den Kategorien Bachelor und Master aus. Die Finalist*innen hatten anschließend die Aufgabe, in einem fünfminütigen YouTube-Video die Inhalte ihrer Abschlussarbeit auf den Punkt zu bringen. Die Fachjury vergab darauf den DMEA sparks Award an die jeweils drei besten Bachelor- und Masterarbeiten. Für die meisten YouTube-Likes unter den Finalist*innen-Videos wurde der Publikumspreis vergeben.
Das Thema der Masterarbeit von Marco Aigner lautet „Automated Title/Abstract-Screening of Scientific Articles: An Evaluation and Comparison of Supervised Machine Learning and Large Language Models”. Seine Arbeit beschäftigt sich mit systematischen Übersichtsarbeiten. Für deren Erstellung müssen die Zusammenfassungen vieler einzelner Studien gelesen werden. Dieser aufwendige Prozess könnte mit KI-Anwendungen automatisiert werden. Hierfür verglich Aigner in seiner Arbeit klassische Machine-Learning Modelle mit großen Sprachmodellen. Sein Fazit: Während beide Arten von Modellen, abhängig von den verwendeten Datensätzen, ähnlich leistungsfähig waren, kommt er zu dem Schluss, dass große Sprachmodelle in diesem Kontext barrierefreier, zuverlässiger und vertrauenswürdiger sind als klassisches Machine-Learning. „Wer bereits selbst an einer systematischen Übersichtsarbeit geschrieben hat, weiß wie viel Arbeit es bedeutet, tausende Studien zu überfliegen, um die relevanten herauszufiltern. Dieser Prozess wird umso schwieriger, je mehr publiziert wird. Meine Masterarbeit zeigt auf, inwiefern KI-Modelle zur Automatisierung dieser Herausforderung beitragen können.“
Marco Aigner hat an der HHN den Masterstudiengang Medizinische Informatik studiert. Dieser wird am TechCampus der Hochschule in Kooperation mit der Universität Heidelberg angeboten. Aktuell ist er wissenschaftlicher Mitarbeiter am Institut für Medizinische Informatik an der Universität Heidelberg.
Der begehrte Nachwuchspreis der DMEA wurde nicht zum ersten Mal an eine*n Absolvent*in der Hochschule Heilbronn verliehen. Bereits 2023 konnte beispielsweise Laura Hensel mit ihrer Masterthesis zum Thema "Entwicklung eines hybriden Simulators mit Modellierung druckunterstützter Spontanatmung zur Validierung eines EMG-Verstärkers” die Jury überzeugen. Auch in den Jahren davor kamen einige preisgekrönte Bachelor- und Masterarbeiten aus der Medizinischen Informatik von der HHN und der Universität Heidelberg.
Die Auszeichnung wurde im Rahmen der DMEA in Berlin übergeben.
Die HHN gratuliert herzlich zu diesem Erfolg!
Datenschutzeinstellungen
Wir setzen auf unserer Website Tracking-Technologien ein und haben Inhalte Dritter eingebettet. Eingesetzte Dienstleister können Daten für eigene Zwecke verarbeiten und mit anderen Daten zusammenführen. Details zu den Zwecken der Datenverarbeitung finden Sie in unserer Datenschutzerklärung.
Mit Ihrer Auswahl willigen Sie ggf. in die Verarbeitung Ihrer Daten zu den jeweiligen Zwecken ein. Die Einwilligung ist freiwillig, für die Nutzung des Onlineangebots nicht erforderlich und kann jederzeit über unsere Datenschutzeinstellungen widerrufen werden.
