News
Publikation: Implementation and User Evaluation of an On-Premise Large Language Model in a German University Hospital Setting: Cross-Sectional Survey
Im Journal of Medical Internet Research wurde oben genannte Publikation am 15.04.2026 unter Mitwirkung von Dr. Alice Grünig, Jenifer Kriebel, Dr. Julian Varghese, Dr. Tim Herrmann und Dr. Christian Bruns veröffentlicht. Für nähere Informationen siehe diesen Link.
Abstract
Background
Large language models (LLMs) are increasingly used by employees at university hospitals for information retrieval or decision support. Self-hosted on-premise systems provide a secure environment and conform to data privacy and security regulations for handling sensitive personal data. Automation of standard procedures using an LLM application can substantially reduce time-consuming administrative tasks and facilitate the analysis of large datasets.
Objective
The objective of our study was to gather feedback from registered artificial intelligence (AI) users on the usability and common use cases of the on-premise LLM infrastructure we established at the University Medicine Magdeburg to optimize the models to the needs of our facility.
Methods:We developed an online questionnaire to which registered AI users were given access and were informed via email.
Results
Of 322 registered AI users, 98 (30.4%) participated in the user survey. After filtering incomplete responses, results from 91 (28.3%) participants remained for further analysis. Speed and quality received overall high approval rates. Most of the users (n=57, 62.6%) used the platform at least once per week, and 44% (n=40) of the users reported saving at least 30 minutes of work per week by using our AI platform. A diverse set of use cases was observed, varying by profession; for example, health care and research professionals used the AI platform more frequently for creation and analysis tasks than administrative staff.
Conclusions
Our data indicate that the implementation of a self-hosted on-premise LLM was associated with positive perceptions among a diverse group of professionals working at a university hospital, saving time and meeting their individual needs.
Publikation: Molecular variants, clonal evolution and clinical relevance in pediatric and adult T-cell lymphoblastic neoplasia
Im Blood Cancer Journal wurde oben genannte Publikation am 02.04.2026 unter Mitwirkung von Dr. Sarah Sandmann und Dr. Julian Varghese veröffentlicht. Für nähere Informationen siehe diesen Link.
Abstract
T-cell lymphoblastic lymphoma (T-LBL) and T-cell acute lymphoblastic leukemia (T-ALL) originate from thymic T-cell precursors, with ongoing debate on whether they are variants of the same disease or distinct entities. For 211 patients, including pediatric and adult T-ALL and T-LBL cases, targeted next-generation sequencing and SNP-arrays were performed, and single-nucleotide variants, indels and copy-number variants (CNVs) were analyzed. We aimed to assess genetic differences between T-ALL and T-LBL across age. Generally, mutational landscape analysis identified mutated PHF6 being associated with higher, NOTCH1 with lower age at diagnosis for both T-LBL and T-ALL. Association of CNVs with higher age was evident for T-ALL, but not T-LBL. Analysis of clonal evolution revealed that CNVs – especially deletions and LOH in chromosome 9 (LOH_in_9p) – were observed as first mutational event in both pediatric T-ALL and T-LBL. The sequence of genetic events, starting with LOH_in_9p followed by mutations in NOTCH1, was significantly more frequent in pediatric T-ALL and T-LBL. Detailed evaluation of the patients’ individual clonal evolution indicated that the proportion of malignant cells without NOTCHMT determines the risk of relapse (hazard ratio 1.032, p = 4.65*10−5). In T-ALL, aside from MRD, validated molecular markers for risk-group stratification remain limited. Our data suggest that molecular metrics analogous to those in T-LBL may help refining risk stratification in T-ALL as well.
1. Magdeburger Digital Health Symposium
Am 19. Juni 2026 veranstaltet unser Institut für Medical Data Science das „1. Magdeburger Digital Health Symposium“. Es erwartet Sie ein vielseitiges Programm zu aktuellen Themen der digitalen Gesundheit, künstlicher Intelligenz und Bioinformatik in der medizinischen Forschung, sowie neue Lösungen auf dem Gebiet modernster medizinischer Forschungsdatenbanken.
Darüber hinaus freuen wir uns sehr, Herrn PD Dr. Philipp Berg, vom Forschungscampus STIMULATE, sowie Prof. Dr. Hans-Ulrich Prokosch, aktueller Präsident unserer Fachgesellschaft, als Keynote-Speaker für unser Symposium gewinnen zu können.
Allgemein
1. Magdeburger Digital Health Symposium
Freitag, 19. Juni 2026, 16:30 Uhr bis 21:00 Uhr
Hörsaal H7 auf dem Gelände der UMMD
Programm und Registrierung: https://eveeno.com/DigitalHealthMD2026
Die Teilnahme ist kostenlos.
Zertifizierung durch die Ärztekammer Sachsen-Anhalt, Kategorie A mit 6 Fortbildungspunkten.
Bei Fragen: IMDS-Symposium@med.ovgu.de
Bitte melden Sie sich über den Registrierungslink an.
Programm
ab 16 Uhr: Registrierung geöffnet
16:30 - 16:50 Uhr: Eröffnung
Prof. Dr. Julian Varghese (Direktor Institut für Medical Data Science)
Prof. Dr. Daniela Dieterich (Dekanin Medizinische Fakultät OvGU)
Prof. Dr. Dr. Hans-Jochen Heinze (Ärztlicher Direktor UMMD)
16:50 - 17:30 Uhr: 1. Keynote: PD Dr. Philipp Berg (Institut für Medizintechnik, OvGU)
STIMULATE goes clinic: minimal-invasiv und maximal-innovativ
17:30 - 18:15 Uhr: Vorstellung Institut für Medical Data Science
Prof. Dr. Julian Varghese; Einleitung
Dr. Tim Herrmann und Dr. Aliće Grünig; Datenintegrationszentrum und KI-Plattform
Lucas Bickmann; Medical Artificial Intelligence Lab
PD Dr. Sarah Sandmann; Medizinische Bioinformatik und klinische Dashboards
18:15 - 19:15 Uhr: Essenspause + Posterausstellung
19:15 - 20:15 Uhr:
Digital Health Anwendungen in MagdeburgAnna Kleinau (Institut für Simulation und Graphik, Fakultät für Informatik)
Visuelle Anwendungen für erklärbare KI in der klinischen Entscheidungsfindung
Prof. Dr. Carola Dröge (Universitsätsklinik für Gastroenterologie, Hepatologie und Infektiologie, UMMD)
Digital Health in der Hepatologie: Chancen und Herausforderungen für die Forschung
Dmitry Sushko (Universitätsklinik für Radiologie und Nuklearmedizin, UMMD)
Clinician Scientist meets Data Science
Prof. Dr. Dr. Fabian-Simon Frielitz (Telemedizin, Digitalisierung und Ökonomie in der Medizin, UMMD)
Digitale Versorgungsmodelle in der Pädiatrie
20:15 - 20:55 Uhr: 2. Keynote: Prof. Dr. Hans-Ulrich Prokosch (Institut für Medizininformatik, Biometrie und
Epidemiologie, Friedrich-Alexander Universität Erlangen-Nürnberg)
Datenintegrationszentren: Datenlieferant und auch Treiber für zukünftige KI-Anwendungen?
ab 21 Uhr: Get-together
ExChangeAI: Neues Tool zur Eigenerstellung von EKG Deep Learning Modellen
ExChangeAI: Neues Tool zur Eigenerstellung von EKG Deep Learning Modellen
Unsere KI-Plattform ermöglicht offiziell datenschutzkonforme Verarbeitung mit Patientendaten an der UMMD!
Neue KI-DIZ-Plattform ermöglicht Verarbeitung mit Patientendaten
Die KI Plattform vom Datenintegrationszantrum des IMDS verfügt über 8-fach höhere Speicher- und Rechenleistung, damit stehen Ihnen neue generative KI LLM Modelle zur Verfügung, die Sie in der oberen linken Leiste dann auswählen können.
Die Modelle sind:
- gpt-oss:120b eine Open Source Variante von OpenAI ChatGPT o3/o4 mini
- gemma3:27b eine Open Source Variante von Google Gemini 2.
Damit stellen wir Ihnen hochperformante KI Modelle für ihre Fragestellungen und Datenauswertungen bereit, ohne dass sie die Kontrolle über ihre Daten verlieren, mit einem hohen Schutz ihrer Daten, welche in den lokalen Systemen verbleiben.
Die Verarbeitung von Patientendaten mit der DIZ KI-Plattform ist seit Oktober 2025 von Datenschutz und Informationssicherheit offiziell freigegeben und darf nur mit dieser durchgeführt werden. Hierzu gelten folgende Regelungen: Es sollen so wenig Patientendaten wie möglich mit der DIZ KI-Plattform verarbeitet werden. Nach der Nutzung sind Prompts, die Patientendaten erhalten, umgehend zu löschen. Es wird stichpunktartige Kontrollen durch das DIZ geben, um eine entsprechende Löschung zu überprüfen. Ein Zuwiderhandeln wird dem Datenschutz bzw. der Informationssicherheit namentlich angezeigt. Die DIZ KI-Plattform darf im Hinblick auf Patientendaten bisher nicht für Decision-Support verwendet werden.
Mit der Nutzung der DIZ KI-Plattform stimmen Sie den erneuerten Regelungen zu.