Doktorand · Medizinische KI & klinisches NLP
Hendrik Damm.
Gemeinsam mit Kolleginnen und Kollegen aus Klinik und Forschung entwickle und evaluiere ich Sprachmodelle für die Medizin — vom Literatur-Screening für klinische Leitlinien bis zur belegbasierten Fragebeantwortung anhand von Patientenakten.
- begutachtete Publikationen
- 19
- erste Plätze mit unserem Team in internationalen Shared Tasks
- 3
- Ausgaben von ImageCLEFmedical Caption mitorganisiert, zwei davon geleitet
- 3
- Manuskripte im Peer Review, davon 3 als Erstautor
- 4
01Über mich
Zwischen Informatik und Medizin.
Ich bin Doktorand im DFG-Graduiertenkolleg WisPerMed, das die wissens- und datenbasierte Personalisierung der Medizin am Point of Care erforscht. Ich arbeite am Fachbereich Informatik der FH Dortmund und am Institut für Medizinische Informatik, Biometrie und Epidemiologie des Universitätsklinikums Essen und promoviere (Dr. rer. medic.) an der Universität Duisburg-Essen.
Im Mittelpunkt steht derzeit KI-Unterstützung für die Leitlinienentwicklung: Gemeinsam mit den Expertinnen und Experten der S3-Leitlinie Melanom untersuche ich, ob große Sprachmodelle als zusätzliche Reviewer im Literatur-Screening dienen können — und wie Ärztinnen und Ärzte Vertrauen in solche Systeme entwickeln. Daneben arbeite ich mit Kolleginnen und Kollegen an belegbasierter Fragebeantwortung anhand von Patientenakten und an klinischer Textgenerierung, vom Entlassbrief bis zur laienverständlichen Fassung medizinischer Dokumente.
Seit 2024 gehöre ich außerdem zum Organisationsteam von ImageCLEFmedical Caption, einem internationalen Benchmark für medizinisches Bildverständnis; 2025 und 2026 habe ich das Team geleitet. Vor der Promotion habe ich in Dortmund Medizinische Informatik studiert und im Datenmanagement und in der Datenintegration an der Medizinischen Hochschule Hannover und am Universitätsklinikum Münster gearbeitet.
02Forschung
Woran ich arbeite
Meine Arbeit reicht von der Methodenentwicklung, oft in internationalen Shared Tasks, bis zu Studien mit Ärztinnen und Ärzten sowie Fachleuten aus der Leitlinienarbeit.
01 · Evidenzsynthese · Abstract-Screening · Onkologie
KI für Living Guidelines
Ein KI-Assistenzsystem zur Aktualisierung der S3-Leitlinie Melanom: Sprachmodelle als zusätzliche Reviewer im Titel-Abstract-Screening, evaluiert im Vergleich mit den Entscheidungen der Leitlinienexpertinnen und -experten — ein Schritt hin zu Living Guidelines.
6 zugehörige Publikationen02 · EHR-QA · Attribution · Zuverlässigkeit
Belegbasierte, vertrauenswürdige LLMs
Belegbasierte Fragebeantwortung anhand elektronischer Patientenakten, Attribution generierter Texte auf Ebene einzelner Aussagen und das Erkennen unzuverlässiger Modellantworten auf medizinische Fragen.
6 zugehörige Publikationen03 · Zusammenfassung · Laiensprache · Interoperabilität
Klinische Textgenerierung & Informationsextraktion
Vom Freitext zu strukturierten Daten und zurück: Entlass- und Tumorboard-Zusammenfassungen, laienverständliche Befunde und FHIR-kompatible Informationsextraktion mit Open-Weight-Modellen.
9 zugehörige Publikationen04 · Vertrauen · Eye-Tracking · Interviews
Zusammenarbeit von Mensch und KI in der Medizin
Wie Ärztinnen und Ärzte KI wahrnehmen, ihr vertrauen und mit ihr arbeiten: eine multizentrische randomisierte Eye-Tracking-Studie zu KI-generierten Vertrauenslabels und eine Interviewstudie zum KI-gestützten Literatur-Screening in der Leitlinienentwicklung.
3 zugehörige Publikationen05 · Benchmarking · Multimodal · Bildbeschreibung
ImageCLEFmedical Caption
Ein internationaler Benchmark für medizinische Konzepterkennung und Bildbeschreibung im Rahmen der CLEF; 2026 fand die zehnte Ausgabe statt.
8 zugehörige Publikationen03Auswahl
Ausgewählte Publikationen
Im Peer Review
- Revision im Review · 2. Rundenpj Digital Medicine
Criterion guided large language models as additional reviewers for melanoma guideline title and abstract screening
Hendrik Damm, Enis Ömer Doğru, Noëlle Bender, …, Christoph M. Friedrich
- Major Revision · Okt. 2026JMIR AI
Trust Requirements for AI-Assisted Title-Abstract Screening in Clinical Guideline Development: Qualitative Interview Study
Hendrik Damm, Kilian Elfert, Noëlle Bender, …, Elisabeth Livingstone
- Im ReviewPLOS Digital Health
AI-framed evidence labels redirect physician attention and increase expert-concordant selection in multicentre randomised eye-tracking study
Hendrik Damm, Kilian Elfert, Noëlle Bender, …, Christoph M. Friedrich
- Minor Revision eingereicht · 2. Rundenpj Digital Medicine
Challenges in AI Based Tumor Board Case Summarization and Recommendations
Wen-wai Yim, Hendrik Damm, Tabea M. G. Pakull, …, Georg Lodde
Veröffentlicht
- 2026JMIR 2026
Extracting Medical Information From Unstructured Clinical Text Using Large Language Models to Enhance Health Care Interoperability: Proof-of-Concept Study
Bahadır Eryılmaz, Kamyar Arzideh, Mikel Bahn, Hendrik Damm, …, René Hosch
- 2026CL4Health @ LREC 20261. Platz · Subtask 3
WisPerMed at ArchEHR-QA 2026: Retrieval-Augmented Prompting for Grounded EHR Question Answering
Jan-Henning Büns, Tabea M. G. Pakull, Hendrik Damm, …, Norbert Fuhr
- 2025EJC Skin Cancer
Comparative analysis of international melanoma guidelines
Ahmad Idrissi-Yaghir, Henning Schäfer, Hendrik Damm, Georg C. Lodde, Elisabeth Livingstone, Dirk Schadendorf, Christoph M. Friedrich
- 2025CL4Health @ NAACL 20251. Platz gesamt
WisPerMed @ PerAnsSumm 2025: Strong Reasoning Through Structured Prompting and Careful Answer Selection Enhances Perspective Extraction and Summarization of Healthcare Forum Threads
Tabea M. G. Pakull, Hendrik Damm*, Henning Schäfer, Peter A. Horn, Christoph M. Friedrich
- 2025CLEF 2025 Working Notes
Overview of ImageCLEFmedical 2025 – Medical Concept Detection and Interpretable Caption Generation
Hendrik Damm, Tabea M. G. Pakull, Helmut Becker, …, Christoph M. Friedrich
- 2024BioNLP @ ACL 20241. Platz
WisPerMed at “Discharge Me!”: Advancing Text Generation in Healthcare with Large Language Models, Dynamic Expert Selection, and Priming Techniques on MIMIC-IV
Hendrik Damm, Tabea M. G. Pakull, Bahadır Eryılmaz, Helmut Becker, Ahmad Idrissi-Yaghir, Henning Schäfer, Sergej Schultenkämper, Christoph M. Friedrich
04Neuigkeiten
Aktuelles
- PaperNeues Preprint unter Federführung von Bohao Chu: „Locally Sound, Globally Insufficient“ — Reasoning-Ketten können in jedem Schritt belegt sein und die Frage als Ganzes trotzdem verfehlen; wir nennen das den Local-Global-Gap im Multi-Hop-Reasoning.
- CommunityImageCLEFmedical Caption 2026, die zehnte Ausgabe des Tasks, ist auf der CLEF 2026 in Jena zu Ende gegangen; ich habe das Organisationsteam geleitet. Der ImageCLEF-2026-Überblick ist in Springer LNCS erschienen.
- VortragVortrag auf dem 36. Deutschen Hautkrebskongress (ADO) in Leipzig: ein KI-Assistenzsystem zur Aktualisierung der S3-Leitlinie Melanom — Anforderungen, frühe Praxiserprobung und der Übergang zu Living Guidelines.
- PaperErschienen im JMIR unter Federführung von Bahadır Eryılmaz: Feinabstimmung von Open-Source-LLMs auf synthetischen, aus FHIR erzeugten Entlassbriefen, um interoperable Informationen aus klinischem Freitext zu extrahieren.
- AuszeichnungArchEHR-QA 2026: 1. Platz in Subtask 3 und 2. Platz in Subtask 4 mit unserem Retrieval-Augmented-System (CL4Health @ LREC 2026, Palma — 43 Teams).
- PaperZwei neue Preprints unter Federführung von Bohao Chu: eTracer — nachvollziehbare Textgenerierung durch Grounding auf Ebene einzelner Aussagen — und PCoA, ein Benchmark für aspektbasierte medizinische Zusammenfassung mit Attribution auf Phrasenebene.
- CommunityImageCLEFmedical Caption 2025 (neunte Ausgabe) fand auf der CLEF 2025 in Madrid statt; ich habe das Organisationsteam geleitet und die Task-Session im CLEF-Labs-Workshop organisiert.