KI im Gesundheitswesen

Leiter der Forschungsgruppe Künstliche Intelligenz

Wir entwickeln und nutzen Methoden der Künstlichen Intelligenz (KI), um Probleme im Bereich der Biomedizin zu lösen. Wir entwickeln und implementieren maschinelle Lernverfahren, statistische Methoden und mathematische Modelle, um biomedizinische Daten zu analysieren, die von elektronischen Gesundheitsakten bis hin zu Krebsgenomdaten reichen. Wir arbeiten eng mit Forschern, Ärzten und Experten aus Biologie und Medizin zusammen. Unser Ziel ist es, zu einem besseren Verständnis der biologischen Komplexität und der medizinischen Entscheidungsfindung beizutragen.

Aktuelles

laden

Forschung

Derzeit gibt es zwei Hauptforschungsrichtungen:

Methoden des maschinellen Lernens (ML) zur Erlernung kausaler dynamischer Modelle aus Daten

Das Ziel ist es, longitudinal erhobene Daten zu verwenden, um die Dynamik eines biomedizinischen Prozesses (z. B. den Verlauf einer Krankheit oder Pharmacodynamik) aus Daten zu erlernen und die Auswirkungen von Interventionen (z. B. Behandlungen oder Experimenten in der Biologie) zu simulieren. Hierbei kombinieren wir Techniken aus dem ML mit Methoden aus der Regelungstechnik und Statistik. Eine aktuelle Anwendung besteht darin, ML zu verwenden, um automatisch Systembiologie-Modelle zu verbessern, und eine andere besteht darin, zeitabhängige Behandlungseffekte mithilfe kontrafaktischer Inferenz in dynamischen Systemen vorherzusagen.

Analyse und Modellierung hochdimensionaler Daten in der Krebsbiologie

In dieser Arbeit arbeiten wir eng mit Krebsbiologen und Onkologen zusammen, um grundlegende biologische Prozesse mittels der Analyse von genomischen und klinischen Krebsdaten zu verstehen. Eine laufende Anwendung ist die Rolle von Aneuploidie und chromosomaler Instabilität bei Krebszellen. Ein weiteres Ziel besteht darin, ML zu verwenden, um eine engere Verbindung zwischen in vitro experimentellen Daten und klinischen Daten herzustellen.