Prof. Olaf Wolkenhauer

Die sinnvolle Anwendung von künstlicher Intelligenz stellt insbesondere die Medizintechnik vor große Herausforderungen. Es benötigt Konzepte um die Heterogenität und Qualität von Daten sowie die Plausibilität von Ergebnissen sicherzustellen.

Das Rostocker Team der Systembiologie und Bioinformatik (SBI) hat sich darauf spezialisiert, mittels modernster Techniken der Datenanalyse und des maschinellen Lernens, maßgeschneiderte Lösungen für biomedizinische Probleme zu finden. In klinischen Alltagssituationen reichen einfache bzw. einzelne Algorithmen oftmals nicht aus, um die Komplexität der Anforderung abzudecken. Das SBI entwickelt für breite Anwendungsfelder eigene Prozessabläufe (Workflows), immer jedoch mit dem Ziel, die zugrunde liegenden Prinzipien translational nutzbar zu machen. Beispielsweise wurden Workflows für KI-Modelle entwickelt, die es möglich machen, einzelne Blutzelltypen in durchflusszytometrischen Aufnahmen zu unterscheiden oder Herzmuskelzellen anhand ihrer Sarkomerstrukturen einem Reifegrad zuzuordnen. Ebenfalls konnten Therapieerfolge von Patienten anhand ihrer Blutparameter vorhergesagt werden.

Prof. Dr. Carsten Ullrich

Centogenes Ziel ist es, durch eine schnellere und bessere Diagnose und neue Therapien Menschen zu helfen, die an seltenen Krankheiten leiden. Die Nutzung von Künstlicher Intelligenz spielt dabei eine wesentliche Rolle. In dem Vortrag werde ich Beispiele von KI-Anwendungen geben, die bei Centogene in der täglichen Anwendung sind, und Prozesse von Monaten auf wenige Minuten verkürzen oder auch ganz neue Möglichkeiten der medizinischen Analyse ermöglichen.

Prof. Dr.-Ing. Dagmar Waltemath

Ich komme zur NØRD um darüber zu sprechen, wie wir klinische Versorgungs- und Gesundheitsdaten so aufbereiten können, dass sie nachhaltig nutzbar für die Forschung sind.

Insbesondere bei klinischen Studien ist es – selbst für Mediziner_innen – nicht immer einfach, Studienergebnisse nachzuvollziehen. Das Medical Informatics Laboratory (MILA) um Prof. Waltemath erarbeitet Standards und Guidelines, um Studien mit medizinischem Bezug FAIRer zu gestalten, d. h. den FAIR-Prinzipien (Findable = auffindbar, Accessible = zugänglich, Interoperable = interoperabel/ zusammenführbar, Reusable = wiederverwendbar) entsprechend zu dokumentieren und auszutauschen. Die Qualität der Daten spielt bei der Informationsintegration und -auswertung eine entscheidende Rolle. In der Medizin können Fehler in den Daten zu falschen Schlussfolgerungen und damit im schlimmsten Fall zu schweren Folgen für Leben und Gesundheit von Patient_innen führen. Die Entwicklung von Techniken der Datenintegration und -bereinigung ermöglicht die Harmonisierung von Forschungsdaten, wodurch Analysefehler reduziert und bessere Vorhersagen getroffen werden können. MILA forscht insbesondere zu Möglichkeiten der verbesserten Datenqualitätsprüfung und der Datenbereinigung, sowie zu effizienten Speichermethoden und effektiven Datenanfragemöglichkeiten.

Dr. Stefan Leye

Die sinnvolle Anwendung von künstlicher Intelligenz stellt insbesondere die Medizintechnik vor große Herausforderungen. Es benötigt Konzepte um die Heterogenität und Qualität von Daten sowie die Plausibilität von Ergebnissen sicherzustellen.

Nie zuvor wurden so viele medizinische Daten gesammelt wie heute – ob in der Genetik, mit bildgebenden Verfahren, oder in elektronischen Patientenakten. Die Anwendung von KI-Verfahren auf diese Daten birgt daher ein großes Potenzial für das gesamte Gesundheitswesen.

Die Integration von künstlicher Intelligenz in Medizingeräte stellt uns aber auch vor neue Herausforderungen. In der Medizintechnik sind das vor allem die Heterogenität und Qualität der Daten sowie die Plausibilität von Ergebnissen. Limbus Medical Technologies hat es sich zur Aufgabe gemacht diese Herausforderungen anzugehen und Lösungen zu entwickeln, um KI-Methoden für die genetische Diagnostik anwendbar zu machen.
Diese Herausforderungen sollen beleuchtet und die Lösungsansätze konkret am Einsatzgebiet der Genetik erläutert werden.