AG Goldammer/Wolfien: Data Science & KI
Vision
„Um medizinische Fragestellungen zu beantworten und zugrunde liegende Krankheitsmechanismen immer besser zu verstehen, setzen wir computergestützte, KI-basierte Ansätze zur Datenanalyse gezielt ein und entwickeln sie kontinuierlich weiter."
Die Anwendung computergestützter Ansätze in den Lebenswissenschaften und der Medizin gewinnt zunehmend an Bedeutung. Die zugrunde liegenden Daten sind vielfältig und reichen von klinischen Routinedaten über Laborbefunde bis hin zu hochauflösenden Biosignalen und RNA-Sequenzierungsdaten. Für die Datenanalyse müssen die Daten harmonisiert und an standardisierte Datenformate (z.B. OMOP) angepasst werden. Die Entwicklung modularisierter und automatisierter Arbeitsabläufe ist daher ein zentraler Faktor. Dabei kommen verschiedene Werkzeuge und Methoden zum Einsatz, die von klassischen statistischen Verfahren und Netzwerkanalysen bis hin zu Deep Learning und Large Language Models reichen. Darüber hinaus werden die entwickelten Methoden in interdisziplinären Kooperationen in den Bereichen Onkologie, seltene Erkrankungen, Inflammation, Kardiologie, Schlafmedizin und weiteren Gebieten angewendet und validiert. Die Arbeiten des Forschungsbereichs erleichtern damit die Anwendung automatisierter Ansätze im klinischen Umfeld erheblich und tragen damit wesentlich zu den Zielen der Medizininformatik-Initiative bei, indem sie eine verbesserte Diagnose, Prävention und Therapie unterstützen.
Forschungsschwerpunkte
Zentrale Forschungsthemen der AG sind:
KI & Maschinelles Lernen in der Medizin
- Entwicklung von Modellen zur Klassifikation, Detektion und Gruppierung von Patientendaten
- Datenanalyse basierend auf standardisierten medizinischen Daten mit Hilfe von Common Data Models
- Generierung von synthetischen Daten auf Basis von tabellarischen Patienteninformationen
- Erklärbarkeit von Modellen (XAI)
Entwicklung von Arbeitsabläufen zur Datenanalyse
- Auswertung von bulk, Einzelzell- und räumlich-aufgelösten Genexpressionsdaten
- Harmonisierung und Auswertung von Biosignalen
- Prozessierung und Integration von Multi-Omics Daten mittels Netzwerkmodellierung
- Visualisierung von klinischen Daten
- Konfiguration und Automatisierung von Machine Learning Prozessen
Ausgewählte Projekte
- ACRIBIS — Personalisierte Risikobewertung für Herz-Kreislauf-Erkrankungen
- GeMTeX — Medizinische Texte für die Forschung automatisiert erschließen
- MiHUBx — Digitaler FortschrittsHub MiHUBx (AP6 - Digitale Workflow-Integration in der personalisierten Onkologie)
- PM4Onco — Personalisierte Medizin für die Onkologie
- SATURN — Smartes Arztportal für Betroffene mit unklarer Erkrankung (Entwicklung eines CDMs für Seltene Erkrankungen)
-
Somnolink — Entwicklung von Klassifikations- und Vorhersagemodellen im Kontext der Schlaf-Apnoe
Lehrangebote (jedes Semester)
- Komplexpraktikum "Medizinische Informatik I": Medizinische Entscheidungsunterstützungssysteme im Master-/Diplomstudiengang Informatik der Technischen Universität Dresden
- Wahlfach "Kompetenztraining medizinische Data Science" für Medizinstudent:innen der medizinischen Fakultät der TU Dresden
- Leitung von Seminargruppen im Fach "Querschnittsbereich 1: Epidemiologie, medizinische Biometrie und medizinische Informatik" für Medizinstudent:innen sowie Mitarbeiter:innen der medizinischen Fakultät der TU Dresden
Arbeitsgruppenleiter
© MF/Stephan Wiegand
wissenschaftliche Mitarbeiterin
NameFrau Dr.-Ing. Miriam Goldammer
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
© MF/Stephan Wiegand
wissenschaftlicher Mitarbeiter
NameHerr Dr.-Ing. Markus Wolfien
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).