Entdecke unsere Forschungsfelder

Biosignals are time-series data derived, among others, from the heart, nerves, the brain or muscles. Biosignal research in medicine requires complex collaborative work, starting from the support of efficient clinical flows and data integration processes, through employing advanced engineering methods for signal processing, exploring the low-dimensional signal representations and quality control [...]

Hochwertige medizinische KI hängt von Daten ab, die nicht nur genau, sondern auch konsistent, vernetzt und systemübergreifend nutzbar sind. Daher befassen wir uns mit der Integration heterogener Datenquellen, die Gewährleistung der Interoperabilität und die Förderung der Verwendung offener Standards. Durch die Harmonisierung klinischer Informationen aus Krankenakten ermöglichen wir zuverlässige Analysen, reproduzierbare Forschung und skalierbare KI-Lösungen. Diese Arbeit legt den Grundstein für die Umwandlung fragmentierter Gesundheitsdaten in aussagekräftige Erkenntnisse, die eine bessere Entscheidungsfindung, verbesserte Patientenergebnisse und effizientere Arbeitsabläufe unterstützen.

Das rasante Wachstum biomedizinischer Daten und KI-gestützter Methoden wirft grundlegende ethische Fragen auf. Unsere Forschung befasst sich mit Themen wie algorithmischem Bias und dem verantwortungsvollen Umgang mit sensiblen Gesundheitsdaten. Durch die Einbeziehung ethischer Überlegungen in die technische Entwicklung möchten wir sicherstellen, dass die biomedizinische Informatik nicht nur wissenschaftliche Innovationen vorantreibt, sondern auch Vertrauen, Fairness und gesellschaftliche Verantwortung gewährleistet.

Large Language Models, also "große Sprachmodelle" verändern die Art und Weise, wie wir biomedizinische Daten verarbeiten und verstehen. In unserer Forschung untersuchen wir, wie diese Modelle an die spezifischen Herausforderungen der Medizin und der Biowissenschaften angepasst werden können – beispielsweise durch die Extraktion von Wissen aus klinischen Aufzeichnungen, die Unterstützung der strukturierten Datenintegration oder die Unterstützung von Fachkräften im Gesundheitswesen bei der Entscheidungsfindung. Gleichzeitig bewerten wir kritisch die Grenzen von LLMs, um sicherzustellen, dass ihre Anwendungen robust, transparent und sicher für den Einsatz in der Praxis bleiben.