Distributed Analytics

Unser Distributed Analytics (DA)-Team konzentriert sich auf dasErmöglichen von datenschutzfreundlichem maschinellem Lernen für sensible medizinische Patientendaten. Wir entwickeln Technologien, die es Institutionen ermöglichen, Patientendaten - wie elektronische Gesundheitsakten oder Bildgebungsdaten - gemeinsam zu analysieren, ohne sie zentralisieren zu müssen. Dies ist besonders im Gesundheitswesen wichtig, wo Datenschutz und Datensouveränität von größter Bedeutung sind. Unser Team verfügt über umfangreiche Erfahrung in der Entwicklung von PADME (Platform for Analytics and Distributed Machine Learning for Enterprises), einer modularen und offenen Plattform für föderiertes und inkrementelles Lernen über verteilte klinische Datenquellen. PADME wird kontinuierlich weiterentwickelt und in verschiedenen Forschungs- und klinischen Anwendungsfällen eingesetzt, darunter nationale Initiativen wie die deutsche Medizininformatik-Initiative (MII) im Rahmen des PrivateAIM-Projekts und europäische Gemeinschaftsprojekte wie das Horizon Europe-Projekt BETTER. Das DA-Team trägt aktiv zur Konzeption, Entwicklung und Bewertung neuartiger Dateninfrastrukturkomponenten bei, die eine Sekundärnutzung von Gesundheitsdaten auf nationaler und internationaler Ebene ermöglichen. Unsere Arbeit unterstützt die Integration und Wiederverwendbarkeit multimodaler klinischer Daten - von strukturierten elektronischen Patientenakten bis hin zur Bildgebung und Genomik - über institutionelle Grenzen hinweg. Mit unserer Arbeit wollen wir die Lücke zwischen modernster Forschung im Bereich des maschinellen Lernens und realen klinischen Datenumgebungen schließen und Einrichtungen in die Lage versetzen, unter Berücksichtigung des Datenschutzes sowie rechtlicher und ethischer Auflagen einen Mehrwert aus den Daten zu ziehen.