Ekaterina Kutafina (Dr., Dr. rer. medic.)
Biografie
Meine Expertise liegt in der Entwicklung umfassender Wege zur computergestützten Unterstützung kollaborativer und integrativer medizinischer Forschung. Ich strukturiere Datenflüsse in interdisziplinären Teams, übersetze medizinische Fragestellungen in computergestützte Begriffe und erstelle mathematische Modelle, einschließlich KI-basierter Entscheidungssysteme. Seit vielen Jahren arbeite ich an der Analyse von Daten aus medizinischen Sensoren und tragbaren Geräten in den Bereichen Neurologie, Psychiatrie und Physiologie. Viele meiner Projekte konzentrieren sich auf Epilepsie und neuropathische Schmerzen. Bei BI-K leite ich die strategische Forschungsrichtung der datengetriebenen Medizin mit Schwerpunkt auf FAIR-Datenintegration und der Optimierung von Datenflüssen für die interdisziplinäre Forschung. Darüber hinaus setze ich mich als EOSC-Experte (European Open Science Cloud) für Open Scholarly Communication für die strategische Unterstützung der Kommunikation in der interdisziplinären Forschung ein, beginnend mit der Projektinitiierung.
Kontakt
- E-Mail ekaterina.kutafina@uni-koeln.de
- Büro Postadresse: Kerpener St. 62 - 50937 Köln Besuchsadresse: BI-K - Geb. 705 - Zülpicher Str. 58e - 50672 Köln - 1 OG - Room 1.007
- Google Scholar
- Digital C Fiber
Fachliche Ausbildung
Fachgebiete
Forschungsfokus
- Computational Medicine
- Time-series Physiological Data
- Digital Human Twins
- Neuroscience of Pain
- Transdisciplinarity
- Medical Data Science
Aktuelle Lehre
Kolloquium "Advances in Biomedical Informatics Research: Graduate Students"
[Diese Lehrveranstaltung wird nur auf Englisch angeboten] The colloquium is aimed primarily at masters and doctoral students, researchers, and scientific personnel of the biomedical Informatics Institute. The co-supervised students from other clinics or research institutions in biomedical informatics and medical data science can also enroll. Students will be mentored and will present the outcomes of their ongoing research, or will review an article from a peer-reviewed journal.
In KLIPS anzeigenStudium Integrale: Interdisciplinary collaboration for digital solutions
Medical AI - From basics to pro: Heart Rate Variability & AI symbiosis in personalized medicine
[Diese Lehrveranstaltung wird nur auf Englisch angeboten] Heart rate variability (HRV) is widely used in clinical settings as a non-invasive autonomic nervous system function marker. It helps assess cardiovascular health, stress levels, and overall well-being. Clinicians use HRV to monitor conditions like heart disease, hypertension, and diabetes, as well as to evaluate recovery in post-surgical and critically ill patients. HRV also plays a role in mental health, aiding in the diagnosis and management of anxiety, depression, or PTSD. Additionally, it is used in sports medicine and rehabilitation to track recovery and optimize training. Its broad applications make it a valuable tool in personalized medicine. The development of AI methods allows to make more complex predictions using multiple HRV parameters simultaneously. This complexity enabled successful decision support in the domains where HRV was not previously prominent for clinical use, such as epileptology. In this lecture block, we will discuss the technical aspects of HRV assessment, such as different sensors, data quality control or different HRV measures. We will review various types of clinical applications, but also the ¿citizen science¿ approach and sports coaching. For the practical part we take a dataset with precomputed R-to-R intervals and different labels (e.g. RR Interval Time Series Modeling: The PhysioNet/Computing in Cardiology Challenge 2002 v1.0.0 ). We will test different machine learning approaches to classify the data, e.g. to detect whether the data was recorded in a stressed or relaxed phase. This block lecture does not require any previous coding experience, we will use the graphical low-code platform KNIME. Students are required to bring their own laptop.
In KLIPS anzeigen
