Julia Gehrmann (M.Sc.)

Artificial intelligence is already fundamentally changing medicine, but how do the underlying methods work, and what opportunities and challenges do they present? In this series of seminars, each session will cover a new, practical topic, including the basics of some AI methods, ethical challenges and possible solutions. The lectures, depending on the speaker, could be in German or English, are thematically linked but self-contained

This course is offered to medical students interested in WissPro 1 and 2, involving literature research. It includes an introductory lecture on literature search strategies and best practices, as well as presentations on the topics offered by different members of our institute. The work is organised according to a schedule with several checkpoints and concludes with on-site presentations by the participating students.

Im klinischen Alltag entstehen große Mengen an Daten, die wertvolle Erkenntnisse für die Forschung ermöglichen, insbesondere zur Verbesserung von Diagnosen und Therapien. Damit diese Daten für den Einsatz in Künstlicher Intelligenz (KI) nutzbar sind, müssen sie sorgfältig aufbereitet werden. In dieser Lehrveranstaltung erhalten die Teilnehmenden eine Einführung in die Themen Datenqualität und Datenvorverarbeitung für KI. Sie arbeiten mit einem synthetischen Datensatz, der echten klinischen Daten aus der Onkologie nachempfunden ist, und lernen die Herausforderungen der Datenaufbereitung aus erster Hand kennen. Zu Beginn des Kurses werden die Teilnehmenden mit den Grundlagen der Datenqualität und der Datenaufbereitung für KI-Modelle vertraut gemacht. Anschließend werden am Beispiel eines aktuellen onkologischen Forschungsprojektes typische Herausforderungen bei der Vorbereitung medizinischer Routinedaten für KI-basierte Auswertungen erläutert. Im praktischen Teil der Veranstaltung setzen die Teilnehmenden das Gelernte um, indem sie mit Python arbeiten und eigenständig einen Datensatz analysieren. Sie identifizieren Probleme in den Rohdaten, korrigieren fehlerhafte oder unvollständige Einträge und bereiten die Daten so auf, dass sie für eine KI-gestützte Analyse verwendet werden können. Der Kurs ist in drei Teile gegliedert. In einer zweistündigen Einführungssitzung, die am Institut stattfindet, werden theoretische Grundlagen vermittelt und die Aufgabenstellung erläutert. Danach haben die Teilnehmenden eine Woche Zeit, um in einer Hausaufgabe eigenständig die Datenqualität zu untersuchen und den Datensatz für die KI-Analyse vorzubereiten. In einer abschließenden dreistündigen Übungseinheit, die sowohl vor Ort als auch online besucht werden kann, werden die Ergebnisse gemeinsam besprochen und Herausforderungen diskutiert. Studierende, die an beiden Sitzungen teilnehmen, erhalten auf Anfrage eine Teilnahmebescheinigung.