MeDSAI

Forschungsschwerpunkte

Die Forschungsgruppe Medical Data Sciences and Artificial Intelligence (MeDSAI) ist ein hochgradig multidisziplinäres Team, das sich der Entwicklung und Anwendung von Data-Science- und Künstliche-Intelligenz-Methoden in der medizinischen Forschung und Gesundheitsversorgung widmet. Im Mittelpunkt der Forschung stehen die Analyse und Integration unterschiedlicher großskaliger medizinischer Datentypen im Rahmen von Big-Data-Ansätzen, um klinische Entscheidungsprozesse zu verbessern, das Verständnis von Erkrankungen zu vertiefen und personalisierte Medizin zu ermöglichen.

Team und Expertise

MeDSAI vereint Expertise in Machine Learning, statistischer Modellierung, biomedizinischer Informatik und Computerwissenschaften mit fundiertem Fachwissen in Medizin und Lebenswissenschaften. Ein besonderer Schwerpunkt liegt auf der Anwendung und Weiterentwicklung von Large Language Models (LLMs) und Foundation Models zur Entwicklung fortschrittlicher multimodaler KI-Frameworks.

Die Forschungsaktivitäten konzentrieren sich sowohl auf strukturierte als auch unstrukturierte Daten sowie auf die Integration multimodaler Datensätze, darunter elektronische Gesundheitsakten, Labor- und Biomarkerdaten, physiologische Signale, Omics-Daten, bildgebende Verfahren und weitere digitale Gesundheitsdaten aus klinischen und realitätsnahen Versorgungssettings.

Bildbasierte Datentypen und deren Analyse stehen dabei nicht im primären Fokus der Gruppenaktivitäten.

Ein zentrales Ziel ist die Entwicklung robuster, interpretierbarer und klinisch relevanter datengetriebener KI-Modelle für Diagnostik, Prognose, Risikostratifizierung und Therapieunterstützung.

Aktuelle Projekte

Die Gruppe legt großen Wert auf erklärbare und verantwortungsvolle KI, translationale Forschung sowie die enge Zusammenarbeit mit klinischen und wissenschaftlichen Partner:innen, um einen konkreten Mehrwert für die Gesundheitsversorgung zu schaffen. Zu den aktuellen Forschungsprojekten von MeDSAI zählen:

• Entwicklung von KI- und Data-Science-Methoden für Diagnostik, Prognose, Risikostratifizierung und Therapieunterstützung
• Forschung an multimodalen KI-Frameworks zur Integration klinischer, laborbasierter, Omics-, physiologischer, bildgebender und digitaler Gesundheitsdaten
• Entwicklung und Anwendung von Large Language Models (LLMs) und Foundation Models für medizinische Anwendungen
• Integration und Analyse strukturierter und unstrukturierter Gesundheitsdaten im Rahmen großskaliger medizinischer Datenplattformen
• Entwicklung interpretierbarer und klinisch relevanter KI-Methoden für Entscheidungsunterstützung und personalisierte Medizin
• Translationale Forschung und Validierung von KI-Lösungen in realitätsnahen Versorgungssettings