Forschungswerkstatt 06.12.2023

10 Mar 2024

Am 6.12.2023 hat Prof. Dr. Holger Fröhlich von der Universität Bonn und Leiter der AI & Data Science Gruppe der Bioinformatik Abteilung des Fraunhofer Instituts für Algorithmen und wissenschaftliches Rechnen (SCAI) im Rahmen einer Forschungswerkstatt einen Vortrag über „Machine Learning Methods for Supporting Biopharmaceutical Research“ gehalten.

 

Nach einer einführenden Motivation über die derzeitige Situation im Gesundheitswesen und der pharmazeutischen Industrie wurden die einzelnen Hauptforschungsthemen der AI & Data Science Gruppe vorgestellt.

 

Als Datengrundlage der Forschung dienen meist Multi-Omics-Daten, longitudinale klinische Daten und elektronische Gesundheitsdaten (EHR), die im Rahmen von klinischen Studien oder bei Krankenhausaufenthalten gesammelt werden.

 

Eines der drei Kernforschungsthemen ist die Erstellung von hybriden KI-Methoden mit der Inklusion von medizinischem Hintergrundwissen, mit dem Ziel die Vorhersageperformance und Interpretierbarkeit der KI-Methoden zu verbessern. Ein weiterer Fokus liegt auf (generativen) Zeitreihenmodellen, da es sich bei klinischen Daten sehr häufig um zeitaufgelöste Daten handelt, die viele fehlende Werte und zeitliche Irregularitäten aufweisen. Das dritte Kernforschungsthema ist die Fusion multimodaler Daten. Bei multimodalen Daten handelt es sich beispielsweise um genetische Daten, mikrobiologische Daten, Vitalwerte und Laborwerte.

 

Eine Hauptanwendung der Forschung ist die Suche nach besseren Zielvariablen für die medizinische Forschung, insbesondere bei klinischen Studien. Des Weiteren wird ein Fokus auf zielgerichtete Vorhersagen für einzelne Patienten gelegt (Präzisionsmedizin). Häufig beruhen Medikationen auf Erfahrungswerten oder Analysen auf einer Grundgesamtheit, jedoch wirken Medikamente bei jedem Menschen unterschiedlich, sodass eine individuelle optimale Behandlung für den jeweiligen Patienten wünschenswert ist. Eine weitere Anwendung ist die Verbesserung klinischer Studien durch die Einführung synthetischer Daten, die eventuell als klinische Kontrollgruppe verwendet werden können.