Aus komplexen biomedizinischen Daten wird Wissen

Koordinatoren: H. Busch (UzL), D. Ellinghaus (CAU), C. Kaleta (CAU), I. König (UzL)

Die Präzisionsmedizin erzeugt enorme Datenmengen – von Genomdaten und molekularen Messwerten über medizinische Bilddaten bis hin zu klinischen Informationen. Die Herausforderung besteht darin, diese unterschiedlichen Informationsebenen zusammenzuführen und darin Muster zu erkennen, die wissenschaftlich aussagekräftig und klinisch relevant sind.

RTF-VIII entwickelt die datenwissenschaftlichen Methoden, die diesen Prozess unterstützen. Wir kombinieren maschinelles Lernen und künstliche Intelligenz mit erklärbarer Datenanalyse, Visualisierung, kontrollierten Ansätzen zur Untersuchung der Datenverfügbarkeit und aggregierter Informationen sowie mathematischen Modellen, die heterogene biomedizinische Daten, einschließlich mikrobiombezogener Datensätze, integrieren. Diese Methoden sollen robuste Muster identifizieren, relevante Datenressourcen transparenter auffindbar und abfragbar machen und überprüfbare Hypothesen zu Krankheitsmechanismen generieren.

Darüber hinaus richtet RTF-VIII ein Data Science Board ein, das als methodische Anlaufstelle für klinische und anwendungsorientierte Projekte innerhalb von PMI dient. Dort werden Fragen zu Datenwissenschaft, künstlicher Intelligenz und methodischen Ansätzen gebündelt und diskutiert, mit der entsprechenden Expertise innerhalb des Clusters zusammengebracht und geeignete Analyseverfahren identifiziert oder weiterentwickelt.

Ziel ist es, komplexe biomedizinische Daten in belastbares Wissen zu überführen, das die klinische Forschung und letztlich die Präzisionsmedizin voranbringt.