Übersetzer zwischen Biologie und Informatik. Moderne Analyseverfahren, insbesondere aus dem Bereich der künstlichen Intelligenz, lassen sich nur dann anwenden, wenn auch ein Verständnis in Biologie und Medizin besteht. Das Team von Professor Kaderali versteht die Sprache der Biologen und Mediziner auf der einen Seite und die der Informatiker auf der anderen Seite, und kann somit zwischen beiden Welten vermitteln. Die Forschenden sind vor allem spezialisiert auf die Entwicklung und Anpassung von KI-Methoden auf biomedizinische Fragestellungen.
Künstliche Intelligenz in der Medizin. KI-Methoden können mit verschiedenen Zielen in der Medizin eingesetzt werden. Zunächst können sie dabei helfen, die Ursachen bestimmter Krankheiten, z.B. durch genetische Veranlagungen, zu klären. Weiterhin unterstützt künstliche Intelligenz bei der Prognose von Krankheitsverläufen und dem Erfolg bestimmter Therapien. Auch können Therapien personalisiert werden, indem beispielweise eine Medikation genau auf einen Patienten abgestimmt wird.
Bioinformatik und Biostatistik. In der modernen medizinischen Forschung herrschen Daten vor, die so komplex sind, dass sie nur noch mit fortgeschrittenen Methoden analysiert werden können. Das Team von Professor Kaderali entwickelt statistische Methoden zur Normalisierung und Analyse komplexer Daten. Diese Daten können beispielweise aus Next Generation Sequencing, Massenspektrometrie oder Durchflusszytometrie stammen und weisen dementsprechend unterschiedliche Datentypen auf.
Kompetenzen im Bereich der künstlichen Intelligenz und Data Science
- KI-Methoden für biologische Fragestellungen entwerfen und anpassen
- Hochdimensionale klinische Daten auswerten
- Schnittstelle von Biologie und Informatik
Prof. Dr.-Ing. Lars Kaderali
Bioinformatik, Universität Greifswald
Ausgewählte Projekte
Prognose des Therapieerfolgs bei Lungenkrebs in Verbindung mit Mund-Rachenkrebs
In diesem Forschungsprojekt ging es darum, mittels KI-Methoden besser abschätzen zu können, ob ein Lungenkrebs bei vorher aufgetretenem Mund-Rachenkrebs eine Folge der ersten Erkrankung oder aber eine Neuerkrankung ist. In Abhängigkeit davon sind Heilungschancen und Therapien unterschiedlich. Durch Einsatz maschineller Lernverfahren auf Basis von Massenspektrometriedaten gelang es den Forschenden mit hoher Genauigkeit zu bestimmen, welcher der beiden Fälle (Lungenkrebs als Folge- vs. Neuerkrankung) vorlag. Diese Unterscheidung konnte durch Mediziner bisher nicht zuverlässig getroffen werden. Die Forschenden leisten damit einen Beitrag zur gezielteren Therapie, so dass in Zukunft beispielsweise aggressive Therapien nur dann eingesetzt werden, wenn sie auch notwendig sind.
SHIP-Studie
Über einen Zeitraum von etwa 20 Jahren wurden medizinische Daten und Daten über die Lebenssituation von mehr als 4000 Menschen im Abstand von fünf Jahren erhoben. Die Teilnehmenden wurden in diesen 5-Jahresabständen umfassend untersucht. So wurden z.B. Blut- und Urinproben entnommen oder auch MRT-Aufnahmen gemacht. Daten zur Lebenssituation erfassten beispielsweise, ob die Personen Kinder haben, oder auch Gewohnheiten wie ihren Zigarettenkonsum. KI-Verfahren, u.a. Bayes’sche Netze, sollen dabei helfen, aus all diesen Daten Risikofaktoren für bestimmte Krankheiten wie Herz-Kreislauferkrankungen oder Diabetes abzuleiten. Durch eine frühe Erkennung von Risiken können im Idealfall rechtzeitig Präventionsmaßnahmen ergriffen werden.
Weitere Informationen zur Studie finden Sie hier.