Das DIFUTURE-Konsortium fördert die medizinische Informatik in Deutschland durch die Einrichtung neuer Professuren in den Bereichen Biomedizinische Informatik, Medizinische Datenwissenschaften und Medizinische Datenanalyse. Bildung und Forschung an der Schnittstelle von Medizin und Technik sind zentrale Elemente des Förderkonzepts Medizininformatik.
Dieses Konzept sieht eine verstärkte Ausbildung des wissenschaftlichen Nachwuchses in den „Data Sciences“ vor, um die Digitalisierung und die Medizin, zwei schnell wachsende Wissensgebiete, zu verbinden. Die daraus entstehenden Schnittstellen führen zu grundlegenden Veränderungen in der Gesundheitsversorgung und eröffnen neue Möglichkeiten der Diagnostik, Therapie und Prävention für Patienten. Die Basis dieser Digitalisierung bilden medizinische Daten. Um die wachsenden Datenmengen in der Medizin sinnvoll nutzen zu können, sind digitale Kompetenzen im Gesundheitswesen unerlässlich.
Durch die gezielte Förderung und Einrichtung neuer Professuren stärkt DIFUTURE nachhaltig sowohl die Forschung als auch die Lehre in der Medizinischen Informatik. So werden die dringend benötigten Fachkräfte ausgebildet, die die Zukunft der Gesundheitsversorgung maßgeblich mitgestalten werden.
Neu geschaffene Professuren an der Technischen Universität München (TUM)
Lehrstuhl für Artificial Intelligence in Healthcare and Medicine
Prof. Dr. Daniel Rückert
Lehrstuhlinhaber
Technische Universität München (TUM)
Das Labor für KI in der Medizin der TU München entwickelt Algorithmen und Modelle, um die Medizin für Patienten und medizinisches Fachpersonal zu verbessern.
Unser Ziel ist es, Techniken der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) für die Analyse und Interpretation von biomedizinischen Daten zu entwickeln. Die Gruppe konzentriert sich auf die Verfolgung von zukunftsweisender Forschung, darunter:
- KI für die Früherkennung, Vorhersage und Diagnose von Krankheiten
- KI für personalisierte Interventionen und Therapien
- KI für die Identifizierung neuer Biomarker und Targets für die Therapie
- Sichere, robuste und interpretierbare KI-Ansätze
- KI-Ansätze zur Wahrung der Privatsphäre
Unser besonderes Interesse gilt der Anwendung von Bildgebungs- und Computertechnologien zur Verbesserung des Verständnisses der Gehirnentwicklung (in-utero und ex-utero), zur Verbesserung der Diagnose und Stratifizierung von Patienten mit Demenz, Schlaganfall und traumatischen Hirnverletzungen sowie zur umfassenden Diagnose und Behandlung von Patienten mit Herz-Kreislauf-Erkrankungen und Krebs.
Lehrstuhl für Computational Molecular Medicine
Prof. Dr. Julien Gagneur
Lehrstuhlinhaber
Technische Universität München (TUM)
Lehrstuhl für Health Informatics
Prof. Dr.-Ing. habil. Björn Schuller
Lehrstuhlinhaber
Technische Universität München (TUM)
Der Lehrstuhl für Gesundheitsinformatik an der Technischen Universität München verbindet die Informatik mit der modernen Medizin. Das Forschungsgebiet ist die sensor- und wissensbasierte Überwachung und Kontrolle aller gesundheitsrelevanten Parameter beim Sport und anderen Aktivitäten.
Das Hauptinteresse liegt in der Erfassung, Analyse und Interpretation von Biosignalen, wie sie beispielsweise bei der Überwachung der Herzaktivität, des Stoffwechsels oder der neuronalen Aktivität entstehen. Darüber hinaus werden auch akustische Parameter (Sprache und andere akustische Ereignisse) und visuelle Parameter (Gesicht, Gestik, Körpermotorik) in einem realistischen Szenario (Alltag) verarbeitet.
Lehrstuhl für Medizinische Informatik
Prof. Dr. Martin Boeker
Lehrstuhlinhaber
Technische Universität München (TUM)
Der Lehrstuhl für Medizinische Informatik untersucht und entwickelt Methoden zur Nutzung von medizinischen Daten in klinischen Anwendungen und klinischen Forschung. Auf diese Weise unterstützen wir Wissenschaftler und Kliniker, Daten in vernetzten Umgebungen sicher mit definierter Datenqualität nutzen zu können, z. B. mit Methoden der Statistik oder der künstlichen Intelligenz. Wir sind damit an vielfältigen wissenschaftlichen Projekten und der Digitalisierung am Klinikum rechts der Isar beteiligt.
Die Schwerpunkte unserer Arbeit sind:
- Standardisierte Bereitstellung und Verarbeitung von medizinischen Daten
- Informationsmodelle in der Medizin (z. B. HL7 FHIR)
- Terminologien und Ontologien in der Medizin (z. B. LOINC und SNOMED CT)
- Syntaktische und semantische Interoperabilität
- Datenschutz, Informationssicherheit und Datengovernance in der Medizin
- Beurteilung und Verbesserung der Datenqualität
- Forschungsdatenmanagement
Wir engagieren uns besonders für die Nutzung von Daten aus der Versorgun in der Forschung. Hier leitet unser Lehrstuhl das Konsortium DIFUTURE in der BMBF Medizininformatik Initiative (MII) und betreibt das medizinische Datenintegrationszentrum (MeDIZ), das zusätzlich im Rahmen des Netzwerk Universitätsmedizin (NUM) gefördert wird. Über MII, NUM und das MeDIZ ist unser Lehrstuhl national und international vernetzt.
Neu geschaffene Professuren an der Universität Augsburg (UA)
Lehrstuhl für Biomedizinische Informatik, Data Mining und Data Analytics
Der Lehrstuhl Biomedizinische Informatik, Data Mining und Data Analytics beschäftigt sich mit der Entwicklung und Anwendung computergestützter Methoden zur Analyse biomedizinischer Daten. Einen Schwerpunkt bildet hierbei die Analyse von Omics-Daten. Das sind Daten aus neuartigen Hochdurchsatz-Analysen, mit denen sich etwa das gesamte Genom, Transkriptom oder Proteom von Zellen erfassen lässt. Omics-Analysen ermöglichen es, in kurzer Zeit globale, hochaufgelöste molekulare Profile von Zellen und Geweben zu erstellen. Dadurch können molekulare Veränderungen, die mit Erkrankungen wie z. B. Krebs einhergehen, umfassend und detailliert erfasst werden. Somit haben Omics-Analysen nicht nur die Erforschung biologischer Systeme grundlegend verändert, sondern bilden auch zunehmend einen festen Bestandteil in der medizinischen Diagnostik.
Das Hauptinteresse unseres Lehrstuhls ist es, große biomedizinische Datensätze durch die Entwicklung und Anwendung informatischer Methoden für Forschung, Diagnostik und Patientenversorgung nutzbar zu machen. An der Schnittstelle zwischen Medizin und (Molekular-)Biologie auf der einen sowie Bioinformatik / Computational Biology und Data Science auf der anderen Seite nutzen wir Genom- oder andere Omics-Daten zusammen mit klinischen Daten und phänotypischen Daten, um verschiedene Krankheiten auf molekularer Ebene zu verstehen und Diagnose- und Therapiemöglichkeiten zu verbessern.
Lehrstuhl für Datenmanagement und Clinical Decision Support
Prof. Dr. Ludwig Christian Hinske
Lehrstuhlinhaber
Universität Augsburg (UA)
Lehrstuhl für IT-Infrastrukturen für die Translationale Medizinische Forschung
Das Forschungsfeld des Lehrstuhls für IT-Infrastrukturen für die Translationale Medizinische Forschung liegt an den Schnittstellen zwischen Medical Data Science, Datenintegration und der klinischen Forschung. Aktuell liegt der Fokus unserer Arbeit im Wesentlichen auf drei Gebieten:
- Integration von klinischen Daten, biomedizinischem Vorwissen und Omics-Daten für die Systemmedizin
- Entwicklung von Infrastrukturen für die Datenintegration in der klinischen Forschung in Hinblick auf die personalisierte Medizin
- Entwicklung von Konzepten und Aufbau des Augsburger Teils des Projektes DIFUTURE im Rahmen der Medizininformatik-Initiative
Bisherige Arbeiten spannen von der Analyse von Omics-Daten, über Modellierungsansätze für biomed. Wissen bis zur Entwicklung von Software und Infrastrukturen für die Systemmedizin.
In der Lehre bieten wir Einblicke in die Medizininformatik, speziell die IT-Infrastrukturen in der klinischen Routine und Forschung sowie das Informationsmanagement im Gesundheitswesen.
Abgerundet wird dieses Lehrangebot durch Seminare, Praktika und Abschlussarbeiten.
Lehrstuhl für Modellierung und Simulation biologischer Prozesse
Die Forschung des Labors zielt darauf ab, Pionierarbeit bei der Integration quantitativer Systemmodelle mit Ansätzen der künstlichen Intelligenz und des maschinellen Lernens zu leisten, um neue therapeutische Strategien für die Krebsbehandlung zu entdecken. Mit einem Schwerpunkt auf Deep-Learning-Techniken versuchen wir, große Datensätze nahtlos mit Patientendaten zu verknüpfen und so komplexe Tumordynamiken und therapeutische Reaktionen aufzuklären.
- Nutzung innovativer Technologien wie Einzelzellsequenzierung und Deep Learning
- Entschlüsseln Sie die Komplexität der Krebsbiologie und ermitteln Sie klinisch relevante Erkenntnisse
Wir fördern die interdisziplinäre Zusammenarbeit durch offene Kommunikation und die Entwicklung von Talenten, um die Abstimmung zwischen Wissenschaftlern aus verschiedenen Bereichen zu gewährleisten. Mit unserem Engagement für ein effektives Projektmanagement ist es unser oberstes Ziel, Spitzenforschungsergebnisse in messbare Verbesserungen der Patientenergebnisse umzusetzen und so die Entwicklung von Krebstherapien voranzutreiben.
Professur für Diagnostische Sensorik
Neu geschaffene Professuren an der Ludwig-Maximilians-Universität München (LMU)
Professur für Medizin und Informatik
Derzeit nicht besetzt
Ludwig-Maximilians-Universität München (LMU)
Neu geschaffene Professuren an der Universität Regensburg (UR)
Forschungsgruppe für Algorithmische Bioinformatik
Moderne Technologien wie die DNA-Sequenzierung haben die biomedizinische Forschung revolutioniert, da sie riesige Datenmengen erzeugen. Um diese Daten zu verstehen und zu interpretieren, sind Kenntnisse in Mathematik, Statistik, Informatik und Programmierung erforderlich. Professor Birte Kehrs Ausbildung als Bioinformatikerin ermöglicht es ihr, dieses Fachwissen in den Bereich der Biomedizin einzubringen.
Professor Kehr ist auf die Entwicklung von Algorithmen und Software für die Analyse großer Mengen von Genomsequenzdaten spezialisiert. Ihre frühere Forschung befasste sich mit dem Vergleich ganzer Genome verschiedener Spezies, während sich ihre neuere Forschung hauptsächlich auf die Untersuchung des menschlichen Genoms in einem biomedizinischen Kontext konzentriert. Hier hat sie Algorithmen zum Nachweis und zur Genotypisierung genomischer Strukturvariationen in populationsweiten Datensätzen entwickelt, verschiedene Genotyp-Krankheits-Assoziationen identifiziert und zu grundlegenden Forschungserkenntnissen über Evolutionsprozesse im menschlichen Genom beigetragen.
Prof. Kehrs Aufgabe am Leibniz-Institut für Immuntherapie (LIT) ist es, neue Algorithmen für die Analyse der neuesten Arten von Sequenzdaten zu entwickeln und neue Ansätze der Genomanalyse in die Immuntherapieforschung einzuführen.
Professur für Medizinische Informatik
Kommissarisch: Prof. Dr. Michael Koller
Leiter des Zentrums für Klinische Studien (ZKS)
Universität Regensburg (UR)
Neu geschaffene Professuren an der Universität des Saarlandes (UdS)
Institut für Medizinische Biometrie, Epidemiologie und Medizinische Informatik
Univ.- Prof. Dr. Stefan Wagenpfeil
Institutsleiter
Universität des Saarlandes (UdS)
Neu geschaffene Professuren an der Eberhard-Karls-Universität Tübingen (EKUT)
Professur für E-Health and Medical Data Science
Prof. Dr. Carsten Eickhoff
Leitung
Eberhard-Karls-Universität Tübingen (EKUT)
Das Health NLP Lab an der Universität Tübingen und der Brown University arbeitet an einem breiten Spektrum von Problemen der Textsuche, des Textverständnisses und der Texterstellung. Unser Ziel ist es, datengesteuerte Techniken zu entwickeln, um die klinische Entscheidungsfindung zu unterstützen, medizinische Fehler zu vermeiden und letztendlich die Gesundheit der Patienten zu verbessern. Einige unserer Hauptinteressengebiete sind:
- Klinisches Text Mining
- Patientenzentriertes
- Information Retrieval
- Biomedizinisches
- Textverstehen und
- Zusammenfassen
- Diagnostische Unterstützung
- Vorhersage von klinischen Ereignissen
- Datengesteuerte Prognostik
- Präzisionsmedizin
- Menschliche Datenverarbeitung
Methoden der medizinischen Informatik
Unser Ziel ist es, die Vorbeugung und/oder Behandlung von z. B. SARS-CoV-2-, HIV-, HCV- oder Grippeinfektionen sowie von Malaria, Krebs und anderen Krankheiten auf der Grundlage klinischer, genomischer und epigenomischer Daten zu unterstützen.
Wir entwickeln auch Methoden des maschinellen Lernens, die die Privatsphäre der Daten wahren und gleichzeitig eine hohe Vorhersageleistung ermöglichen.
Unser Labor Methoden der Medizinischen Informatik ist Teil einer einladenden Forschungsumgebung auf dem charmanten Tübinger Universitätscampus, mit Kooperationsmöglichkeiten über internationale Grenzen hinweg.
Visuelle Big Data Analytik in den Lebenswissenschaften
Jun.-Prof. Dr. Michael Krone
Juniorprofessor
Eberhard-Karls-Universität Tübingen (EKUT)
© 2024 DIFUTURE
Impressum | Datenschutz