Data Science in Medicine

Inhalt:

Die Medizin ist einer der wichtigsten Bereiche, in denen Spitzenforschung und Innovationen Anwendung finden. In diesem Seminar haben die Studierenden die Möglichkeit, aktuelle Forschungsfragen an der Schnittstelle von Medizin, Datenwissenschaft und künstlicher Intelligenz zu untersuchen.
Die Studierenden befassen sich mit methodischen, theoretischen und angewandten Herausforderungen, die bei der Analyse komplexer biomedizinischer und klinischer Daten auftreten.

Die Studierenden arbeiten an ausgewählten Forschungsthemen, die verschiedene Datenmodalitäten, Analyseparadigmen und Bewertungsstrategien umfassen. Je nach Schwerpunkt des Semesters können die Themen unter anderem folgende Bereiche umfassen: verteilte und datenschutzkonforme Datenanalyse, Modellrobustheit und Generalisierbarkeit, Voreingenommenheit und Fairness, semantische Datenintegration, zeitabhängige Daten und methodische Vergleiche zwischen verschiedenen Anwendungskontexten.

Neben dem Erwerb von Fachwissen stärken die Studierenden ihre wissenschaftlichen Fähigkeiten, darunter Literaturrecherche, kritischer Methodenvergleich, wissenschaftliches Schreiben und mündliche Präsentation. Konkrete Seminarthemen werden in der ersten Sitzung des Semesters bekannt gegeben.

Themenauswahl:

1. Scalable Multi-Agent RAG for Clinical Decision Support with Safety Guarantees, Zeyd Boukhers

2. Fair, unbiased prediction of Alzheimer’s Disease using a multimodal dataset, Susanne Neufang  

3. Transparent Federated Breast Cancer Detection, Kim Tang

4. Neuropathic pain in cancer: Reddit mining for patient-centered care, Ekaterina Kutafina, Mayra Elwes

5. Benchmarking of domain adaptation methods in medical AI, Ekaterina Kutafina, Mayra Elwes

6. From Graph Structure to Vector Space:  GNN-Based Knowledge Graph Embeddings, Julia Gehrmann