Herzlich willkommen am Institut für angewandte Medizininformatik

Das Institut für angewandte Medizininformatik (IAM) gehört zum Zentrum für Experimentelle Medizin des Universitätsklinikums Hamburg-Eppendorf.

Das Beginn 2021 neu geschaffene Institut führt komplexe, medizinische Daten zusammen und erzeugt in Partnerschaft mit Expert:innen effektiv gegen Krankheiten nutzbares Wissen, welches zu einem tieferen Krankheitsverständnis und zu einer erfolgreicheren Behandlung von Patienten führt. Ein agil arbeitendes Team erschafft und publiziert innovative Prozesse sowie maßgeschneiderte Methoden und Werkzeuge für Ärzt:innen und Forscher:innen. Unser Ziel ist es, der medizinischen Forschung heterogene Datenbestände zu erschließen, interdisziplinäre und internationale Kooperationen zu ermöglichen und komplexe Analysen zu vereinfachen.

Institutsdirektor

Portrait von Frank Ückert

Anfangs lehrte Professor Ückert in Münster als Juniorprofessor und dann in Mainz als Universitätsprofessor und Leiter der Medizininformatik. Dabei wurde die Unterstützung und oft auch erst Initialisierung der medizinischen Verbundforschung für ihn zu einem Schwerpunkt. Ein Beispiel für einen komplexen Verbund ist das Deutsche Konsortium für translationale Krebsforschung (DKTK), eines der vom BMBF geförderten Deutschen Zentren der Gesundheitsforschung. Für die Entwicklung von dessen IT-Plattform, die alle elf Standorte des DKTK verbindet und gemeinsame Forschung mit den Daten und Biomaterialien ermöglicht, war er verantwortlich. Als ein Bestandteil eines „Spitzenclusters“ (Hightech-Strategie des BMBF) entwickelte Professor Ückert zudem ein internetbasiertes Portal, um verschiedene Omics-Daten kombiniert mit klinischen Daten teilautomatisiert biometrisch auswerten zu können.

Ab Januar 2016 leitete er als Universitätsprofessor der Universität Heidelberg die Medizinische Informatik in der Translationalen Onkologie am Deutschen Krebsforschungszentrum. Hier wurden hochkomplexe Daten in Partnerschaft mit Experten aus verschiedenen Disziplinen in Wissen umgewandelt, das zu Diagnose- und Therapiezwecken eingesetzt werden kann. Die in dem zusammen mit SAP entwickelten Data-Warehouse gesammelten Daten werden automatisch mit Informationen aus Publikationen und aus verschiedenen Datenbanken kombiniert. Über die Kenntnis von Modellen, aber auch mittels Algorithmen des maschinellen Lernens, wurden klinische Entscheidungshilfen gegeben und Forschungshypothesen generiert, um zu einem tieferen Verständnis der Erkrankung beizutragen.

Image Processing and Medical Imaging

IPMI am UKE revolutioniert medizinische Bildgebung durch KI. Forschungsschwerpunkte: Extraktion und Analyse von bildbasierten Surrogatparametern und Optimierung von Bildgebungsparametern...


Knowledge Integration in Precision Medicine

Die Forschungsgruppe KIP optimiert medizinische Prozesse in der Onkologie. Unser Team arbeitet an innovativen Lösungen für Präzisionsmedizin wie z.B. die Optimierung von Tumorboards.


Secondary Use of Healthcare Data

Die BENEFIT Gruppe erforscht innovative Wege zur Nutzung von Gesundheitsdaten. Wir streben offene Datenstandards an, um die Patientenversorgung nachhaltig zu verbessern.


Rapid Clinical Analytics

Im RCA-Team optimieren wir datenbasierte Forschung für klinische Anwender, mit Fokus auf innovative Datenvisualisierung und -haltung


Applied AI in Healthcare

Wir integrieren KI-Algorithmen in die Praxis und begleiten Projekte von der Konzeption bis zur kritischen Evaluation, mit Fokus auf Erklärbarkeit und Nutzung von medizinischen Daten.


Agile Systems Development

Unser ASD-Team unterstützt das UKE mit innovativen Softwarelösungen für die Forschung. z.B. eine Forschungsdatenplattform für geschützten Datenzugriff.


2024

Time-resolved role of P2X4 and P2X7 during CD8+ T cell activation
Brock V, Lory N, Möckl F, Birus M, Stähler T, Woelk L, Jaeckstein M, Heeren J, Koch-Nolte F, Rissiek B, Mittrücker H, Guse A, Werner R, Diercks B
FRONT IMMUNOL. 2024;15:1258119.

Spatial normalization for voxel-based lesion symptom mapping: impact of registration approaches
Jühling D, Rajashekar D, Cheng B, Hilgetag C, Forkert N, Werner R
FRONT NEUROSCI-SWITZ. 2024;18:1296357.

Deep Image Prior for Spatio-temporal Fluorescence Microscopy Images: DECO-DIP
Lina M, Woelk L, Gee C, Lohr C, Arcot Kannabiran S, Diercks B, Werner R
2024. Bildverarbeitung für die Medizin 2024. Maier A, Deserno T, Handels H, Maier-Hein K, Palm C, Tolxdorff T (Hrsg.). 1. Aufl. Springer Vieweg, 322-327.

DARTS: an open-source Python pipeline for Ca2+ microdomain analysis in live cell imaging data
Woelk L, Kovacevic D, Husseini H, Förster F, Gerlach F, Möckl F, Altfeld M, Guse A, Diercks B, Werner R
FRONT IMMUNOL. 2024;14:1299435.

2023

Mapping the Oncological Basis Dataset to the Standardized Vocabularies of a Common Data Model: A Feasibility Study
Carus J, Trübe L, Szczepanski P, Nürnberg S, Hees H, Bartels S, Nennecke A, Ückert F, Gundler C
CANCERS. 2023;15(16):.

Semi-Automated Mapping of German Study Data Concepts to an English Common Data Model
Chechulina A, Carus J, Breitfeld P, Gundler C, Hees H, Twerenbold R, Blankenberg S, Ückert F, Nürnberg S
APPL SCI-BASEL. 2023;13(14):8159.

7T amygdala and hippocampus subfields in volumetry-based associations with memory: A 3-year follow-up study of early Alzheimer’s disease
Göschel L, Kurz L, Dell'Orco A, Köbe T, Körtvelyessy P, Fillmer A, Aydin S, Riemann L, Wang H, Ittermann B, Grittner U, Flöel A
NEUROIMAGE-CLIN. 2023;38:103439.

A Unified Data Architecture for Assessing Motor Symptoms in Parkinson's Disease
Gundler C, Zhu Q, Trübe L, Dadkhah A, Gutowski T, Rosch M, Langebrake C, Nürnberg S, Baehr M, Ückert F
Stud Health Technol Inform. 2023;307:22-30.

Understanding Human-Computer Interactions in Restricted Clinical Environments
Kraus K, Trübe L, Gundler C
Stud Health Technol Inform. 2023;307:126-134.

Patient-individual 3D-printing of drugs within a machine-learning-assisted closed-loop medication management – Design and first results of a feasibility study
Langebrake C, Gottfried K, Dadkhah A, Eggert J, Gutowski T, Rosch M, Schönbeck N, Gundler C, Nürnberg S, Ückert F, Baehr M
Clinical eHealth. 2023;6:3-9.

Deep learning-based conditional inpainting for restoration of artifact-affected 4D CT images
Madesta F, Sentker T, Gauer T, Werner R
MED PHYS. 2023 [Epub ahead of print].

Self-Supervision for Medical Image Classification: State-of-the-Art Performance with ~100 Labeled Training Samples per Class
Nielsen M, Wenderoth L, Sentker T, Werner R
BIOENGINEERING-BASEL. 2023;10(8):.

An Open-Source Software Tool to Facilitate Data Protection Impact Assessments
Riemann L, Hähner F, Schmitz A, Ataian M, Jaster M, Ückert F
APPL SCI-BASEL. 2023;13(20):.

Development of an immediate release excipient composition for 3D printing via direct powder extrusion in a hospital
Rosch M, Gutowski T, Baehr M, Eggert J, Gottfried K, Gundler C, Nürnberg S, Langebrake C, Dadkhah A
INT J PHARMACEUT. 2023;643:.

Introduction of MONOCLE – a software to reduce the workload and optimize the processes of the molecular tumor board at the University Hospital Hamburg-Eppendorf
Schmitz A, Lauk K, Heß K, Voß H, Fulla O, Schönbeck N, Ückert F, Gundler C, Riemann L
Ger Med Sci. 2023.

Evaluating REDCap as the Central Data Collection Tool for the Hamburg City Health Study
Schönbeck N, Hussein Y, Haack A, Schmager A, Harney U, Trübe L, Ückert F, Gottfried K
Stud Health Technol Inform. 2023;307:51-59.

Dose reduction in sequence scanning 4D CT imaging through respiratory signal-guided tube current modulation: A feasibility study
Schwarz A, Werner R, Wimmert L, Vornehm M, Gauer T, Hofmann C
MED PHYS. 2023;50(12):7539-7547.

Pragmatic screening for heart failure in the general population using an electrocardiogram-based neural network
Surendra K, Nürnberg S, Bremer J, Knorr M, Ückert F, Wenzel J, Bei der Kellen R, Westermann D, Schnabel R, Twerenbold R, Magnussen C, Kirchhof P, Blankenberg S, Neumann J, Schrage B
ESC HEART FAIL. 2023;10(2):975-984.

2022

Mapping Cancer Registry Data to the Episode Domain of the Observational Medical Outcomes Partnership Model (OMOP)
Carus J, Nürnberg S, Ückert F, Schlüter C, Bartels S
APPL SCI-BASEL. 2022;12(8):.

Use of Process Modelling for Optimization of Molecular Tumor Boards
Lauk K, Peters M, Velthaus J, Nürnberg S, Ueckert F
APPL SCI-BASEL. 2022;12(7):.

2021

A Detailed Catalogue of Multi-Omics Methodologies for Identification of Putative Biomarkers and Causal Molecular Networks in Translational Cancer Research
Vlachavas E, Bohn J, Ückert F, Nürnberg S
INT J MOL SCI. 2021;22(6):.

Letzte Aktualisierung aus dem FIS: 19.03.2024 - 00:33 Uhr