Knowledge Integration for Precsion Medicine

Bild für Website

Die Forschungsgruppe 'Knowledge Integration in Precision Medicine' (KIP) am UKE widmet sich der Evaluation bestehender Wissensvernetzungen und IT-Infrastrukturen, um klinische und wissenschaftliche Prozesse zu optimieren und neu zu gestalten. Unsere Mission ist zudem, den Einsatz von künstlicher Intelligenz (KI), insbesondere Large Language Models (LLMs), in der Medizin voranzutreiben, um Datenvisualisierungen und -analysen für medizinisch Forschende zu vereinfachen. Dabei liegt der Fokus meist – jedoch nicht ausschließlich – auf onkologischen Erkrankungen, da die Arbeitsgruppenleiterin Frau Riemann als promovierte Medizinphysikerin langjährige Forschungserfahrung in diesem Bereich vorweist.

Das Team arbeitet beispielsweise an der Standardisierung, Vereinfachung und Beschleunigung molekularer Tumorboards und der dazu notwendigen Literaturrecherche, um mehr Patient:innen, bei denen die onkologische Leitlinientherapie versagt hat, Zugang zu einer personalisierten Behandlungsoption zu ermöglichen. Zudem arbeitet die Gruppe an einer innovativen, datenschutzkonformen Plattform zur Hypothesengenerierung mithilfe von Sekundärdaten, die Forschenden einen unkomplizierten Zugang zu den pseudonymisierten Daten sowie eine umfassende Analyse dieser erlaubt.

Unser interdisziplinär aufgestelltes Team arbeitet in enger Kooperation sowohl mit klinikinternen Partner:innen als auch innerhalb von nationalen Konsortialprojekten. Gemeinsam streben wir danach, innovative Lösungen für die vielschichtigen Herausforderungen der modernen medizinischen Forschung zu entwickeln, insbesondere im Kontext der Präzisionsmedizin.

Publikation des KIP Teams

2023

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.

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):.

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.

Letzte Aktualisierung aus dem FIS: 25.05.2024 - 00:32 Uhr