Besuch der UC Berkeley
Besuch der University of California Berkeley
Forschung in Siegen im internationalen Austausch: Am 15. Mai 2026 besuchten die wissenschaftlichen Mitarbeiterinnen der Arbeitsgruppe für medizinische Informatik und graphbasierte Systeme (.MIGS) der Universität Siegen die University of California Berkeley. Im Rahmen des Besuchs bei Professor Alam (Professor of Mechanical Engineering) wurden aktuelle Forschungsarbeiten vorgestellt und diskutiert.
Im Mittelpunkt standen zwei Vorhaben aus der Schnittstelle von Künstlicher Intelligenz, Medizin und datengetriebener Entscheidungsunterstützung – mit dem gemeinsamen Ziel, medizinische Prozesse zu verbessern, verlässliche Diagnostik zu unterstützen und gleichzeitig Datenschutzanforderungen mitzudenken.
Den Einstieg bildete das „FACE“-Projekt. Herzrhythmusstörungen und andere Auffälligkeiten in Langzeit-EKGs können für die Patientensicherheit entscheidend sein, doch die manuelle Auswertung ist zeitintensiv und fehleranfällig: 24 Stunden entsprechen mehr als 100.000 Herzschlägen, die beurteilt werden müssen; die Fehlerquote liegt im Schnitt bei etwa 25 Prozent. FACE begegnet dieser Herausforderung mit künstlicher Intelligenz: Geplant ist eine automatisierte EKG-Auswertung, bei der KI-Modelle trainiert werden, um Störgeräusche zu erkennen und Rhythmusstörungen zu klassifizieren. Ein besonderer Schwerpunkt liegt dabei auf einer datenschutzfreundlichen Edge-Architektur, bei der sensible Patientendaten vor Ort verarbeitet werden. In Zusammenarbeit mit Praxispartnern, Kliniken und Geräteherstellern soll die Integration in den medizinischen Alltag erprobt werden.
Im Anschluss wurden zwei Promotionsschwerpunkte vorgestellt. Das erste Thema widmet sich der Vorhersage von Krankheitsverläufen auf Grundlage von Arztbriefen und Patientenakten mittels Large Language Modellen in Kombination mit Wissensgraphen. Ziel ist es, medizinische Informationen in unstrukturierten Textdaten nutzbar zu machen, um Krankheitsverläufe besser abzuschätzen.
Das zweite Promotionsthema behandelt die Analyse zeitkontinuierlicher Vitalparameter mit Methoden der künstlichen Intelligenz – sowohl im Edge- als auch im Cloud-Bereich. Damit sollen Muster und Veränderungen in langfristigen Messdaten zuverlässig erkannt und nutzbar gemacht werden, um künftig eine datenbasierte Unterstützung in der Medizin weiter zu stärken. Der Austausch an der UC Berkeley lieferte wertvolle Impulse und Feedback für die weitere Forschung. Insgesamt zeigen die vorgestellten Arbeiten, wie KI in der Medizin nicht nur leistungsfähig, sondern auch robust, qualitätsgesichert und datenschutzkonform gestaltet werden kann – von der Herzdiagnostik (FACE) bis hin zu prädiktiven Ansätzen und intelligenten Analysen kontinuierlicher Gesundheitsdaten.
