Medical Data Science

Das Medical Data Science Team am Fraunhofer ITMP Standort Hamburg konzentriert sich auf KI und Data Science Methoden für Digital Health in der Wirkstoffforschung, präklinischen und klinischen Forschung. Am Fraunhofer ITMP ist Medical Data Science in die vier Hauptbereiche der Gesundheitsforschung Medikamente (»Drugs«), Geräte (»Devices«), Daten (»Data«), und Diagnostik (»Diagnostics«) (4D) gegliedert. Das Innovationsfeld Medical Data Science beschäftigt sich mit der Verarbeitung und Analyse verschiedener Arten von medizinischen Daten, wie z. B. Daten aus Kliniken und klinischen Studien, OMICS, elektronische Patientenakten, medizinische Bildgebung und Wearables. Unsere Kernkompetenzen umfassen maschinelles Lernen, Wissensgraphen und föderiertes Lernen sowie den FAIRen (Findable, Accessible, Interoperable, Reusable) Umgang mit medizinischen Daten.

Ein besonderer Schwerpunkt liegt auf der Erforschung immunvermittelter Krankheiten in enger Zusammenarbeit mit Klinikern, der pharmazeutischen Industrie und akademischen Partnern. Modernste maschinelle Lernalgorithmen werden für Diagnose, Prognose und Therapie in der Präzisionsmedizin für immunvermittelte Erkrankungen eingesetzt. Das Fraunhofer ITMP verfügt über umfassende Expertise im Design von Software- und Hardwarelösungen (einschließlich seiner Hochdurchsatzlabore) für offene Forschungsplattformen für Forschung und Industrie. Diese Plattformen ermöglichen die Erforschung und praktische Erprobung von Konzepten der digitalen Gesundheitsforschung und kommerzieller Angebote.

Darüber hinaus ist es uns wichtig, die gemeinsamen Kompetenzen der fünf Fraunhofer ITMP-Standorte im stetig wachsenden Bereich der Medical Data Science zu stärken, um daraus umfassendere Erkenntnisse abzuleiten und innovative Angebote für die Pharmaindustrie zu entwickeln.

Leistungsangebot:

• Maschinelles Lernen für 4D (Drugs, Devices, Data, and Diagnostics)
• FAIRes (Findable, Accessible, Interoperable, Reusable) medizinisches Datenmanagement
• Aufspannen von dezentralen Datenräumen
• Kohorten sowie Tools und Plattformen zur Analyse komplexer Daten
• Wissensgraphen
• Föderierte Lerninfrastruktur und medizinische Datenplattform
• Real-World-Evidence (RWE) und synthetische medizinische Daten
• Biostatistische Unterstützung klinischer und präklinischer Studien