Der Fokus der Nachwuchsgruppe liegt auf der Entwicklung von Methoden und Systemen für die Unterstützung von Ärtzinnen und Ärzten bei der klinischen Entscheidungsfindung in Diagnose und Therapie. Schwerpunkte sind hierbei das nahtlose Zusammenwirken der Systeme mit etablierten Medizinischen Informationssystemen, um klinische Daten effizient und verwertbar auszutauschen (Interoperabilität) sowie transparente Algorithmen der Entscheidungsunterstützung, deren Empfehlungen für Ärztinnen und Ärzte nachvollziehbar sind (Erklärbarkeit). Ziel ist es, in Zusammenarbeit mit dem HiGHmed-Konsortium, an Methoden zu forschen, um hochdimensionale, uneinheitliche, patientenbezogene große Datensätze zur Unterstützung in der klinischen Entscheidungsfindung zu nutzen. Vor dem Hintergrund der zunehmenden Verfügbarkeit solcher – leider oft verteilt in vielen unterschiedlichen Systemen gespeicherten – klinischen Daten sowie nicht-klinischen Datenbeständen, z. B. patientengenerierten Daten aus Sensoren/Apps, besteht wachsender Bedarf an interoperablen Systemen zur Entscheidungsunterstützung. In zunehmendem Maße enthalten Entscheidungsunterstützungssysteme KI (Künstliche Intelligenz) -Komponenten. Das Vertrauen in solche Komponenten ist jedoch stark von der Erklärbarkeit und Interpretierbarkeit der zugrundeliegenden Modelle und der berechneten Empfehlungen abhängig. Die Visualisierung von Daten, Modellen, Entscheidungsfindungsprozessen und Empfehlungen leistet hier einen maßgeblichen Beitrag zur Erhöhung der Akzeptanz durch die Ärzteschaft. Neben der Anwendung profitiert auch die Entwicklung von Modellen stark von einer visuellen Unterstützung. Ziel der Gruppe ist es daher an Methoden zu forschen, welche unter Einbringung von medizinischem Expertenwissen und auf Basis von wachsenden komplexen Datensätzen dynamische Modelle zur Unterstützung der klinischen Entscheidungsfindung generieren. Für die Arbeiten der Gruppe existieren vielfältige Anwendungsbezüge zu allen drei HiGHmed-Use-Cases sowie darüber hinaus.