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.

Die Medizininformatik Initiative (MI-I) betrat mit der Idee möglichst flächendeckend Datenintegrationszentren aufzubauen in Deutschland Neuland. Mit den neuen Analyse- und Behandlungsmethoden der personalisierten, z. B. molekularen, Medizin steigt sowohl die Komplexität als auch das Datenvolumen rasant. Datenintegrationszentren müssen, anders als zur Zeit der Anträge gedacht, nunmehr Milliarden Datensätze und Petabyte an Datenvolumen verarbeiten. Folglich ist es nicht möglich hier nur einen Ansatz oder eine Lösung zu verfolgen. Das bedeutet auch, dass die ursprünglichen methodischen Ansätze analysiert und wissenschaftlich neu bewertet werden müssen. Vor diesem Hintergrund sollen die bisherigen Ansätze analysiert und neue Konzepte zur Datenhaltung und mulitdimensionalen Analyse unter Einhaltung der FAIR (Findable, Accessible, Interoperable, Re-usable)-Prinzipien entwickelt sowie um den Aspekt "Reliable" erweitert werden. Mithilfe dieser Erweiterung sollen die Datenbasen zuverlässiger und validierbar werden. Voraussetzung hierfür ist, dass die Daten vor ungeplanten Zugriffen geschützt und Änderungen stets nachvollziehbar dokumentiert werden. Hierzu soll die Anwendung von Methoden der Blockchain Technologien auf medizinische Daten in einem Datenintegrationszentrum untersucht werden. In diesem Zusammenhang wird auch die Qualität der erfassten Daten und Metadaten analysiert und bewertet werden. Nichtzuletzt soll innerhalb des Forschungsvorhabens auch der, bisher im Kontext der Datenintegrationszentren ungeklärten Frage nachgegangen werden, ab welchem Umfang an medizinischen Daten eine Person re-identifizierbar ist.

Bildgebenden Verfahren kommt in der heutigen Medzin eine entscheidende Bedeutung in der Krankenversorgung und Forschung bei. Aber nur die Daten bestimmter Methoden (z. B. MRT, CT, Ultraschall) oder klinischer Bereiche (z. B. Radiologie, Kardiologie) werden in zentralen DICOM-PACS (Digital Imaging and Communications in Medicine, Picture Archiving and Communication System) abgelegt. Der größte Teil wird entweder gar nicht in einem IT-System gespeichert oder liegt nur in Abteilungs- und Spezialsystemen und dann meist in Non-DICOM-Formaten vor. Hinzukommen andere Multimediaobjekte wie Kurvendarstellungen (z. B. EKG, EEG) oder Audiodateien (z. B. HNO, Neurologie) aber auch Multimediabefunde, die sowohl Bilder als auch Textteile enthalten. Ziel des Vorhabens ist das im UKSH im Rahmen des HiGHmed Projektes aufgebaute MeDIC (Medical Data Integration Center) dahingehend zu erweitern, dass die Integration und Nutzung aller Multimediaobjekte und -befunde möglich ist, unabhänig davon in welchem Format diese vorliegen.

Im Rahmen des MoveGroup-Vorhabens wird eine Nachwuchsgruppe mit dem Ziel aufgebaut, neue Verfahren der Medizininformatik zur Integration und Analyse von multimodalen Sensorsignalen und klinischen Daten zur Diagnostik und Erforschung von neurologischen Bewegungsstörungen zu entwickeln. Am IMI ist eine enge Zusammenarbeit mit den existierenden vier Arbeitsgruppen: Medizinische Bildverarbeitung und Künstliche Intelligenz, Medical Data Science, Medical Deep Learning und Medical Data Engineering geplant. Die Kooperation mit dem Medizininformatikkonsortium HiGHmed sowie mit dem Institut für Systemische Motorikforschung wird für die Nachwuchsgruppe ebenfalls essentiell sein. Das MoveGroup-Team wird drei wissenschaftliche Hauptziele verfolgen: sensorbasierte Erfassung und Modellierung von Körperbewegungen; HiGHmed-konforme Datenintegration und -nutzbarmachung sowie Entscheidungsunterstützung und Erkenntnisgewinn mit KI-Methoden.

Es wird eine Nachwuchsgruppe mit dem Schwerpunkt Medical Health Data im Rahmen der Aufbau- und Vernetzungsphase der Medizininformatik-Initiative (HiGHmed Konsortium) beantragt. Die Nachwuchsgruppe wird in einem öffentlichen und transparenten Auswahlverfahren ab Januar 2020 bestimmt. Der erfolgreiche Bewerber/die erfolgreiche Bewerberin wird Fähigkeiten in wenigstens drei der nachfolgenden Bereiche vorweisen können: multi-omics Datenanalyse, Big-Data-Analyse, mathemathische Modellierung und Methoden der Künstlichen Intelligenz. Der wissenschaftliche Fokus wird sich im Bereich der translationalen Forschung, Medical Health Data bzw. der personalisierten Medizin bewegen. In diesen Bereichen wird sich die Nachwuchsgruppe hervorragend in die Forschungsarbeit am BIH - Digital Health Center der Charité-Universitätsmedizin Berlin integrieren. Die Nachwuchsgruppe wird stark von der engen Verbindung und räumlichen Nähe zwischen dem BIH als exzellentes Forschungszentrum und der Charité als eines der renommiertesten Krankenhäuser Europas profitieren.