>> KI-ALLIANZ RLP > KI-FORSCHUNG > KI-FORSCHENDE > PROF. DR. MAIK KSCHISCHO

Prof. Dr. Maik Kschischo

  • Professor für KI im Gesundheitswesen

    Arbeitsschwerpunkte

    • Machine Learning
    • Statistische Analyse komplexer Daten
    • Mathematische Modellierung

    mit Schwerpunkt in Medizin und Biologie

Kontakt

Grundlagenforschung

  • Wir entwickeln und nutzen Methoden der Künstlichen Intelligenz (KI), um Probleme im Bereich der Biomedizin zu lösen. Wir entwickeln und implementieren maschinelle Lernverfahren, statistische Methoden und mathematische Modelle, um biomedizinische Daten zu analysieren, die von elektronischen Gesundheitsakten bis hin zu Krebsgenomdaten reichen. Wir arbeiten eng mit Forschern, Ärzten und Experten aus Biologie und Medizin zusammen. Unser Ziel ist es, zu einem besseren Verständnis der biologischen Komplexität und der medizinischen Entscheidungsfindung beizutragen.

    Derzeit gibt es zwei Hauptforschungsrichtungen:

    • Methoden des maschinellen Lernens (ML) zur Erlernung kausaler dynamischer Modelle aus Daten
    • Analyse und Modellierung hochdimensionaler Daten in der Krebsbiologie

Anwendungsbezogene Forschung

  • Anwendungsgebiete sind 

    • Krebsforschung (insbesondere Verständnis von chromosomaler Instabilität, Medikamentenresistenz, Tumorheterogenität)
    • Klinische Entscheidungsunterstützung mit KI-Methoden 

Gutachtende Tätigkeiten

  • Gutachten bei Forschungsanträgen für

    • BBSRC
    • DFG
    • BMBF
    • EU 

    Gutachter bei verschieden Zeitschriften, u.a. 

    Cancer Research, Nature, Bioinformatics, PLOS Com-
    putational Biology, BMC Bioinformatics, Microarrays,
    European Physical Journal (EPJ) E, Bulletin of Math-
    ematical Biology, Journal of Statistical Software, Brief-
    ings in Bioinformatics, Physics Letters A, Physical Re-
    view E, IEEE Transactions on Automatic Control 

Erhaltende Auszeichnungen, Preise, Ehrungen

  • Lion Bioscience Innovation price (2002)

Besondere Expertise

  • Grundlagenforschung

    • Machine Learning (ML): Self-Supervised Learning, (Semi) Supervised Learning, Artificial Neural Network (ANN), Decision Tree, Bayesian Neural Networks, Model Based, Generative Models, Dimensionality Reduction, Feature Engineering/Feature Extraction
    • Knowledge-Based Systems: Causality
    • Robotik: Steuerungsalgorithmen, Simulationstechnik

  • Anwendungsbezogene Forschung

    • Intelligente Assistenzsysteme / Virtuelle Assistenten: Vorausschauende Analyse, Digitale Medizin
    • Sensorik und Kommunikation: Diagnostik
    • Informationsgewinnung (Wissens-, Datenmanagement und -Analyse): Knowledge Discovery in Databases (Data Mining), Entscheidungsunterstützung
    • Technologieanalyse: Soziologische Aspekte

KI-Veranstaltungen

KI-Forschungsprojekte