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


Prof. Dr. Maik Kschischo

  • Professor für Biomathematik

    Arbeitsscherpunkte

    • Machine Learning
    • Statistische Analyse komplexer Daten
    • Mathematische Modellierung

    mit Schwerpunkt in Medizin und Biologie

Kontakt

Grundlagenforschung

  • Wir entwickeln Machine Learning Methoden, analysieren Daten und entwickeln mathematische oder statistische Modelle für biologische und medizinische Fragestellungen. 

    Methodische Schwerpunkte sind

    • zeitabhängige Daten und  Lernen von Differentialgleichungen (Modellfehler, Neural ODEs)
    • Datenassimilationsmethoden
    • Datengetriebene Kontrolle und Steuerung dynamischer Systeme (Model Predictive Control, Reinforcement Learning) 
    • Methoden zur Integration multimodaler und hochdimensionaler biomedizinischer Daten 
    • Bioinformatik in der Krebsforschung

Anwendungsbezogene Forschung

  • Anwenungsgebiete 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