Spiros Denaxas, Gründungsprofessor für Computational Medicine, analysiert mithilfe maschinellen Lernens große Gesundheitsdatensätze. Ziel ist es, zu verstehen, wann Krankheiten auftreten, wen sie betreffen und weshalb Therapien bei manchen Menschen wirken – bei anderen jedoch nicht.
„Wir verbinden klinische Medizin, Data Science und Informatik, um die Komplexität der menschlichen Gesundheit zu entschlüsseln. Auf Basis umfangreicher biomedizinischer Daten können wir Krankheitsverläufe präziser vorhersagen und Therapien individuell auf jede einzelne Person zuschneiden“, erklärt Denaxas.
Sein Team nutzt Künstliche Intelligenz, um verborgene Zusammenhänge sichtbar zu machen. Ein weiteres Team bereitet komplexe molekulare Daten so auf, dass sie bei innovativen Therapien – etwa Zelltherapien gegen Krebs – als konkrete Entscheidungsgrundlage in der Klinik dienen und Patient:innen gezielt die passende Behandlung erhalten.
.jpg "© shutterstock")
