DataMedAssist - Innovative Data-Science Methoden für die Systemmedizin: Assistenz bei der Analyse multizellulärer Gewebeorganisation Projekt uri icon

Hauptsprache

  • eng

Interdisziplinäres Projekt

  • false

Internationale Kooperation

  • false

Projektname

  • DataMedAssist - Innovative Data-Science Methoden für die Systemmedizin: Assistenz bei der Analyse multizellulärer Gewebeorganisation

ZAFT-Anbindung

  • false

Beschreibung

  • Das Projekt DataMedAssist qualifiziert MINT-Absolventen aus den Gebieten Data Science, Mathematik, Informatik und Systembiologie fachübergreifend für die Modellierung, Implementierung und Simulation komplexer Systeme, für die kompetente Modellauswahl und datengetriebene Kalibrierung sowie die Entwicklung, Anwendung und Bewertung von Methoden der künstlichen Intelligenz im Kontext systemmedizinischer Fragestellungen. Neben der Analyse und Vorhersage der multizellulären Organisation gesunder Gewebe auf der Basis von reproduzier- und erweiterbaren, quellenoffenen und modularen Simulationssystemen stehen Methoden zur modellbasierten und softwaregestützten Untersuchung der Initiierung und Progression entarteter Gewebestrukturen (Tumoren) im Zentrum der Qualifikations- und Forschungsarbeit. Zudem werden innovative Verfahren des maschinellen und statistischen Lernens entwickelt, getestet und angewendet um die Modellparameter zuverlässig zu schätzen sowie die Anpassung an die biologischen Daten zu evaluieren und zu optimieren. Durch Vernetzung der verschiedenen, zur intensiveren Nutzung von Data-Science- und
    IuK-Technologien in der biomedizinischen Forschung notwendigen Kompetenzen anhand exemplarischer, hochaktueller Projekte, die wissenschaftliche Arbeit an zur Promotion geeigneten Themen, durch begleitendes Training in den Bereichen Projektmanagement und sozialen Kompetenzen sowie erste Erfahrungen mit eigener Lehrtätigkeit qualifizieren sich die Wissenschaftler.

Datum/Uhrzeit-Intervall

  • Januar 1, 2020 - Dezember 31, 2022

Drittmittel

  • false

Industrie

  • false

Privat

  • false

Öffentlich

  • false