Ärztliche Untersuchungen wie Elektroenzephalogramm (EEG), Elektrokardiogramm (EKG), Positronen-Emissions-Tomographie (PET), Magnetresonanztomographie (MRT), Histopathologie und mikroskopische Gewebeanalysen werden durchgeführt, um Krankheiten zu erkennen und Behandlungsmöglichkeiten anzubieten. Die daraus gewonnen Daten können im Rahmen von multimodalen Analysen weiter untersucht und genutzt werden.
Zur Verbesserung der Qualität und der Patientenorientierung verwenden unsere Forschenden auch Daten aus Fragebögen wie PROMs (Patient Reported Outcome Measures), die von Patientinnen und Patientinnen zur Messung von Behandlungsergebnissen ausgefüllt werden. Die Auswertung der gesammelten Daten ist jedoch für das Gesundheitspersonal immer noch zeitaufwändig. Aus diesem Grund entwickeln die Forschungsteams des Instituts für Informatik Analysetechniken, die auf künstlicher Intelligenz basieren.
Biomedizinische Informatik und prädiktive Analytik
Die biomedizinische Informatik entwickelt technische Lösungen, um komplexe phänotypische und molekulare Daten zu synthetisieren und beispielsweise das Tumorwachstum durch die Analyse von mikroskopischen Bildern vorherzusagen. Computergestützte Deep-Learning-Ansätze mit digitalen Bildern aus Scannern, optischen Kohärenztomographien, MRT oder histopathologischen Objektträgern zeigen, dass es möglich ist, tiefe neuronale Netzwerke zu trainieren, um zwischen gutartigen und bösartigen Läsionen zu unterscheiden oder die Entwicklung von Tumoren oder neurodegenerativen Erkrankungen wie Parkinson, Alzheimer oder Multiple Sklerose vorherzusagen.
TNM-Klassifikation
Die TNM-Klassifikation (Tumor, Nodes, Metastase) ist ein internationales System zur Einteilung von Krebserkrankungen nach ihrer anatomischen Ausdehnung (Primärtumor, benachbarte Lymphknoten und Fernmetastasen). Weiter werden Arbeiten zur Klassifikation von Krebs-Subtypen durchgeführt, um das angemessene Ansprechen auf die Therapie und das klinische Verhalten in Abhängigkeit von Krankheitsverlauf, Tumorvolumen, Durchmesser der Läsion, Adhäsion an benachbarte Organe, Adenopathien (Schwellung der Lymphknoten) oder Sitz der Metastasen vorherzusagen.
Entscheidungsunterstützungssysteme und Datenverwaltung
Das Institut entwickelt auch Entscheidungsunterstützungssysteme (DSS), um die diagnostische Entscheidungsfindung und die histologische Klassifikation verschiedener Krankheiten wie neurodegenerative Erkrankungen oder Krebs zu unterstützen. Zu den Schwerpunkten gehören dabei die Entwicklung von Softwarearchitektur, Werte- und Informationsmanagement, dezentrales Datenmanagement, Interoperabilität heterogener Informationssysteme und semantisches Mapping.
Multimodale Analyse und intelligente Agenten
Multimodale Analysen stehen im Mittelpunkt der Arbeit der verschiedenen Labore der eHealth-Einheit. Unter anderem werden intelligente Agenten eingesetzt – Programme, die Aufgaben ausführen und selbstständig Massnahmen ergreifen können – um Lösungen für die Prävention und Verhaltensanalysen anzubieten.
Die intelligenten Lernagenten, die am Institut für Informatik entwickelt wurden, gehen über regelbasierte Antworten hinaus. Mithilfe von maschinellen Lerntechniken und der Integration neuen Wissens passen sie sich fortlaufend an und verbessern ihre Leistungen auf der Grundlage der gesammelten Erfahrungen. Dies kann besonders nützlich sein, um zeitaufwändige Aufgaben zu bewältigen, Verhaltensanalysen durchzuführen und Möglichkeiten für Verhaltensänderungen oder Überzeugungsarbeit zu untersuchen.
Innovative Forschungsmethoden
Die Projekte des Instituts haben auch die Entwicklung innovativer (deduktiver oder abduktiver) Forschungsmethoden und die Vorbereitung der gesamten Software zur Entwicklung und Implementierung von KI-Algorithmen zum Ziel.
