ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG
ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG
Die auf den Menschen ausgerichtete Gesundheits-KI-Gruppe hat sich zum Ziel gesetzt, KI-Ansätze für biomedizinische Entdeckungen und gesundheitsbezogene Anwendungen zu entwickeln und zu evaluieren.
Unsere Gruppe möchte den Stand der Technik bei KI-Darstellungen von Biomolekülen wie kleinen Molekülmetaboliten und RNA vorantreiben. Methodisch liegt der Fokus auf Ansätzen der künstlichen Intelligenz, die Vorwissen, das oft formal als Ontologien dargestellt wird, mit großen Sprachmodellen, multimodalen Modellen und molekularen Sprachmodellen kombinieren, um wissensbasierte Vorhersagen zu treffen. Wir entwickeln und evaluieren auch Ansätze zur Verbesserung der Interpretierbarkeit solcher Modelle sowie Ansätze für Vertrauenswürdigkeit und Sicherheit.
Unsere Hauptanwendungsbereiche sind Stoffwechselgesundheit, psychische Gesundheit und Evidenzsynthese. Einer unserer Kernbereiche ist die Entwicklung von Ansätzen, die darauf abzielen, die wissensbasierte Teilautomatisierung der biomedizinischen Evidenzsynthese voranzutreiben und damit die Umsetzung von Evidenz in gesundheitliche Vorteile zu beschleunigen. Wir streben auch die Weiterentwicklung hybrider Ansätze an, um multimodale Modelle mit mechanistischen Vorhersagen zu integrieren, beispielsweise für die interpretierbare und personalisierte Modellierung und Vorhersage des personalisierten Stoffwechsels oder der Verhaltensgesundheit.