

Der Fokus unserer Gruppe liegt auf der Entwicklung neuer KI- und maschineller Lernverfahren, die auf komplexe und multimodale biomedizinische Daten zugeschnitten sind, um Krebsmechanismen von der intrazellulären bis zur Patientenebene aufzuklären. Wir wollen interpretierbare Darstellungen der Tumormikroumgebung durch die Integration von Einzelzell-(räumlichen) Omics- und Histopathologiedaten erlernen und verstehen ,wie Tumore ex vivoauf Arzneimittelstörungen reagieren , um letztendlich zu KI-gestützten Präzisionsonkologieansätzen zu gelangen.