Data-driven Healthcare

Gruppenleitung: Dr. med., Dr. sc. nat. Michael Havranek, MD/PhD

Die Forschungsgruppe „Data-driven Healthcare“ nutzt Gesundheitsdaten, um die Behandlungsqualität zu fördern, Kosten zu senken und Abläufe sowie Systeme zu optimieren. Dabei kommen fortschrittliche Methoden der Datenwissenschaft und des maschinellen Lernens zur Anwendung – sowohl an Routinedaten (z. B. elektronische Patientendokumenten aus klinischen Informationssystemen) als auch an neuartigen Datenquellen wie jene aus Wearables.

Ein besonderer Schwerpunkt liegt auf der Bewertung von Behandlungsqualität und Kostenanalysen – mit Fokus auf Krankenhaus-Benchmarking und Vergleichen von Leistungserbringern. Ziel der Arbeit ist es, Evidenz zu generieren, die datenbasierte Entscheidungen in einem lernenden Gesundheitssystem unterstützt. Die Gruppe betreibt sowohl anwendungsorientierte als auch methodische Forschung, um Innovationen zu fördern und relevante Erkenntnisse für die Verbesserung der Gesundheitsversorgung zu liefern.

Machine Learning in Healthcare

Gruppenleitung: Ass.-Prof. Christian Baumgartner, PhD

Die Forschungsgruppe „Machine Learning in Healthcare“ widmet sich der Verbesserung von Patientenergebnissen durch den Einsatz von maschinellem Lernen und Datenwissenschaft – mit besonderem Fokus auf die Analyse medizinischer Bilddaten. Obwohl diese Technologien z. B. bei Sprach- oder Betrugserkennung weit verbreitet sind, ist ihre Integration in den klinischen Alltag noch begrenzt – nicht zuletzt wegen der hohen Anforderungen an Zuverlässigkeit, Robustheit und Nachvollziehbarkeit. Daher entwickeln wir Methoden des maschinellen Lernens, die nicht nur präzise, sondern auch sicher, erklärbar und klinisch anwendbar sind. Unsere Arbeit umfasst u.a. Unsicherheitsabschätzungen, interpretierbare und interaktive („Human-in-the-loop“) Systeme, generatives Modellieren auf großflächigen medizinischen Datensätzen sowie Meta-Learning für datenarme Kontexte. Unser Ziel ist es, die Lücke zwischen modernem maschinellen Lernen und der klinischen Realität zu schließen und dessen volles Potenzial für eine effektivere, transparente und vertrauenswürdige Gesundheitsversorgung zu erschließen.

Functioning Epidemiology

Gruppenleitung: Ass.-Prof. Adrian Martinez de la Torre, PhD

Die Forschungsgruppe „Functioning Epidemiology“ betreibt Forschung zur Verbesserung des Verständnisses menschlicher Funktionsfähigkeit über Gesundheit, Krankheit und Rehabilitation hinweg. Wir integrieren Real-World-Daten, fortgeschrittene Analysen und klinische Expertise, um Evidenz für personenzentrierte Versorgung und widerstandsfähige Gesundheitssysteme zu schaffen. Unsere Arbeit konzentriert sich dabei auf vier zentrale Themenbereiche: Wir entwickeln funktionsbasierte Entscheidungsgrundlagen für den Einsatz in Klinik, Organisation und Gesundheitspolitik. Zudem verbessern wir Rehabilitationsprozesse durch prädiktive Modellierung und Wirkungsforschung. Ein weiterer Schwerpunkt liegt auf der Untersuchung von Rückenmarksverletzungen, um Genesungsverläufe besser zu verstehen und internationale Versorgungsmodelle mitzugestalten. Darüber hinaus wenden wir funktionsbezogene Prinzipien auch in der Sportrehabilitation an – mit dem Ziel, Verletzungen vorzubeugen und sichere Rückkehrstrategien in den Sport zu entwickeln. Weitere Projekte beschäftigen sich mit zirkadianen Rhythmen und Fertilität, Impfpolitik sowie der Pharmakoepidemiologie und erweitern so unseren Einflussbereich in der klinischen und öffentlichen Gesundheitsforschung.

Weitere Informationen zu den Projekten der Forschungsgruppen finden Sie unter Ausgewählte Projekte. Zu den Kontaktangaben der Gruppen.