Komplexpraktikum Medizinische Informatik SoSe 25

In diesem Kurs erhalten Studierende eine umfassende Einführung in das Feld der “Medical Data Science”. Der Kurs konzentriert sich auf die Verarbeitung, Analyse und Visualisierung  medizinischer Daten. Studierende werden in die Grundlagen des Machine Learning eingeführt, um medizinische Datensätze zu analysieren und relevante Erkenntnisse, speziell im Bereich der Kinderheilkunde, zu gewinnen. 

Organisatorisches

Das Komplexpraktikum findet in Präsenz statt. Ort und Zeit werden zeitnah ergänzt.

Lernziele

Die Studierenden … 

• sind in der Lage, im Rahmen einer interdisziplinären Zusammenarbeit KI-Modelle zu erzeugen, die an die Bedürfnisse der Endnutzenden angepasst sind (KI-Modellentwicklung).
• sind in der Lage, die grundsätzlichen Probleme medizinischer Datenverarbeitung zu beschreiben und methodisch an Daten zu analysieren (Data Science).
• kennen Grundlagen medizinischer Dokumentationssysteme (SQL Datenbanken).
• können basierend auf gegebenen Daten und Literatur Vorschläge erarbeiten, wie spezielle Patientengruppen oder Umgebungsfaktoren anhand bestimmter Parameter erkannt werden können (Explorative Datenanalyse).
• sind in der Lage, aufbereitete Daten in eine für medizinisches Personal geeignete Darstellung zu übertragen (Usability/ User-centered Design).
• lernen ihre Ergebnisse in Form eines web-basierten Dashboards zu übertragen (Datenvisualisierung)

Inhalte

Basierend auf einer KI-basierten Datenanalyse soll auf einem synthetischen Datensatz zu kindlichem Bauchschmerz eine nutzerzentriertes, medizinisches Diagnoseunterstützungssystem als Prototyp entwickelt werden. Dabei liegt der Fokus gleichermaßen auf der Datenanalyse und der Visualisierung zur kontinuierlichen Vorhersage von Appendizitis. Das Ergebnis des Komplexpraktikums wird dabei in einer 5-8-seitigen Dokumentation in Form eines wissenschaftlichen Artikels.

In den ersten Veranstaltungen werden die folgenden medizinischen und technischen Aspekte vermittelt:

• Einführung in Medical Data Science
• Usability Engineering im medizinischen Kontext
• Machine Learning und Explainable Machine Learning
• Dokumentation
• Experimenteller Aufbau
• Arbeiten in interdisziplinären Teams (Planung, Iteration, Evaluation)

Voraussetzungen:

• Solide SQL-Kenntnisse oder Motivation diese sich selbständig anzueignen 
• Grundwissen  ML oder Motivation sich hier einzuarbeiten
• Interesse an einer Endnutzer-Zentrierten Entwicklung von ML-Modellen