Unsere Forschungsgruppe wird durch Dr. Adèle Ribeiro geleitet. Der Schwerpunkt unserer Forschung liegt auf der Detektion und Quantifizierung von Ursache-Wirkungs-Zusammenhängen in komplexen biomedizinischen Daten mithilfe KI-gestützter, statistischer Methoden. Unsere Mission ist es, sowohl die theoretischen Grundlagen als auch die translationale Forschung zu erklärbarer KI und kausaler Inferenz voranzutreiben, um tiefere wissenschaftliche Erkenntnisse und effektivere datengetriebene Entscheidungen in den Lebens- und Gesundheitswissenschaften zu ermöglichen. Wir möchten verstehen, warum biologische und gesundheitliche Systeme so funktionieren, wie sie es tun, und wie gezielte Interventionen ihr Verhalten beeinflussen können.

Reale biomedizinische Datensätze erfüllen selten die üblichen methodischen Voraussetzungen: Sie sind oft hochdimensional, heterogen und multimodal und können durch latente Störfaktoren, Selektionsverzerrungen, Datenschutzanforderungen und begrenzte Stichprobengrößen beeinträchtigt sein. Wenn diese Herausforderungen nicht sorgfältig adressiert werden, besteht das Risiko, dass kausale Analysen ungültige, nicht reproduzierbare oder nicht generalisierbare Ergebnisse liefern.

Unsere Forschung stellt sich diesen Herausforderungen durch die Entwicklung von Methoden, die sowohl streng als auch in realen Anwendungen wirksam sind, mit einem Fokus auf:

Robustes Kausales Lernen
Erlernen zuverlässiger kausaler Zusammenhänge trotz versteckter Störfaktoren und begrenzter Datenmengen

Unsicherheitsquantifizierung
Bereitstellung statistisch valider und vertrauenswürdiger Schlussfolgerungen mit Unsicherheitsschätzungen

Integration von Expertenwissen
Einbeziehung von Expertenwissen und Berücksichtigung von Unsicherheit und widersprüchlicher Informationen

Kollaborative Analyse
Ermöglichung von Forschungskooperationen über Institutionen hinweg ohne Austausch sensibler Daten

Skalierung in Hochdimensionen
Effiziente Verarbeitung komplexer, multimodaler Datensätze in großem Umfang

Unsere laufenden Anwendungen umfassen Public-Health- und klinische Forschung zu Malaria, psychischer Gesundheit, Herz-Kreislauf-Erkrankungen, postakuten Infektionssyndromen einschließlich Long COVID sowie Krebs. In all diesen Bereichen haben kausale Erkenntnisse das Potenzial, das Verständnis zu verbessern und gezielte Strategien für Prävention, Diagnose und Behandlung zu unterstützen.

Durch die Auseinandersetzung mit zentralen Herausforderungen der kausalen Inferenz — wie Zuverlässigkeit, Heterogenität, Datenschutz, Wissensintegration und Skalierbarkeit — trägt unsere Forschung zur Entwicklung von erklärbarer, vertrauenswürdiger und handlungsrelevanter KI für biomedizinische Entdeckungen und Präzisionsgesundheit bei.

Kontakt: Dr. Adèle Ribeiro

Förderkennzeichen: 01ZU2503