DFG fördert KI-Forschungsgruppe "Integration von Deep Learning und Statistik zum Verständnis strukturierter biomedizinischer Daten“ von Prof. Greven
Im Rahmen der Förderinitiative im Bereich der künstlichen Intelligenz (KI) fördert die Deutsche Forschungsgemeinschaft (DFG) die neue gemeinsame Forschungsgruppe „DeSBi“ der Humboldt-Universität zu Berlin, des Hasso-Plattner-Instituts (HPI), der Universität Potsdam (UP), der Charité – Universitätsmedizin Berlin, des Max-Delbrück-Centrums für Molekulare Medizin und des Fraunhofer Heinrich-Hertz-Instituts, die mithilfe von KI-Technologien Biomediziner:innen künftig bessere Methoden zum Erkenntnisgewinn aus strukturierten Daten zur Verfügung stellen will. Sprecherin der Forschungsgruppe ist Sonja Greven und Nadja Klein ist ein Principal Investigator der Forschungsgruppe.
In der Forschungsgruppe werden Experten aus dem Bereich des maschinellen Lernens und der Statistik zusammenarbeiten zur Verbesserung der Interpretierbarkeit, Unsicherheitsquantifizierung und statistischen Inferenz für das Deep Learning und zur Verbesserung der Modellierungsflexibilität statistischer Methoden für strukturierte Daten. Insbesondere sollen Methoden entwickelt werden, die statistische Inferenz für strukturierte Daten durch Unsicherheitsquantifizierung, Testen von Hypothesen und Adjustierung für Störgrößen ermöglichen und die Erklärungen strukturierter Daten durch hybride statistische und Deep-Learning-Modelle, Erklärungen auf Populations- und Verteilungsebene und robuste dünnbesetzte Erklärungen verbessern. Dabei wird es eine Rückkopplungsschleife zwischen der Methodenentwicklung und biomedizinischen Anwendungen geben, da diese strukturierte Daten wie Bilder, Gensequenzen oder Verlaufsdaten erheben und neben guten Vorhersagen Quantifizierung von Unsicherheit, Adjustierung für Störgrößen und Testen von Hypothesen mit statistischer Fehlerkontrolle benötigen. Die entwickelten Methoden werden darüber hinaus in vielen Bereichen anwendbar sein.