© L. Fisch

ML in der Medizin

KI-Methoden haben in der Medizin in vielen Aufgabenbereichen die Arbeit deutlich erleichtert. Aufgaben wie die Tumorerkennung in CT-Scans oder Melanomklassifizierung in der Dermatologie können heutzutage durch maschinelles Lernen zu einem Großteil automatisiert werden. Darüber hinaus können maschinelle Lernverfahren medizinischem Personal bei der Diagnose assistieren, indem sie medizinische Daten zu Biomarkern zusammenfassen. Beispielsweise wird mit Hilfe maschinellen Lernens aufgrund von MRT-Aufnahmen des Gehirns das biologische Alter geschätzt. Die Differenz zwischen dem geschätzten und tatsächlichen Alter wird dann als Biomarker genutzt, der auf neurologische Erkrankungen hindeuten kann.

Kurse

In dem Modul "Maschinelles Lernen in der Medizin" werden die Methoden des maschinellen Lernens und deren Anwendung auf medizinische Daten in zwei aufeinander aufbauenden Blockseminaren "Einführung in Medical Machine Learning" und "Vertiefung in Medical Machine Learning" vorgestellt. Der erste Kurs bietet einen anfängerfreundlichen Einstieg in das Machine Learning für Studierende mit wenig Vorwissen im Bereich Programmierung. Studierenden mit Vorwissen im Bereich der Informatik und Absolventen des ersten Kurses wird im zweiten Kurs die Möglichkeit gegeben, ihre Kompetenzen zu vertiefen.

Beide Kurse können sowohl online als auch in Person besucht werden. Der Prüfungsordnung der Medizin folgend kann nach einer aktiven Teilnahme (Anwesenheit bei mindestens 85% der Stunden) ein Leistungsnachweis ausgestellt werden. Darüber hinaus ist es möglich, den Kurs semesterunabhängig zu nutzen, d.h., die Kursinhalte (Jupyter Notebooks) nach eigenem Ermessen und zu jeder beliebigen Zeit zu studieren.

Einführung ins Medical Machine Learning

KI-Methoden haben in der Medizin in vielen Aufgabenbereichen die Arbeit deutlich erleichtert. Aufgaben wie die Tumorerkennung in CT-Scans oder Melanomklassifizierung in der Dermatologie können heutzutage durch Maschinelles Lernen zu einem Großteil automatisiert werden. In diesem Seminar werden nicht nur die Prinzipien des Machine Learning behandelt, sondern es werden auch die Grundlagen von Python sowie die wichtigsten Pakete wie NumPy und Matplotlib vermittelt. Dies ermöglicht es auch Teilnehmer*innen ohne vorherige Programmiererfahrung, an dem Seminar teilzunehmen.

 Inhalte:

  • Grundlagen der Programmierung in Python,
  • Arrays und Tabellen (NumPy, pandas),
  • Visualisierung von Daten (Matplotlib, Seaborn),
  • Grundlagen des Machine Learning (fastai, sklearn, photonai).

Zur Kursteilnahme sind keine Vorkentnisse nötig.

Die Materialien zum Kurs sind hier als Google Colab Notebooks frei verfügbar.

Fortgeschrittener Kurs Medical Machine Learning

Der zweite Kurs konzentriert sich auf die Anwendung neuronaler Netze auf unterschiedliche Datenmodalitäten (bspw. 3D MRT Bilder, Audiodateien). Dazu werden die Python Packages PyTorch und fastai vorgestellt, die die effiziente Anwendung neuronaler Netze ermöglichen. Es werden unterschiedliche Architekturen neuronaler Netze und deren Einsatzgebiete untersucht und die jeweils nötige Datenvorverarbeitung angewendet. Dabei werden Konzepte des maschinellen Lernens und der Programmierung aus dem ersten Kurs aufgegriffen und erweitert, bspw. mit Methoden objektorientierter Programmierung und Data Augmentation.

Die Veranstaltung findet erstmalig im Wintersemester 2023/24 statt.