Vortrag:

HIDA Lecture: Machine-learning for precision medicine

Dienstag, 18.02.2025 · 11:00 Uhr
online

Referent: Simon Eickhoff, Forschungszentrum Jülich (FZJ)

Datum: 18.02.2025, 11:00 Uhr

Titel: Machine-learning for precision medicine: Avenues and Roadblocks"

Inhalt

In der Lecture geht es um den Wandel in der klinischen Neurowissenschaft: Statt wie bisher Marker der Gehirnstruktur, -funktion oder -konnektivität zwischen Gruppen zu vergleichen oder mit Verhaltensphänotypen zu korrelieren, ermöglicht der Fortschritt in der Datenverfügbarkeit und multivariaten statistischen Lernmethoden inzwischen die Vorhersage individueller kognitiver oder klinischer Phänotypen. Diese Entwicklung hat eine Revolution hin zu Anwendungen in der Präzisionsmedizin ausgelöst.

Der Vortrag betont jedoch, dass der Übergang von Konzeptstudien zu realen Anwendungen deutlich schwieriger sein könnte, als oft angenommen. Einerseits können technische und biologische Aspekte, wie die geringe Dimension biologischer Variabilität, die Aussagekraft von Vorhersagen beeinträchtigen. Andererseits beeinflussen ethische, rechtliche und gesellschaftliche Aspekte die praktische Umsetzung solcher Technologien und erfordern stärkere Berücksichtigung bei der Entwicklung neuer Ansätze, um über Machbarkeitsstudien hinauszugehen.

Jetzt registrieren!

Simon Eickhoff

Simon Eickhoff ist Professor und Lehrstuhlinhaber des Instituts für Systemische Neurowissenschaften an der Heinrich-Heine-Universität Düsseldorf und Direktor des Institut für Neurowissenschaften und Medizin: Gehirn und Verhalten (INM-7) am Forschungszentrum Jülich.

An der Schnittstelle von Neuroanatomie, Datenwissenschaft und Hirnmedizin arbeitet er daran, die Organisation des menschlichen Gehirns und seine interindividuelle Variabilität detaillierter zu erfassen. Ziel ist es, Veränderungen im Alter sowie neurologische und psychiatrische Störungen besser zu verstehen. Dazu entwickelt und nutzt er innovative Werkzeuge für die groß angelegte, multimodale Analyse von Gehirnstruktur, -funktion und -konnektivität sowie maschinelles Lernen, um kognitive und sozioaffektive Merkmale einzelner Personen vorherzusagen und Anwendungen in der Präzisionsmedizin voranzutreiben.

Mehr erfahren

Alternativ-Text

Newsletter bestellen