Module 39-Inf-BDS Biomedical Data Science for Modern Healthcare Technology

Die Vorlesung legt den Schwerpunkt auf Techniken der Datenwissenschaften (Data Science), die in der Biomedizin und dem Gesundheitswesen von aktueller Relevanz sind. Beispiele sind das effiziente Verwalten großer Mengen von privaten Patientendaten, die Einbindung von individuellen genetischen Daten in die klinische Entscheidungsfindung, oder die klinisch zielführende Auswertung von Wearables. Im Seminar soll das Verstehen, Interpretieren und Bewerten von Originalliteratur zu solchen Themen geübt werden: was sind die im Sinne der Data Science kritischen Problemfelder, wie können die Probleme gelöst werden, und welche Fragen können an dieser Stelle noch nicht umfassend beantwortet werden. Mit der Präsentation sollen Präsentationstechniken geübt werden: was sind gute Grundstrukturen von Präsentationen, wie erreicht man sein Publikum, und was soll ein Zuhörer dauerhaft behalten. Mit dem Anfertigen einer schriftlichen Ausarbeitung soll dann geübt werden, wie man Texte verfasst, die in punkto Informationsgehalt wissenschaftlichen Anforderungen und ethischen Standards genügen. Dabei spielt die exakte Reproduzierbarkeit des Kommunizierten eine wichtige Rolle.

The lecture puts the emphasis on data science techniques that are of actual relevance in biomedicine and health care. Important examples are the efficient administration of great amounts of patient data and their safe sharing, the involvement of of individual genetic patient records in clinical decision support processes, or the clinically effective evaluation of wearables. The seminar focuses on understanding, interpreting and evaluating scientific literature relating to topics treated in the lecture: the identification of issues that are critical in terms of data science, understanding how solutions can be developed, and understanding the (likely tricky) solutions themselves; last, gauging the range of open questions that remain. In the presentation, we will train presentation techniques (e.g. ‘why-what-how’), how to reach the audience, and how to deliver take-home messages that the audience can keep in mind. Writing a scientific report is meant to practice how to draft text that complies with scientific and ethical standards. A relevant aspect in that is reproducibility.

Inhaltliche Elemente der Vorlesung und des Seminars beziehen sich auf Themen, die der Data Science zuzurechnen sind, wie z.B. ‘Deep Learning’, ‘Graph-Datenbanken’ oder ‘Blockchain’ und die in der modernen Biomedizin und im Gesundheitswesen wichtige, wenn nicht sogar entscheidende Rollen spielen.
Weitere Beispiele sind der Einsatz künstlicher Intelligenz und hierbei insbesondere des (Deep) Machine Learnings zur zielführenden klinischen Entscheidungsfindung, die bereits erwähnten Blockchain-Techniken zur sicheren Verteilung kritischer privater Patientendaten (mit anderen Worten Bitcoin-Techniken, die in der Medizin eine Rolle spielen), Genomics, Internet of Things, Robotik, Graph-Datenbanken, Ambient Computing und Visualisierung. Aus aktuellem Anlass wird auch Methodik behandelt, die sich mit der Analyse und Kontrolle von Epidemien befasst.

Contents of the lecture and the seminar touch upon topics that are rooted in data science (such as ‘deep learning’, ‘blockchain’ or graph databases) that play an ever more crucial, if not decisive role in modern biomedicine and healthcare.
Further examples are artificial intelligence, and here in particular (deep) machine learning for targeted clinical decision support, the aforementioned blockchain techniques (which, in other words, reflect bitcoin techniques applied for safe and efficient sharing of ethically critical patient data), genomics, internet of things, robotics, graph databases, ambient computing and visualization. For actual reasons, epidemiological methodology for analysis and control of epidemics can play an important role as well.

Erforderlich sind grundlegende Kenntnisse in Algorithmen und Datenstrukturen und der Künstlichen Intelligenz. Weiterhin sind Kenntnisse des Machine Learning, der Analyse großer Datenmengen, des Sequenzierens, und grundlegende Kenntnisse der Statistik hilfreich.

English version Basic knowledge of algorithms, data structures and artificial intelligence are required. Moreover, depending on the particular topics covered, basic knowledge of machine learning, big data analysis, DNA/RNA sequencing and fundamental statistics are useful.

—