Institut Predictive Deep Learning for Medicine and Healthcare
-
Willkommen im Institut Predictive Deep Learning for Medicine and Healthcare
Das Institut für Predictive Deep Learning for Medicine and Healthcare (PredLMed) an der Justus‑Liebig‑Universität widmet sich der Entwicklung von Machine‑Learning‑ und Deep‑Learning‑Algorithmen, um die Systemmedizin voranzubringen, indem multimodale biomedizinische Daten analysiert und diese Technologien kritisch in die klinische Praxis übertragen werden.
Die Gruppe konzentriert sich besonders auf die integrative Analyse multimodaler medizinischer Daten, wie elektronische Patientenakten, molekulare Daten (z. B. Gen‑ und Proteinexpressionsdaten) sowie medizinische Bildgebungsdaten, um die Krankheitsvorhersage und Therapieoptimierung zu unterstützen. ML‑Technologien wurden bereits erfolgreich in zahlreichen Bereichen der Gesundheitsforschung eingesetzt, etwa in der Onkologie, Psychiatrie und Kardiologie. Dennoch bestehen weiterhin mehrere Herausforderungen, die die Translation dieser Fortschritte in Forschung und Praxis behindern. Insbesondere begrenzte Stichprobengrößen, Datenschutzaspekte und systematische Verzerrungen innerhalb einzelner Patientenkohorten führen zu Datenknappheit und Heterogenität in medizinischen Registern und biomedizinischen Datenbeständen. Darüber hinaus untergräbt das Fehlen interpretierbarer und zuverlässiger Vorhersagen das Vertrauen in ansonsten hochgenaue Modelle.
Deshalb hat sich die PredLMed‑Gruppe zum Ziel gesetzt, diese Herausforderungen zu bewältigen, indem sie neuartige rechnerische Architekturen und Algorithmen einsetzt und entwickelt. Dazu gehören Transfer‑Learning‑ und Foundation‑Modelle, um Probleme der Datenintegration zu überwinden und kleine Stichprobengrößen zu ermöglichen; Online‑ und zeitkritische Ereignisvorhersagen; föderiertes Lernen für die sichere Integration verteilter medizinischer Datensätze und Ressourcen; sowie der Einsatz erklärbarer Künstlicher‑Intelligenz‑Methoden, um das Nutzervertrauen zu erhöhen, indem Modell‑ und Vorhersagezuverlässigkeit sowie Interpretierbarkeit verbessert werden.
- Kontakt Home
-
Institut
Friedrichstraße 25
35392 Gießen
Telefon (Sekretariat):
0641 985-42531
0641 99-46702Bürozeiten: 8:30 - 16:00
info.predlmed
studium.predlmed
-
Stellen/Promotionen
Offene Stellen
- News
-
Today I had the pleasure of speaking at the 21. Nationale Branchenkonferenz Gesundheitswirtschaft 2026 in the AI-Enabled Health session, where I presented on "Explainable AI in Medicine".
-
#MIE2026 in Genua – Wir waren da! Wir waren dieses Jahr in Genua auf der EFMI‑Konferenz MIE mit Workshops zu Federated Learning, Explainable AI und dem KI‑Thrust.
-
Our Team Miriam Cindy Maurer, Tabea Steinbrinker, Philip Zaschke, Kristin Steinhaus, Dagmar Krefting and Anne-Christin Hauschild is pleased to announce our workshop: Exploring Explainable Artificial Intelligence Methods on Biosignals, which will be presented at MIE 2026.
-
Postdoc position, 3 years fixed contract We are looking for a highly motivated and enthusiastic scientist with an interest in working with emerging model systems and conducting bioinformatics analyses of transcriptomic data for the reconstruction of GRNs and their evolutionary comparison. Join our team!
-
In this study, we introduce xGNN4MI, an open-source framework for graph-based modelling of 12-lead ECG signals. By explicitly encoding spatial relationships between ECG leads and their temporal structure, the framework provides a transparent and reproducible pipeline for GNN-based cardiovascular disease classification.
-
Fotobearbeitung: JLU/Anna Sposato; unbearbeitetes Originalfoto "Institut": Anna Sposato; unbearbeitetes Originalfoto "Kontakt PredLMed": colourbox.de; unbearbeitetes Originalfoto "Vorlesungen": JLU/Katrina Friese; unbearbeitetes Originalbild "News": KI-generiert mit Hilfe von Adobe Firefly;