Zu Hauptinhalt springen

Forschung

Der Lehrstuhl spezialisiert sich auf die Entwicklung von neuen statistischen Methoden für die Arzneimittelforschung, sowie für Verhaltensstudien.

Hier einige der aktuellen Forschungsthemen:


Heterogenit?t von Effekten

In klinischen- und Verhaltensstudien ist im Allgemeinen zu erwarten, dass nicht alle Teilnehmer gleich auf eine Intervention reagieren. Ziel dieser Arbeiten ist es, den Effekt eine Intervention, differenziert nach unbekannten Unterpopulationen, zu evaluieren bzw. die potenziellen Effekte von verschiedenen Interventionen auf Basis der Charakeristika des Patienten zu vergleichen. Zu diesem Zwecke k?nnen sowohl etablierte statistische Methoden (z.B. penalised regression) als auch moderne Vorhersagemethoden wie regression trees verwendet werden. Daraus ergeben sich Fragen wie:
??? ?welche dieser Methoden soll im konkreten Fall verwendet werden
??? ?wie man aus diesen Vorhersagen ein Unterpopulation definiert
??? ?wie validiert man die Vorhersagen


Effiziente klinische Studien

Traditionelle klinische Studien sind starr sodass die erhobenen Daten nicht genutzt werden, um das Studiendesign zu verbessern. Zudem werden viele bereits vorhandene Daten, beispielsweise aus anderen Studien, oft nicht verwendet. In diesem Forschungsbereich entwickeln wir neue adaptive und bayesianische Methoden zur Steigerung der Effizienz klinischer Studien. Unser Hauptfokus liegt dabei auf Dosisfindungsstudien und Studien, wie zum Beispiel Plattformstudien, die mehrere Fragestellungen innerhalb einer einzigen Studie beantworten sollen.

Evaluierung von Algorithmen mit Anwendung im Gesundheitswesen

Eines der vielversprechendsten Anwendungen von Machine Learning und Algorithmen der künstlichen Intelligenz ist Precision Medicine. Die Hoffnung ist dabei, dass diese Algorithmen helfen, aus den individuellen Daten eines Patienten (z.b. genetische, epidemiologische und Umweltfaktoren) akkurate Gesundheitsvorhersagen
bzw. Behandlungsentscheidungen zu