Menschenzentrierte KI

Das Team zielt darauf ab, Methoden der KI, Datenvisualisierung und Mensch-Maschine-Interaktion zu kombinieren, um die Entwicklung von datengetriebenen klinischen Entscheidungsmodellen zu unterstützen. Visual Analytics-Techniken werden verwendet, um komplexe Daten unter Einbindung von Expertenwissen aufzubereiten und zu explorieren. Dabei sollen Zusammenhänge, Muster und Artefakte identifiziert werden, um bestehende Hypothesen zu verifizieren und neue zu generieren. Visual Analytics-Methoden unterstützen auch das Design und die Evaluation von KI-Modellen, indem sie Entwicklern ein tieferes Verständnis für den Einfluss von Designänderungen auf die Leistung ermöglichen.

Die Kombination mit automatisiertem Maschinellem Lernen (AutoML) ermöglicht effiziente Vorschläge für neue KI-Designs und liefert Einblicke, die für Datenverarbeitungsschritte und Modellentscheidungen wichtig sind. AutoML kann auch auf vorhandenes Expertenwissen zurückgreifen, um zielgerichtete Unterstützung in der KI-Entwicklung zu bieten. Visual Analytics-Methoden sollen schließlich helfen, die KI-basierte Prädiktion von Entscheidungsmodellen für verschiedene Zielgruppen, von Entwicklern bis zu Klinikern und Patienten, verständlich und nachvollziehbar zu machen.

Die Arbeitsrichtung der Nachwuchsgruppe konzentriert sich zunächst auf Fragestellungen der Onkologie, insbesondere im Use Case der KI-basierten Bildanalyse zur individuellen Therapieentscheidung. In Zusammenarbeit mit anderen Nachwuchsgruppen werden sukzessive weitere Anwendungen angegangen.

Team

Prof. Dr.-Ing. Steffen Oeltze-Jafra, MHH

Mentor

Prof. Dr. Frank Wacker, MHH

Mentor

Dr. Zahra Ahmadi

Gruppenleiterin

Leonie Basso

Gruppenmitglied