Dr. Sindy Neumann leitet die Abteilung Biostatistik der numares AG im Biopark Regensburg.
Die numares AG wurde 2004 als Spin-Off der Universität Regensburg gegründet. Heute ist sie weltweit an insgesamt drei Standorten vertreten (Boston, Regensburg & Singapore) und beschäftigt über 60 Mitarbeiter.
Bei numares handelt es sich um ein innovatives Diagnostikunternehmen, das sich auf die Entdeckung, Entwicklung und Vermarktung von diagnostischen Tests spezialisiert hat. Hiermit beabsichtigt das Unternehmen medizinische Versorgungslücken zu schließen. Bis heute wurden mit der Technologie von numares über 2 Mio. Analysen durchgeführt.
Ich arbeite für die numares AG im Biopark und leite dort die Abteilung Biostatistik.
Zunächst bin ich für die fachliche und personelle Führung der Abteilung zuständig. Zu meinen Aufgaben gehört aber ebenso die strategische Ausrichtung im Bereich Machine Learning.
Numares entwickelt diagnostische Tests für die klinische Diagnostik und bedient sich hierbei Methoden aus dem Machine Learning (z.B. überwachtes und unüberwachtes Lernen), um Muster in den klinischen Daten zu finden.
Wir bieten immer wieder die Möglichkeit für Werkstudententätigkeiten und Abschlussarbeiten. Und freuen uns natürlich, wenn interessierte Studierende auf uns zukommen. Außerdem möchten wir auch im Rahmen der AI-Initiative der Stadt Regensburg die Zusammenarbeit in Zukunft weiter ausbauen.
Der Vorteil liegt im interdisziplinären Austausch und der Anbindung an die Grundlagenforschung. Beides wichtige Faktoren um die eigene Innovationsfähigkeit zu stärken. Und schließlich möchten wir natürlich auch gerne die Gelegenheit nutzen junge Talente für unser Unternehmen zu begeistern.
KI gehört jetzt schon zu unserem Alltag und wird in Zukunft noch viel wichtiger und selbstverständlicher werden. Je früher wir Studierende an dieses Thema heranführen, desto besser. Neben der Vermittlung der vielfältigen Anwendungsmöglichkeiten ist es aber genauso wichtig überdies auch die Herausforderungen und Grenzen aufzuzeigen.
Wir entwickeln diagnostische Tests für unterschiedliche klinische Indikationen wie z.B. Herz-Kreislauf-Erkrankungen, Nephrologie, Onkologie und Neurologie.
Unsere diagnostischen Tests basieren auf einem bestimmten Zusammenspiel von stoffwechselbasierten Biomarkern. Wir nennen dies Metaboliten-Konstellation. Um diese spezifische Konstellation für die jeweilige Fragestellung zu entdecken, benötigen wir Methoden aus dem Machine Learning. Dabei arbeiten wir sehr viel mit Algorithmen aus dem Bereich des überwachten und unüberwachten Lernens.
Ich habe Bioinformatik studiert und im Rahmen meiner Promotion verschiedene Verfahren aus dem Machine Learning angewandt. Seitdem versuche ich mein Wissen über KI über Konferenzen und Publikationen so aktuell wie möglich zu halten und es entsprechend in unserer täglichen Arbeit anzuwenden.
Das kommt darauf an, welche Methode genau dahintersteckt. Die Anwendungsfelder können ja sehr unterschiedlich und vielfältig sein. Ich persönlich habe bisher relativ wenig mit Deep Learning gearbeitet und finde diese Themen noch sehr anspruchsvoll, wenn man die genaue Theorie dahinter verstehen will.
Die Vielfalt der Einsatzmöglichkeiten und die sich draus ergebenden Potentiale.
Ich würde mir wünschen, dass das Lehrangebot vielen Studierenden zur Verfügung gestellt wird und sich nicht auf einzelne Teilbereiche konzentriert. Mir geht es dabei nicht darum, dass jeder zum KI-Experten werden soll, sondern die damit verbundenen Methoden in ihren Grundsätzen versteht, ebenso wie die zugehörigen Herausforderungen und Risiken. Vielleicht kann man auch in Erwägung ziehen Vorträge für interessierte Bürgerinnen und Bürger zu organisieren. Und so eine Art KI-Kompetenz breitflächig verfügbar zu machen.
Für mich ist das Projekt noch relativ neu und ich hatte bisher keine Berührungspunkte. Ich bin daher gespannt wie es sich gestaltet.
Es ist meiner Meinung nach wichtig immer beide Seiten zu betrachten. Ich kann die Kritik an KI durchaus auch nachvollziehen. KI bietet natürlich viele und teils auch neue Möglichkeiten. Gleichzeitig stellt es uns aber genauso vor neue Herausforderungen. In der Diagnostik beispielsweise sind ethische Rahmenbedingungen zu erfüllen und die Datenqualität spielt hier eine zentrale Rolle für den Erfolg von KI-Systemen. Zudem sollte immer kritisch hinterfragt werden, was man mit KI bezwecken will und ob ihr Einsatz im konkreten Fall Sinn macht. KI-Hype hin oder her.
Vielen Dank dass Sie sich Zeit genommen haben, uns diese Fragen zu beantworten. Wir wünschen Ihnen noch einen schönen Tag!
Gerne. Das wünsche ich ihnen auch!
Vielen Dank dass Sie sich Zeit genommen haben, uns diese Fragen zu beantworten. Wir wünschen Ihnen noch einen schönen Tag!
Gerne. Das wünsche ich ihnen auch!