Neue Forschungsgruppe am BIH: AI in Healthcare and Life Sciences

Herr Dr. Wild, in welchem Forschungsbereich sind Sie tätig und wo liegen Ihre Schwerpunkte?

Ich arbeite an der Schnittstelle von künstlicher Intelligenz, Medizin und biomedizinischen Lebenswissenschaften. Mich interessiert insbesondere, wie wir aus komplexen Gesundheitsdaten robuste Vorhersagen über zukünftige Erkrankungen ableiten können und wie sich solche Vorhersagen sinnvoll einsetzen lassen, um Krankheiten früh zu erkennen und bestenfalls zu verhindern.

Methodisch beschäftige ich mich dabei unter anderem mit Foundation Models, Large Language Models und multimodalem Lernen. Eine zentrale Herausforderung ist für mich die Übertragbarkeit: Medizinische Daten unterscheiden sich erheblich zwischen Krankenhäusern, Ländern und Gesundheitssystemen. Ein gutes Modell sollte deshalb nicht nur in dem Datensatz funktionieren, auf dem es entwickelt wurde.

An welchen Projekten und Forschungsthemen haben Sie in der Vergangenheit gearbeitet, die Ihnen besonders am Herzen liegen?

Während meiner Promotion habe ich KI Methoden zur Untersuchung sozialer Netzwerke und kollektiven Verhaltens entwickelt. Dabei habe ich an der gesamten experimentellen und computergestützten Pipeline gearbeitet, von der Datenerhebung bis zur Entwicklung neuer Analysemethoden. In dieser Zeit habe ich gelernt, wie wertvoll und zugleich anspruchsvoll interdisziplinäre Forschung ist. Eine gemeinsame Sprache mit Kolleg*innen aus der Biologie zu finden, war der Schlüssel dafür, dass aus methodischer Arbeit Forschung mit echter Wirkung wurde.

Später habe ich diesen methodischen Schwerpunkt auf die Lebenswissenschaften übertragen. Besonders am Herzen liegen mir Arbeiten, in denen wir den Krankheitsbeginn systematisch für viele Erkrankungen gleichzeitig vorhergesagt haben, etwa auf Basis der medizinischen Vorgeschichte. Erstaunlich finde ich, wie viel sich mithilfe von KI aus diesen Daten über das Risiko für ganz unterschiedliche Erkrankungen ablesen lässt, und wie wenig von diesem Potenzial in der Versorgung bisher ankommt.

Was sind deine Pläne für die Ausrichtung deiner Forschung?

Ich möchte die Forschung in drei Richtungen weiterentwickeln. Erstens möchte ich Modelle entwickeln, die sich besser zwischen verschiedenen Kliniken und Gesundheitssystemen übertragen lassen. Foundation Models könnten dabei helfen, Unterschiede in Kodierungssystemen und Datenstrukturen zu überwinden. Zweitens möchte ich unterschiedliche Datenquellen in gemeinsamen Modellen zusammenführen. Drittens möchte ich stärker untersuchen, was nach einer guten Risikovorhersage kommt. Welche Patient*innen sollten zusätzlich untersucht werden? Welche Intervention ist sinnvoll? Und unter welchen Bedingungen verbessert eine KI-basierte Strategie tatsächlich Gesundheitsergebnisse?

Welche Anknüpfungspunkte sehen Sie zur translationalen Mission des BIH und welchen Nutzen könnten Patient*innen in Zukunft aus Ihrer Arbeit ziehen?

Für mich bedeutet Translation, die gesamte Kette von der methodischen Entwicklung bis zu einer sinnvollen Anwendung im Gesundheitssystem zu betrachten. Eine hohe Vorhersagegenauigkeit allein reicht dafür nicht aus. Es muss auch geklärt werden, welche konkrete Entscheidung sich aus einer Vorhersage ableitet, ob die nachfolgende Intervention wirksam ist und ob ein solcher Ansatz in der Versorgung praktikabel und kosteneffektiv ist.

Gerade in der Prävention könnte KI helfen, begrenzte Ressourcen gezielter einzusetzen. Statt zusätzliche Untersuchungen breit einzusetzen, könnten sie stärker auf Personen konzentriert werden, bei denen ein erhöhtes Risiko besteht und bei denen eine frühe Intervention einen realistischen Nutzen verspricht. Am BIH und an der Charité finde ich dafür ideale Bedingungen: Die enge Zusammenarbeit mit Kolleg*innen aus Klinik und Epidemiologie ermöglicht es, Methoden direkt an realen Versorgungsfragen zu entwickeln und zu erproben. Diesen Übergang von der Vorhersage zur Prävention möchte ich systematisch untersuchen.