Verantwortungsvolle Analyse von Gesundheitsdaten: Neue Forschungsgruppe am BIH

Dr. Rohmann, was ist Ihr Forschungsgebiet und worin bestehen Ihre Forschungsschwerpunkte?

Ich bin Epidemiologin und beschäftige mich damit, wie Methoden angewandt und angepasst werden müssen, damit sich die Qualität, Zuverlässigkeit und Interpretierbarkeit von Gesundheitsforschung verbessert. Ich interessiere mich besonders dafür, wie Beobachtungsdaten aus dem Gesundheitswesen genutzt werden können, um deskriptive, prädiktive und kausale Fragen zu beantworten, wobei mein Schwerpunkt auf der kausalen Inferenz liegt. Mein Ziel ist es, bessere Evidenzen für Entscheidungen im Gesundheitswesen und im Bereich der öffentlichen Gesundheit zu gewinnen. Dabei muss ich immer wieder„Was-wäre-wenn?“-Fragen stellen, um mithilfe von Forschungsmethoden zu verstehen, ob und in welchem Umfang eine Behandlung ein bestimmtes Gesundheitsergebnis verursacht.

Bislang konzentrierte sich ein Großteil meiner Forschung auf Fragen im Zusammenhang mit Schlaganfällen und anderen neurovaskulären Erkrankungen. In jüngerer Zeit habe ich mich auch mit anderen klinischen Bereichen befasst, darunter Intensivmedizin und Infektionskrankheiten. In jedem Anwendungsbereich muss ich sehr eng mit Fachexperten zusammenarbeiten. Denn Kenntnisse des jeweiligen klinischen Fachgebiets sind unerlässlich, um die richtigen Fragen zu stellen und geeignete Methoden der kausalen Inferenz auszuwählen.

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

Ich habe mich intensiv mit Registerdaten und anderen sekundären Gesundheitsdaten beschäftigt, insbesondere in der neurovaskulären Forschung. Es ist mir ein großes Anliegen, anhand von Gesundheitsdaten aus der Praxis wichtige Fragen im Zusammenhang mit Schlaganfällen und anderen neurovaskulären Erkrankungen zu beantworten. Außerdem war ich als Methodenberaterin an Forschungsprojekten tätig, die viele verschiedene Bereiche der klinischen Forschung umfassten. Diese Arbeit macht mir besonders viel Spaß, da ich so sehen kann, wie sich in verschiedenen fachspezifischen Kontexten einzigartige methodische Herausforderungen ergeben.

Ein weiterer wichtiger Teil meiner Arbeit ist die Forschung über Forschung, auch „Meta-Forschung“ genannt. Ich untersuche, wie Forschungsmethoden in veröffentlichten wissenschaftlichen Artikeln angewendet und dargestellt werden. Dabei schaue ich auch, wie häufig bestimmte suboptimale Praktiken vorkommen. Ich verbinde diese Arbeit mit praktischen Vorschlägen und Tutorials, um Forschern dabei zu helfen, diese Probleme zu erkennen und die verfügbaren geeigneten Methoden besser zu nutzen.

Seit kurzem interessiere ich mich stärker dafür, wie generative KI die Forschung verändert und wie wir die Lehre der Epidemiologie an dieses neue Umfeld anpassen sollten. Gemeinsam mit Kolleg*innen aus Deutschland und ganz Europa habe ich an Empfehlungen für den verantwortungsvollen Einsatz generativer KI in der epidemiologischen Lehre gearbeitet.

Wie sehen Ihre Pläne für Ihre Forschungsgruppe aus ? Wie möchten Sie Ihre Forschung ausrichten?

Mit Blick auf die Zukunft möchte ich meine Forschungsgruppe in den Bereichen verantwortungsvolle Analyse von Gesundheitsdaten, Forschungsqualität und kausale Inferenz weiterentwickeln.

Ein wichtiger Bestandteil dieser Ausrichtung ist 3P-CAUSAL („Promises, Pitfalls, and Pathways for Causal Inference with Synthetic and Anonymized Health Data“), ein neu gefördertes Projekt des BMFTR-Zukunft-eHealth-Junior-Konsortiums, das ich leiten werde. Unsere Gruppe möchte untersuchen, wie datenschutzkonforme Veränderungen an Gesundheitsdaten – wie das Entfernen, Aggregieren oder Ändern von Datenteilen – den „kausalen Nutzen“ dieser Daten beeinflussen und sich auf die daraus resultierenden Schätzungen kausaler Effekte auswirken können.

Darüber hinaus wird meine Forschungsgruppe gemeinsam mit einer multidisziplinären Gruppe von Forschenden aus mehreren Berliner Forschungseinrichtungen daran arbeiten, die Vision eines interdisziplinären Zentrums für Kausalinferenz in Berlin zu verwirklichen. Diese Initiative knüpft direkt an den „Einstein Circle on Causal Inference from Observational Health Data“ an, der 2025 ins Leben gerufen wurde. Die Idee besteht darin, Forscher aus verschiedenen Fachbereichen zusammenzubringen, um neue Methoden zu entwickeln, diese in praktische Anwendungen umzusetzen und das Bewusstsein für kausale Inferenz innerhalb der breiteren Berliner Forschungsgemeinschaft zu schärfen.

Inwiefern passt Ihre Forschung zum translationalen Auftrag des BIH, und wie könnten Patient*innen in Zukunft von Ihrer Arbeit profitieren?

Für mich ist ein wichtiger Aspekt der Translation, kausale Fragen zu stellen. Oft interessieren uns „Was-wäre-wenn“-Fragen: Was wäre, wenn wir eine neue Behandlung einführen? Was wäre, wenn wir die Art und Weise ändern, wie die Versorgung erfolgt? Was wäre, wenn wir eine neue Technologie einführen? Die richtigen Antworten auf diese Fragen zu finden, ist zentral, um fundierte Entscheidungen darüber zu treffen, was zu tun ist.

Die Art und Weise, wie wir Forschungsfragen stellen und angehen, beeinflusst auch, wie wir die Ergebnisse interpretieren. Wenn wir ausschließlich Vorhersagemethoden verwenden, entdecken wir möglicherweise Muster, ohne zu wissen, welche Maßnahme die Ergebnisse tatsächlich verbessern würde. Wir könnten eine Korrelation mit einem kausalen Zusammenhang verwechseln und eine falsche Entscheidung treffen. Kausale Schlussfolgerungen helfen uns dabei, festzustellen, wann Zusammenhänge tatsächlich kausal sind, sodass wir die Erkenntnisse nutzen können, um Entscheidungen, klinische Leitlinien und Empfehlungen zu untermauern.

Ich sehe dies auch in einem weiteren Sinne als Teil der translationalen Forschung. Indem wir die Ausbildung von Forscher*innen in der Analyse, Bewertung und Kommunikation von Forschungsergebnissen verbessern, können wir die Qualität der Wissenschaft selbst steigern. Dies kann dazu beitragen, dass gute Forschung in die Praxis umgesetzt wird und letztendlich den Patient*innen zugutekommt.