Unser heutiger Gast im Podcast ist Sebastian Scharf. Er ist wissenschaftlicher Mitarbeiter am Institut für Medizinische Mikrobiologie und Krankenhaushygiene und forscht im Use Case Gesundheit der Manchot Forschungsgruppe "Entscheidungsfindung mit Hilfe von Methoden der Künstlichen Intelligenz”.

Dort beschäftigt er sich mit der Analyse von Daten hämatologischer Patient*innen nach der Stammzelltransplantation mit dem langfristigen Ziel den Heilungsprozess zu verbessern und Begleiterscheinungen zu vermeiden. In einem prospektiven Projekt wird DNA aus Stuhlproben von Patient*innen extrahiet und eine Darm-Mikrobiom-Analyse mittels Next-generation-sequencing durchgeführt. Wir erfahren, warum es nicht nur interessant ist, sich die Bakterien anzuschauen, sondern auch die Pilze. Es sollen Techniken entwickelt werden um mögliche Komplikationen frühzeitig vorherzusagen. Im zweiten retrospektiven Projekt werden klinische Daten von ca. 1000 Patient*innen mit Hilfe von Machine-Learning-Methoden analysiert um Korrelationen zu finden. Hier ist die Frage, ob es möglich ist, vor den Ärzt*innen zu sehen, wenn es Patient*innen schlecht geht, und dementsprechend frühzeitig in die Behandlung einzugreifen.

1:14 Vorstellung Sebastian Scharf 2:48 Projekt zu Stammzelltransplantationen im Use Case Gesundheit 7:01 Machine-Learning-Methoden im Projekt 9:04 Funktionieren ML-Methoden für das retrospektive Projekt besser als herkömmliche Methoden? 10:41 Verfügbarkeit der klinischen Daten 12:57 Nutzung von Deep-Learning-Methoden 14:30 Beispiele zur Transparenz von DL-Methoden 16:19 Mikrobiomanalyse mit datenwissenschaftlichen Methoden 20:41 Herausforderungen der Arbeit mit klinischen Daten 24:02 Interdisziplinäre Arbeit an der HHU 27:39 Gibt es im Jahr 2035 das voll digitalisierte Krankenhaus? 28:53 Entweder-Oder-Fragen 31:01 PhD-Survival-Tipp

Ein Gespräch mit Sebastian Scharf und Dr. Joana Grah