Am 16.2.2022 fand die Mitgliederversammlung des German Chapter of the ACM statt. Neben Berichten über die Aktivitäten des Chapters war die Keynote von Prof. Dr. Marc Aubreville zum Thema „Weights and Biases – was maschinelles Lernen von klinischen Studien lernen kann“ ein Highlight dieses gelungenen Abends. Vielen Dank für die spannenden Einblicke, Marc!
Abstract
Weights and Biases – was maschinelles Lernen von klinischen Studien lernen kann
Kaum ein Bereich hat sich in den letzten Jahren so rasant entwickelt wie der des maschinellen Lernens. Ohne Deep Learning-Modelle wären Spracherkennung und -übersetzung aber auch Bilderkennungsalgorithmen weit weniger performant. Gleichzeitig hat durch quelloffene, gut dokumentierte und nutzerfreundliche Tools eine Demokratisierung des maschinellen Lernens eingesetzt, die es ermöglicht hat, die Methode in die Breite zu tragen und in vielen Spezialanwendungen einzusetzen.
Aus einer Reihe von Gründen, die im Vortrag beleuchtet werden, sehen wir in jüngster Zeit allerdings auch die Publikation von Methoden die zwar gute Ergebnisse vermelden, die aber gleichzeitig in der Praxis gehäuft versagen. Es werden also Effekte beobachtet, die eher zufälliger Natur sind und/oder sich auf einem anderen Kollektiv nicht reproduzieren lassen. Solche Herausforderungen sind in der Praxis klinischer Studien schon lange bekannt – und lassen sich auf das maschinelle Lernen übertragen.
Kurzvita
Prof. Dr. Marc Aubreville schloss sein Studium der Elektro- und Informationstechnik mit Spezialisierungsrichtung Biomedizinische Technik am Karlsruher Institut für Technologie 2009 ab. Direkt im Anschluss entwickelte er bei Siemens Audiologische Technik (heute: WS Audiology) Signalverarbeitungsalgorithmen für Hörgeräte und war später im selben Unternehmen als Systemarchitekt tätig, wo er die Felder Schnittstellendesign und maschinelles Lernen verantwortete. 2016 begann er zudem nebenberuflich ein Promotionsvorhaben im Bereich der KI-gestützten Tumordiagnose auf Mikroskopiebildern am Lehrstuhl für Mustererkennung der Friedrich-Alexander-Universität Erlangen-Nürnberg, welches er 2020 mit Auszeichnung abschloss. Im selben Jahr wurde er an der Technischen Hochschule Ingolstadt zum Forschungsprofessor für das Gebiet Bildverstehen und medizinische Anwendung der KI berufen. Seine Forschungsinteressen umfassen erklärbare KI-Modelle, Integration von KI-unterstützten Algorithmen in klinische Anwendungen sowie die Interaktion von Menschen mit Algorithmen und die daraus resultierenden Auswirkungen.
Über die TH Ingolstadt
Die Technische Hochschule Ingolstadt (THI) zählt zu den bundesweit forschungsstärksten Fachhochschulen mit einem Drittmittelvolumen von 20 Millionen Euro und einem Forschungsvolumen von 22 Millionen Euro. Am Campus Ingolstadt arbeiten aktuell 692 Mitarbeiter (davon 222 wissenschaftliche Mitarbeiter und 161 Professoren) und betreut 6.030 Studierende in 65 technischen und wirtschaftswissenschaftlichen Bachelor- und Master-Studiengängen. Als bayerischer KI-Mobilitätsknoten AImotion Bavaria baut die THI, unterstützt durch die Hightech-Agenda Bayern, ein Zentrum für Künstliche Intelligenz mit rund 100 wissenschaftlichen Mitarbeiterinnen und Mitarbeitern auf. Neben den Schwerpunkten Mobiltität und künstliche Intelligenz etablierte die THI auch jüngst das Studienfeld Life Sciences an der Schnittstelle zwischen Wirtschaft, Technik und Medizin bzw. Biologie mit drei neuen Studiengängen.
Marc-Oliver is Vice President of the German Chapter of the Association for Computing Machinery (ACM) (https://germany.acm.org/), he coordinates the Future Education activities of the German-French Academy for the Industry of the Future (https://future-industry.org/).
Marc-Oliver’s research focus is on a holistic approach to cybersecurity. He works on security-by-design, anomaly detection, human-in-the-loop, and automation. His goal is making cybersecurity manageable, resulting in highly resilient and reliable systems. Marc-Oliver publishes regularly in the network and service management and security communities.
Marc-Oliver is an experienced teacher and an eLearning pioneer. He developed multiple awarded teaching concepts and teaches continuously at university level since 2004. Besides specialized audience, he runs multiple activities for fostering a dialog between science and society, including https://talk.cybercni.fr, https://future-iot.org, and https://being-human-with-algorithms.org.