Skip to main content English

Forschung

Institut für Artificial Intelligence

Das Institut für Artificial Intelligence der Medizinischen Universität Wien beherbergt Forschungsgruppen, die sich auf verschiedene Bereiche der Methodik künstlicher Intelligenz und maschinellen Lernens sowie deren Anwendungen in Biologie und Medizin konzentrieren.

Maschinelles Lernen in der Biomedizin
(Christoph Bock)

Unsere Forschung kombiniert maschinelles Lernen mit Genomtechnologie, Einzelzellbiologie und Zelltechnik. Wir arbeiten an personalisierten Therapien für Krebs- und Immunerkrankungen. Wir sind Teil des European Laboratory for Learning and Intelligent Systems (ELLIS.eu) und des Human Cell Atlas. Weitere Informationen finden Sie unter: https://bocklab.org

Maschinelles Lernen für Vorhersagen und Signalverarbeitung
(Georg Dorffner)

Unsere Forschung konzentriert sich auf zwei Hauptbereiche: (a) der Anwendung von klassischem maschinellem Lernen auf Patientendaten zur Vorhersage von Krankheiten oder deren Verläufen und (b) dem Einsatz von Deep Learning und anderen Methoden zur Signalverarbeitung, insbesondere zur Interpretation von EEG und anderen elektrophysiologischen Signalen, wie beispielsweise der automatisierten Auswertung von Polysomnogrammen in der Schlafmedizin.

Trustworthy AI
(Matthias Samwald)

KI-Systeme entwickeln sich rasant und revolutionieren biomedizinische Forschung und klinische Praxis. Damit verbunden sind auch neue Herausforderungen und Risiken. Unsere Forschungsgruppe stellt sicher, dass fortgeschrittene KI-Systeme robust, interpretierbar und nützlich sind. Weitere Informationen: https://samwald.info/

Dynamics of Neural Systems
(Adam Gosztolai, ab 1. April 2024)

Unsere Forschung konzentriert sich darauf, zu verstehen, wie das Gehirn und KI-Systeme rechnerische Herausforderungen durch die dynamische Aktivität neuronaler Populationen lösen. Wir nutzen maschinelles Lernen, Geometrie und die Theorie dynamischer Systeme, um die Kluft zwischen biologischen und künstlichen Systemen zu überbrücken und Methoden zu entwickeln, die klinischen und breiteren wissenschaftlichen Anwendungen zugutekommen.

Deep-Learning-Methoden & Anwendungen
(<offene Stelle>)

Wir suchen eine:n Gruppenleiter:in / Assistenzprofessor:in mit dem Forschungsschwerpunkt Deep-Learning-Methodik und Anwendungen in der Medizin. Diese künftige Forschungsgruppe wird sich mit der Entwicklung von Methoden des maschinellen Lernens (z. B. Interpretierbarkeit, Kausalität, generative Modelle) sowie mit prototypischen Anwendungen in der Medizin oder biomedizinischen Forschung befassen.