Medical Machine Learning (MML) ist eine Forschungsgruppe am Institut für Künstliche Intelligenz in der Medizin (IKIM) des Universitätsklinikums Essen. Wir entwickeln Methoden des maschinellen Lernens und bringen sie in die Anwendung — mit dem Ziel, für Patientinnen und Patienten, für Ärztinnen und Ärzte und für die Mitarbeitenden der Klinik einen spürbaren Unterschied zu machen.
Ein verbreiteter Ansatz medizinischer Forschung heißt „from bench to bedside": Erkenntnisse aus dem Labor werden in neue Wege der Behandlung übersetzt. Analog dazu verfolgen wir den Weg „from code to clinic" — wir bringen unsere Algorithmen an den Ort der Versorgung und überführen sie in die klinische Praxis.
Gemeinsam mit einer digital denkenden Klinikverwaltung baut die Gruppe eine SMART-Krankenhaus-IT-Struktur weiter aus, die Zugang zu realen Versorgungsdaten schafft. Eine starke Förderung und modernste Ausstattung tragen diese Arbeit. Ein Schwerpunkt liegt auf unüberwachten Lernverfahren zur Erkennung onkologisch relevanter Muster in großen und komplexen Datenbeständen.
Wir arbeiten in Projekten für Forschung und Patientenversorgung mit vielen Partnern zusammen.
KI Translation Essen (KITE) ist unsere Plattform, um die Translation von KI in die klinische Praxis zu beschleunigen. Es ist der größte KI-GPU-Cluster innerhalb eines Krankenhauses in Deutschland, möglicherweise auch darüber hinaus, und erlaubt uns, in einer sicheren und geschützten Umgebung mit Patientendaten zu arbeiten.
Zudem stellen wir für viele nationale und internationale Projekte die Daten- und KI-Plattform bereit. Ein Beispiel ist RACOON (Radiological Cooperative Network), eine bundesweite föderierte Infrastruktur für kooperative radiologische Forschung und KI-Entwicklung, die Teil des Netzwerks Universitätsmedizin (NUM) ist. Weitere Beispiele sind zwei von der Deutschen Krebshilfe (DKH) geförderte Projekte: ONCOnnect, das die Vernetzung von Comprehensive Cancer Centern und regionalen Versorgern stärkt, um die Krebsversorgung in ganz Deutschland zu verbessern, und ONCOverse, das als Teil der Deutschen Allianz Pankreaskarzinom eine digitale Versorgungsplattform entwickelt, um Forschung und Behandlung des Bauchspeicheldrüsenkrebses zu verbessern.
MML erhielt seine Anschubfinanzierung über das Cancer Research Center Cologne Essen (CCCE) und ist heute Teil des NCT West. Wir arbeiten eng mit Prof. Nensa zusammen, der das Datenintegrationszentrum (DIZ) Essen aufgebaut hat, das wiederum auf der Smart Hospital Information Platform (SHIP) basiert. Gemeinsam mit dem Deutschen Krebsforschungszentrum (DKFZ) arbeiten wir an der Joint Imaging Platform (JIP) für verteilte, auf maschinellem Lernen basierende medizinische Bildanalyse.
Jens Kleesiek ist Principal Investigator an der Helmholtz Information & Data Science School for Health (HIDSS4Health) und im Deutschen Konsortium für Translationale Krebsforschung (DKTK). Er ist außerdem Mitglied von ELLIS (European Laboratory for Learning and Intelligent Systems), einem europaweiten Exzellenznetzwerk der KI-Forschung.
MML ist an mehreren Programmen und Netzwerken zur Förderung des wissenschaftlichen Nachwuchses beteiligt. Als Teil des ELLIS-Netzwerks bieten wir Promovierenden und Postdocs Vernetzung und Weiterbildung. Wir sind zudem an zwei DFG-Graduiertenkollegs beteiligt: WisPerMed (Wissens- und datenbasierte Personalisierung von Medizin am Point of Care) und AMTEC-PRO (Advanced Methods and Technologies for Proton Therapy). Darüber hinaus sind wir Teil von INSIDE:INSIGHT, einem EU-Doktorandennetzwerk mit Schwerpunkt auf Extended Reality im Gesundheitswesen. Unsere Gruppe nimmt am BRIDGE-Programm (Boston-Ruhr Initiative for Undergraduate and Graduate Student Exchange) teil, das Praktika in biomedizinischer Physik und Informatik für Studierende unter anderem der TU Dortmund, des Universitätsklinikums Essen, der Boston University, des MIT und des Massachusetts General Hospital der Harvard University vermittelt.
Darüber hinaus wirkt das IKIM am Aufbau der BVB-Gesundheitswelt mit, einem Gemeinschaftsprojekt der Universitätsmedizin Essen und des Bundesliga-Vereins Borussia Dortmund (BVB). Hier verbinden wir Sportmedizin und Künstliche Intelligenz über Prävention, Akutversorgung und Rehabilitation hinweg.
Das Institut für Künstliche Intelligenz in der Medizin (IKIM) ist ein klinisch-theoretisches Institut der Universität Duisburg-Essen und der Universitätsmedizin Essen. In interdisziplinären Teams aus Medizin, Informatik und Data Science forschen seine Gruppen an innovativen Methoden, um Diagnosen zu verbessern, Therapien zu personalisieren und medizinische Versorgung effizienter zu gestalten. Ziel ist es, Künstliche Intelligenz verantwortungsvoll in Klinik, Forschung und Ausbildung zu integrieren.
Das IKIM vereint medizinische Exzellenz, Informatik und internationale Spitzenforschung mit dem Ziel, Künstliche Intelligenz in die klinische Versorgung zu bringen. Von der ersten wissenschaftlichen Idee bis zur sicheren Anwendung im medizinischen Alltag entwickeln wir Technologien, die Diagnosen unterstützen und Therapien verbessern. Jede Anwendung entwickeln wir dabei mit einem klaren Fokus auf Vertrauen, klinische Relevanz und einen nachweisbaren Nutzen für Patientinnen und Patienten.
Damit diese Vision Wirklichkeit wird, muss wissenschaftliche Innovation den Weg in die klinische Praxis finden. Deshalb entwickeln wir nicht nur neue KI-Verfahren, sondern schaffen auch die technischen, organisatorischen und klinischen Voraussetzungen für ihren sicheren und nachhaltigen Einsatz. Wir bauen Plattformen, Infrastrukturen und Prozesse, die eine kontinuierliche Validierung, Überwachung und Weiterentwicklung ermöglichen. So befähigen wir Ärztinnen und Ärzte sowie Forschende weltweit, vertrauenswürdige KI verantwortungsvoll in die Praxis zu bringen.
Wir glauben an eine Zukunft, in der Diagnosen präziser, Therapien individueller und hochwertige Gesundheitsversorgung für mehr Menschen zugänglich werden. Das IKIM bringt Medizin, Informatik und Forschung zusammen, um diese Zukunft aktiv mitzugestalten. Fortschritt messen wir dabei nicht an der Komplexität von Modellen oder der Leistungsfähigkeit von Algorithmen, sondern an ihrem Beitrag für die Versorgung: an besseren Entscheidungen, wirksameren Therapien und einer Medizin, die trotz aller Innovation menschlich bleibt.
We treat patients — not data.
