Wie analysiert man Gesundheitsdaten?
Modul 2 behandelt zum einen die unterschiedlichen Möglichkeiten der Datenanalyse und welche Erkenntnisse sich aus den Analyseergebnissen ziehen lassen. Mithilfe statistischer Verfahren wie Regressionen, Random Forest und Nearest-Neighbor-Klassifikationen werden Teilnehmende in Machine-Learning-Strukturen eingeführt und anhand verschiedener Datensätze werden Analyse-Methoden z.B. mit R und Python angewandt. In Use Cases, z.B. aus dem Bereich Clinical Decision Support Systeme für Diagnostik, wird vermittelt, wie algorithmische Entscheidungsmodelle funktionieren. Zum anderen werden in Modul 2 die Funktionsweise, Potenziale und Grenzen von Künstlicher Intelligenz im Gesundheitssektor diskutiert und die Entwicklung von medizinischer, regulierter KI im Unterschied zu nicht-regulierten Modellen aufgezeigt. In diesem Zusammenhang wird auch für die ethischen Herausforderungen bei Data Analytics und KI-basierten Modellen sensibilisiert. Ein Überblick zur Blockchain-Technologie und deren Einsetzmöglichkeit speziell in der Healthcare-Industrie runden das Modul 2 ab.
Schlüsselqualifikationen
- Decision Support Systeme im medizinischen Umfeld
- Statistical Learning
- Datenvisualisierungen
- Explainable und Ethical AI
- Neuronale Netzwerke
- Signal Processing
- Blockchain-Technologie
Sie haben Fragen?

Nehmen Sie Kontakt auf!
Barbara Rave
Teilnehmende kennen die Grundlagen verschiedener Data Analytics-Methoden und können diese einschätzen. Sie kennen verschiedene statistische Verfahren und Lernmethoden und können diese in Grundzügen anwenden. Sie wissen um die besonderen Herausforderungen von KI in der Gesundheitsbranche und können darauf aufbauend Handlungsbedarfe und Empfehlungen ableiten. Teilnehmende wissen, was Blockchain-Technologie ist und wie man diese im Gesundheitssektor im Zusammenhang mit Gesundheitsdaten sinnvoll einsetzen kann.

Manuel Bierwirth ist Service Delivery Manager Healthcare Business Analytics bei Merck Group. Er begann seine berufliche Laufbahn 2002 bei Merck Finance IT. Seit 2021 ist er Business Intelligence Stream Lead Healthcare Italy + Switzerland und arbeitet als Projektteamleiter in einem globalen SAP und BI Roll-Out Programm. Als Alumnus des Pharma MBA-Programms der Goethe Business School bringt er einschlägige Expertise in den Schwerpunkten Healthcare Business Intelligence, Geschäftsprozess- und digitale Transformationsprojekte, Pharmadaten, Pharmamarkt- und Teilnehmendendaten mit in dieses Zertifikatsprogramm.

Marco Cuomo ist der PharmaLedger-Architekt und verantwortlich für die Definition der Plattformtechnologie für ein Digital Trust Ecosystem im Gesundheitswesen, um Patienten und Partnern die Vorteile der Blockchain zu bieten. Er ist seit mehr als 17 Jahren bei Novartis in der Schweiz und verantwortlich für Design, Bereitstellung und Betrieb von Enterprise-Systemtechnologie. Als Director Tech Products & Innovation ist er verantwortlich für die Erforschung, Entwicklung und Implementierung neuer Technologien mit Schwerpunkt auf Blockchain und deren Anwendung in der Gesundheitsbranche. Er begann seine Karriere als Programmierer in der Softwareentwicklung in der Finanzbranche und war in den Bereichen Engineering, Operations, Service Management, Lösungsdesign und digitale Strategie tätig.

Daniel Fritz ist Executive Director der PharmaLedger Association, einer gemeinnützigen Organisation mit Sitz in der Schweiz mit dem Ziel, ein Digital Trust Ecosystem (DTE) im Gesundheitswesen zu ermöglichen und zu fördern. Die Association ist das Ergebnis eines 3-jährigen öffentlich-privaten PharmaLedger-Konsortiums mit 30 Mitgliedern, bei dem Dan als Branchenprojektleiter tätig war. Dan arbeitete 20 Jahre bei Novartis in der Schweiz und in Deutschland in den Bereichen Supply Chain, Fertigung und Systemarchitektur. Er verfügt über mehr als 30 Jahre Führungs- und Supply-Chain-IT-Erfahrung in der US-Armee sowie in der Finanz- und Pharmabranche. Er hat einen B.S. von der United States Military Academy in West Point und einen MBA von der Goethe-Universität und Duke’s Fuqua School of Business.

Prof. Dr. Martin Hirsch studierte Humanbiologie an der Philipps-Universität Marburg und promovierte in den Neurowissenschaften. Er gründete mehrere Unternehmen an der Grenze von Biomedizin und IT, und setzte seine Forschungsarbeit unabhängig fort. Sein spezielles Interessengebiet ist die Verknüpfung von kognitiver Neurowissenschaft, Wissensvermittlung durch visuelle Modelle und Technologien zur Unterstützung der menschlichen Entscheidungsfindung. Im Jahr 2010 gründete er zusammen mit Daniel Nathrath und Claire Novorol Ada Health, ein Gesundheits- und Technologieunternehmen, in dem er weiterhin in beratender Funktion tätig ist (www.ada.com).

Gabriel Krummenacher ist Principal Data Scientist & Team Lead bei Zühlke Group und verfügt über ein fundiertes Wissen in Large-scale Optimierung, Experimentellem Design und Überwachtem Lernen. Durch Projekte in den Bereichen Medizinische Datenanalyse und Defekterkennung im Bahnverkehr hat er Erfahrung in angewandtem Machine Learning gewonnen. Seine Schwerpunkte liegen in den Themen Künstliche Intelligenz, Maschinelles Lernen und Experimentelles Design.

Prof. Dr. Uwe Walz ist Akademischer Direktor dieses Programms und ist Co-Direktor des Doktorandenprogramms in Volkswirtschaftslehre an der Goethe-Universität. Prof. Walz promovierte in Volkswirtschaftslehre an der Universität Tübingen und gehört zu den drei Gründungsdirektoren des Leibniz-Instituts für Finanzforschung SAFE (Sustainable Architecture for Finance in Europe). Seine aktuellen Forschungsschwerpunkte als Forschungsprofessor am Zentrum für Europäische Wirtschaftsforschung (ZEW) sind Private Equity, Entrepreneurial Finance und Vertragstheorie sowie die Ökonomie von Netzwerkindustrien.
Termine Modul 2 | Sessions |
---|---|
Freitag, 8. März 2024 - Samstag, 9. März 2024 | Präsenzveranstaltung, Campus Westend |
Freitag, 26. April 2024 - Samstag, 27. April 2024 | Präsenzveranstaltung, Campus Westend |
DATA ANALYTICS & KI IM GESUNDHEITSSEKTOR
Sie wollen wissen, wie man Gesundheitsdaten analysiert? Melden Sie sich für dieses Modul an!
Anmelden