Dr. Narges Ahmidi

Kreatives Forschen: Einsicht ermöglicht Maschinen komplexes Lernen

Verständnis und Einsicht – überflüssige Fähigkeiten, um Maschinen beizubringen, medizinische Standards in Krankenhäusern zu optimieren? Narges Ahmidi ist überzeugt vom Gegenteil: Die neue Leiterin des Teams ‚Machine Learning for Optimization of Patient Treatment’ am Institute for Computational Biology (ICB) entwickelt auf dieser Basis komplexe mathematische Strategien für eine verbesserte Patientenversorgung.

Dr. Narges Ahmidi, Institute for Computational Biology (ICB). Quelle: Helmholtz Zentrum München

Schon als Kind hat Dr. Narges Ahmidi viel gelesen. Bildhaft hat sie die Buchszenarien in ihrem Kopf aufleben lassen und selbst oft die Rolle der Hauptperson eingenommen. Die Geschichten beflügelten ihre Fantasie und Kreativität. Dass sie mit dieser Fähigkeit heute Computer dazu bringt, die Patientenversorgung im Krankenhaus zu verbessern, verdankt sie ihrer zweiten Begabung – ihrem ausgeprägten mathematischen Verständnis. Die Synergie dieser beider Anlagen ist Ahmidis Formel zum Erfolg. Ihr persönliches Schlüsselerlebnis hatte sie mit 16 Jahren: Während eines Programmierkurses an ihrer Schule fühlte sie beide tief verwurzelten Neigungen auf einen Schlag befriedigt. „Es war das erste Mal, dass ich einen Computer bediente und das erste Mal, dass ich mich mit kreativer Mathematik beschäftigte“, erinnert sie sich. „Es hatte mich sofort gepackt und bis heute nicht mehr losgelassen!“

Programmieren mit Fantasie

In Fachkreisen weiß man, dass neue mathematische Strategien nicht rein analytisch entwickelt werden, sondern dass neben einem ausgeprägten Gespür für Zahlen, Rechenbeziehungen und geometrische Muster vor allem mathematische Fantasie das intuitive und bildliche Denken mathematisch begabter Menschen prägt. Ahmidi ist eindeutig einer von ihnen: Aufgewachsen im Iran studierte sie ‚Computer Engineering’  und ‚Artifical Intelligence’ an der Tehran Polytechnic University, wurde mit dem ‚Iranian Presidential Award of Young Scientists’ und dem ‚IEEE Student Award’ ausgezeichnet und hielt Vorlesungen an der Universität von Teheran. Führungsqualitäten erwarb sich die vielseitige Wissenschaftlerin als Projektmanagerin und leitende Softwareingenieurin am Institut für Telekommunikation und Geografische Forschung in Teheran. Sie promovierte später in Informatik an der Johns Hopkins University in Baltimore, USA. Hier spezialisierte sie sich in den Gebieten ‚Medical Robotics’ und ‚Computer Assisted Surgery and Machine Learning‘.

Heute forscht Ahmidi immer noch an der Johns Hopkins University. Mit ihrem vierzehnköpfigen Team erfasst sie Patientendaten, damit später Maschinen die beste Strategie zur Patientenversorgung ermitteln. ‚Machine Learning‘ ist ihre Mission. „Ein Patient wird vor und nach einer Operation routinemäßig versorgt, ein Großteil ist sogar während des Eingriffs Routine“, erklärt die Ingenieurin. Aus diesen Abläufen stehen ihr eine große Zahl statistischer Daten zur Verfügung. „Ich nutze sie, um herauszufinden, welche Behandlungsrichtlinien Komplikationen verhindern, also dafür sorgen, dass der Patient schneller und stabiler wieder entlassen werden kann.“

Trainierte Zahlen

Tatsächlich trainiert Ahmidi aber Algorithmen: Sie speist Daten, also Beschreibungen der Situation und klinische Ereignisse, in den Computer. Dieser interpoliert diese Kombinationen und bekommt so „ein Gefühl“ für die Realität. Nach diesem Training kann das Programm dann selbst Vorhersagen für weitere Ereignisse treffen, zum Beispiel vor Komplikationen warnen, bevor diese eintreten oder die Qualität von Behandlungsschritten für jeden Patienten individuell bewerten. „Und zwar ohne, dass diese subjektiv gefärbt wären“, erklärt die Ingenieurin. „Und umso präziser, je mehr Daten zur Verfügung stehen.“

Zwei Terabyte Daten

Von ihrer Arbeit profitieren Patient, Arzt und Krankenhaus: Wenn ihre mathematischen Modelle die beste Therapie errechnen, haben Ärzte automatisch einen effizienten und damit kostensparenden Behandlungsplan und die Klinikleitung weiß, in welchen Bereichen sinnvoll investiert werden muss. Mit ihrer Doppelfunktion als Leiterin des Teams ‚Machine Learning for Optimization of Patient Treatment‘ am ICB des Helmholtz Zentrum München sowie des Teams an der Johns Hopkins University kann die Forscherin dieses Vorhaben nun optimal verwirklichen: Jetzt entwickelt Ahmidi zusammen mit Prof. Fabian Theis – der Institutsleiter des ICB ist Experte im Bereich ‚Computional Biology‘ – die Methoden, die Maschinen befähigen, effiziente Behandlungsstrategien zu errechnen.

Basis hierfür sind mehr als zwei Terabyte realer Daten aus Baltimore. Die neue Arbeitsgruppenleiterin nutzt also nicht nur die Kompetenz des ICB, sondern unterstützt auch dessen anwendungsorientierte Ausrichtung. Sie sagt: „Ich will ‚digital healthcare‘ in Deutschland etablieren.“

Die Teheranerin schätzt die Expertise am ICB und freut sich auch über das offene, interkulturelle Klima. „Die Mitarbeiter arbeiten zielorientiert über kulturelle und fachliche Grenzen hinweg kooperativ zusammen“, sagt sie. Ihre Fantasie und Empathie, in andere Rollen schlüpfen zu können, hilft ihr auch hier: „Ich finde es spannend, mich in die Denkweise sowohl von Medizinern als auch Ingenieuren einzufühlen und finde es sehr inspirierend, interdisziplinär zu arbeiten.“

Wir verwenden Cookies um Ihnen den Besuch der Webseite so angenehm wie möglich zu machen. Wir benötigen Cookies um die Dienste ständig zu verbessern, bestimmte Features zu ermöglichen und wenn wir Dienste bzw. Inhalte Dritter einbetten, wie beispielsweise den Videoplayer. Durch die Nutzung unserer Webseite stimmen Sie der Nutzung von Cookies zu. Wir verwenden unterschiedliche Arten von Cookies. Hier haben Sie die Möglichkeit, Ihre Cookie-Einstellungen zu personalisieren:

Einstellung anzeigen.
In unserer Datenschutzerklärung finden Sie weitere Informationen.

Dort können Sie Ihre Cookie-Einstellungen jederzeit ändern.