Projekt 2: Data Science für medizinische Therapieinnovationen: von bayesianischer Entscheidungsfindung zu kausaler Ereigniszeitanalyse (verfügbar)

Die Entwicklung und Zulassung innovativer Arzneimittel ist ein Paradebeispiel der Anwendung datenwissenschaftlicher Methoden getreu der Maxime „Vertrauen in und Kontrolle von Algorithmen.“ Das Projekt entwickelt innovative biostatistische Methodologie, die den Bogen spannt von (bayesianisch informiertem) Decision Making, etwa im Rahmen von Basket Trials, in frühen Phasen der klinischen Entwicklung hin zu pivotalen Zulassungsstudien unter Verwendung kausaler Event History Analyse, jedoch auch sogenannte „Real World Data“ (im Unterschied zu klinischen Studien) nicht außer Acht lässt. Ein methodischer Link wird die Entwicklung bayesianisch informierter Ereigniszeitanalyse sein mit dem Ziel, Data Safety and Monitoring Boards in interimer Entscheidungsfindung zu unterstützen. „Data Science Explainability“ wird einerseits durch die bayesianische Anreicherung bestehenden Wissens durch neue Erfahrung und andererseits durch zeitdynamische Kausalitätsmodelierung sichergestellt.
 

Erstbetreuer:

Prof. Dr. Kathrin Stucke-Straub, Technische Hochschule Ulm

 

Tandempartner:

Prof. Dr. Jan Beyersmann, Institut für Statistik, Universität Ulm

 

Beratende Experten:

Prof. Dr. Hans Kestler, Institut für medizinische Systembiologie, Universität Ulm

Prof. Dr. Michael Munz, Technische Hochschule Ulm