BSM 2019

Erstmals im BIMSB-Gebäude: Berlin Summer Meeting 2019

Um Big Data und maschinelles Lernen in der Biomedizin ging es beim diesjährigen „Berlin Summer Meeting“ am Berliner Institut für Medizinische Systembiologie (BIMSB). Internationale Expertinnen und Experten sprachen darüber, wo Chancen und Grenzen der Künstlichen Intelligenz liegen.

Künstliche Intelligenz ist in unserem Alltag bereits allgegenwärtig. Selbstlernende Programme wie „Alexa“ oder „Siri“ verstehen Sprache oder erkennen auf unseren Urlaubsfotos automatisch die Gesichter von Freunden und Familie. „Auch für die biomedizinische Forschung ist maschinelles Lernen mittlerweile unverzichtbar“, sagt Uwe Ohler, Bioinformatiker am Berliner Institut für Medizinische Systembiologie des Max-Delbrück-Centrums für Molekulare Medizin (MDC). „Wir nutzen Computer, um aus großen Datenmengen neue Erkenntnisse zu gewinnen.“ Selbstlernende Programme erkennen darin selbstständig Muster und Gesetzmäßigkeiten, ziehen Rückschlüsse und treffen Vorhersagen, liefern Ergebnisse, die Diagnose, Behandlung und Prävention von Krankheiten verbessern. Schon vor 20 Jahren halfen sie beim Humangenomprojekt, die Gesamtheit des menschlichen Erbguts zu entziffern.

Maschinelles Lernen war auch das Thema des diesjährigen „Berlin Summer Meeting“, das vom 19. bis 21. September am Berliner Institut für Medizinische Systembiologie (BIMSB) stattfand. Bereits seit elf Jahren treffen sich zu diesem Symposium alljährlich Wissenschaftlerinnen und Wissenschaftler unterschiedlicher Fachdisziplinen, um sich über die Grenzen ihrer eigenen Forschungsfelder hinaus auszutauschen. Unter dem Titel „Methods, Models and Myths – From Machine Learning to Biomedical Understanding“ kamen auch in diesem Jahr wieder sowohl Mathematiker, Informatiker oder Physiker als auch Biologen, Mediziner, Pharmakologen oder Biotechnologen zusammen, um Vorträge zu hören und über aktuelle Entwicklungen zu diskutieren.

Dem Rechner genau definieren, was seine Aufgabe ist

Die geladenen Redner von Universitäten aus unterschiedlichen Ländern zeigten die große Bandbreite an Möglichkeiten, wie maschinelles Lernen in Biologie und Medizin eingesetzt werden kann. So sprachen sie zum Beispiel über die Computeranalyse von Texten oder Bildmaterial, die als wissenschaftliche Artikel oder Krankenbefunde oder in Form von Röntgenbildern oder MRT-Aufnahmen in wachsender Zahl zur Verfügung stehen. Sie berichteten darüber, wie sich Krankheitsverläufe über die Daten von Krankenversicherten analysieren lassen, die seit zehn Jahren über Chipkarten gesammelt wurden. Und natürlich ging es auch darum, welche Rolle maschinelles Lernen in der Genetik spielt, die versucht, Verbindungen zwischen Varianten des Erbguts und Anfälligkeiten für Krankheiten zu finden. Auch das Thema „Personal Genome“ wurde in diesem Zusammenhang diskutiert.

Künstliche Intelligenz kann immer nur so gut sein, wie die Daten, die zur Verfügung stehen.
Prof. Dr. Uwe Ohler
Uwe Ohler Leiter der Arbeitsgruppe „Bioinformatik der Genregulation“

„Künstliche Intelligenz kann aber immer nur so gut sein, wie die Daten, die zur Verfügung stehen“, sagt Uwe Ohler. Die Menschen dahinter müssten das zu lösende Problem zudem selbst sehr gut verstehen, um dem Rechner genau zu definieren, was seine Aufgabe ist. „Es soll deswegen bei diesem Treffen nicht nur um die aktuellen Möglichkeiten, sondern auch um die Grenzen dessen gehen, was sich mit maschinellem Lernen bereits erreichen lässt“, sagt Uwe Ohler.

Zum ersten Mal fand das Berlin Summer Meeting im neuen Gebäude des BIMSB in Berlin-Mitte statt - in direkter Nähe zur Humboldt-Universität und zur Charité.

Weiterführende Informationen