Das Clinomic AI Lab ist die zentrale Forschungsabteilung von Clinomic und widmet sich intensiv den Anwendungen von Künstlicher Intelligenz sowie IoT direkt am Patientenbett.
Das Clinomic AI Lab bündelt nicht nur unsere akademische Forschung, sondern auch unser Intellectual Property-Portfolio. Damit stärken wir unsere Position als Vorreiter in der medizinischen KI-Innovation. Jedes unserer Forschungsvorhaben verfolgt das klare Ziel, die Patientenversorgung nachhaltig zu verbessern. Dabei sind wir stets von unserer ethischen Verantwortung für kritisch kranke Patienten geleitet. Durch unsere gemeinsamen Anstrengungen streben wir eine Zukunft an, in der die Intensivmedizin durch die Präzision der künstlichen Intelligenz nahtlos optimiert wird.
Mitglieder des Clinomic AI Lab
Ahmed Hallawa
Abteilungsleiter
Dr. Jubin Shah
Bioinformatiker
Roney Mathew
Ingenieur für maschinelles Lernen
Cagatay Sariman
Ingenieur für maschinelles Lernen
Hendrik Laux
Ingenieur für maschinelles Lernen, Visuelle Verarbeitung
Maike Gronholz
Medizinische Werkstudentin
Dr. Arne Peine
Medizinischer Berater
Dr. Lukas Martin
Wissenschaftlicher Berater
Unsere Forschungsprinzipien
Interdisziplinäre Synergie
Unsere Arbeit basiert auf der Zusammenarbeit zwischen KI-Experten, Medizinern und führenden Universitäten zur Entwicklung innovativer Lösungen in der Intensivmedizin.
Daten und Evidenz
Data first. Strikte, datenbasierte Forschungsmethoden garantieren höchste Standards in Bezug auf klinische Relevanz, Evidenz und Genauigkeit.
Verantwortung
Beim Umgang mit Daten gelten für uns die höchsten Standards in Bezug auf Datenschutz, Vertraulichkeit und Transparenz – ohne Kompromisse.
„In der komplexen Synergie von Daten und klinischen Entscheidungen auf der Intensivstation nutzen wir die Technologie nicht nur als Werkzeug, sondern als Partner. Jede Innovation, die wir fördern, ist ein Beweis für unser Engagement für bessere Ergebnisse und eine bessere Zukunft.“
Ahmed Hallawa
Abteilungsleiter des Clinomic AI Labs
Publikationen und Konferenzen
Nature Partner Journal Digital Medicine
Development and Validation of a Reinforcement Learning Algorithm to Dynamically Optimize Mechanical Ventilation in Critical Care
Nature Scientific Reports
Two-Stage Visual Speech Recognition for Intensive Care Patients
Emerging Microbes and Infections
Perception of the 2020 SARS-CoV-2 Pandemic among Medical Professionals in Germany
JMIR Medical Informatics
Telemedicine in Germany during the COVID-19 Pandemic: Multi-Professional National Survey.Only 135 characters allowed.
EvoStar
On the Use of Evolutionary Computation for In-Silico Medicine: Modelling Sepsis via Evolving Continuous Petri Nets.” In Applications of Evolutionary Computatio
Pneumologie
Perception of the COVID-19 Pandemic among Pneumology Professionals in Germany
JMIR Medical Informatics
Standardized comparison of voice-based information and documentation systems to established systems in Intensive Care: A Cross-Sectional study.
JMIR Medical Informatics
Predicting abnormalities in laboratory values for patients in the intensive care unit using deep artificial neural networks
European Urology Focus
Impact of the COVID-19 Pandemic on Urologists in Germany
Anästhesiologie & Intensivmedizin
Artificial Intelligence and Machine Learning in Intensive Care Research and Clinical Application.
International Journal of Computational Intelligence Systems
A Novel Hybrid Methodology for Anomaly Detection in Time Series. International Journal of Computational Intelligence Systems
AINS
Artificial Intelligence: Challenges and Applications in Intensive Care
Der Anaesthesist
Was Ist Neu… Einsatz von Künstlicher Intelligenz in der Intensivmedizin.
JMIR Medical Informatics
A Deep Learning Approach for Managing Medical Consumable Materials in Intensive Care Units via Convolutional Neural Networks: Technical Proof-of-Concept Study
MECO
A Machine Learning Approach for the Classification of Disease Risks in Time Series
MIPRO
A Novel NLP-Fuzzy System Prototype for Information Extraction from Medical Guidelines.
IEEE SAMI
Incremental Parameter Estimation of Stochastic State-Based Models.
Big Data Analytics for Cyber-Physical Systems
Machine Learning in Future Intensive Care—Classification of Stochastic Petri Nets via Continuous-Time Markov Chains
GECCO
Evo-RL: Evolutionary-Driven Reinforcement Learning
GECCO
Exploration of unknown environments via evolution of behavioral and morphological properties of miniaturized sensory agents
Neuigkeiten aus dem Clinomic AI Lab
Wir danken den Unterstützern unserer Forschungsarbeit
Werde Teil unserer Mission
Karriere in unserem Clinomic AI Lab
Du willst das Leben kritisch kranker Patient:innen positiv beeinflussen? Wir suchen brillante Köpfe mit unterschiedlichen wissenschaftlichen Hintergründen. Sende uns deinen Lebenslauf und wir kontaktieren dich schnellstmöglich. Bei weiteren Fragen kannst du uns eine Email schreiben: careers@clinomic.ai
