Künstliche Intelligenz gilt als große Hoffnung für die Medizin: Sie soll Muster in Krankheitsverläufen erkennen, Diagnosen verbessern und personalisierte Therapien ermöglichen. Doch was passiert, wenn nur kleine Datenmengen zur Verfügung stehen – z. B. bei seltenen Krankheiten oder in kleinen Studien?
Genau dieser Frage widmete sich der internationale Workshop „Data Augmentation and Imputation Methods for Health Data“ in Hannover.
Drei Tage lang diskutierten rund 30 Wissenschaftler:innen aus verschiedenen Ländern, wie sich KI-Modelle auch unter datenarmen Bedingungen sinnvoll trainieren lassen – durch Methoden wie Data Augmentation oder Imputation. Ziel: die Potenziale von KI auch dort zu nutzen, wo Big Data (noch) fehlt.
Mehr zum Workshop und den Ansätzen unter: https://www.bremen-research.de/einblicke/workshop-zu-small-data-ki-in-der-medizin
