Zum Hauptinhalt springen

Natur- und Lebenswissenschaften

Stefanie Warnat-Herresthal

E-Mail

stefanie.herresthal@dzne.de

Alter

32

Aktuelle Tätigkeit

Promovend*in


Institution

Systemmedizin am Deutschen Zentrum für Neurodegenerative Erkrankungen (DZNE); Life and Medical Sciences Institut (LIMES)

Bonn

Nordrhein-Westfalen

Biographie

My name is Stefanie Warnat-Herresthal and I am a PhD student at the Life and Medical Sciences Institute (LIMES) at the University of Bonn and at the department of Systems Medicine at the German Center for Neurodegenerative Diseases (DZNE) Bonn. My research focusses on applying new KI-based systems on clinical transcriptomics data to establish classifiers for the diagnosis of diseases such as acute myeloid leukemia, tuberculosis or COVID-19. Currently I am working on “swarm learning”, a new, decentralized machine-learning framework which enables collaborative learning across different clinical sites without the need for data sharing.

Prior to that that, I studied biology (B.Sc., 2014) and life and medical sciences (M.Sc., 2016) at the Rheinische Friedrich-Wilhelms University of Bonn. Additionally, I studied Philosophy (M.A., 2013) at the Munich School of Philosophy, with my research focus being epistemiology, philosophy of science and ethics. From 2008 to 2012 I worked at the Institute Technology – Theology – Natural Sciences at the Ludwigs-Maximilians University of Munich, where I engaged in the interdisciplinary dialogue between natural sciences and the humanities in various projects.

Fragestellungen im Themenfeld Künstliche Intelligenz

Meine Forschungsarbeit liegt im Schnittfeld zwischen Immunologie, Genomik und Informatik. Momentan beschäftge ich mich “Schwarm-Lernen” (SL), einem Ansatz, der gemeinsames KI-basiertes Lernen an verschiedenen Standorten ermöglicht, ohne dass dabei Daten geteilt werden müssen. Die Teilnehmer des Schwarms übergeben die Parameter ihrer lokalen Modelle an ein sicheres, blockchain-basiertes Netzwerk. Dort werden die Parameter selbstorganisiert kondensiert und an die Teilnehmer zurückgegeben, wodurch diese vom Wissen des Gesamtnetzwerks profitieren. Hochinteressant ist dies für die Anwendung in der Medizin, da hier sensible medizinischen Daten an unterschiedlichen Stellen generiert werdern, diese aber aufgrund strenger gesetzlicher Vorgaben nicht geteilt oder gar in eine zentrale Cloud geladen werden dürfen. SL haben wir bereits mit Erfolg auf Blut-Transkriptomdaten von Patienten mit Leukämie, Tuberkulose und COVID-19 angewandt und wir versprechen uns viele weitere mögliche Anwendungsfelder.