Subprojekt 2
Methoden-Toolbox und Infrastruktur für prädiktive Analytik
Diese Teilgruppe hat eine Service- und eine Wissenschaftskomponente. Erstere wird eine Infrastruktur für Datenintegration und -analyse sowie High-Performance Computing zur Verfügung stellen, während die zweite eine Methoden-Toolbox für die Prädiktion von Therapieerfolg bei Patient:innen mit internalisierenden Störungen zum Ziel hat. Innerhalb der Service-Komponente werden wir 1) die retrospektiven und prospektiven Daten der FOR datenschutzkonform allen beteiligten PIs zur Verfügung stellen und 2) Hardware für die Analyse von komplexen, biomedizinischen Daten mittels aufwändiger maschineller Lernverfahren bereitstellen. Innerhalb der Wissenschaftskomponente werden wir Methoden zur prädiktiven Analytik und maschinellem Lernen für die Einzelfallprädiktion des Behandlungserfolgs entwickeln. Dies wird sowohl störungsspezifisch innerhalb der internalisierenden Störungskategorien als auch transdiagnostisch erfolgen. Der Einfluss der verschiedenen Datendomänen, wie klinische Daten, ambulatorisches Assessment, elektrophysiologische Daten und Neurobildgebungsdaten, wird systematisch miteinander verglichen und unterschiedliche Methoden zur Datenfusion werden untersucht. Für die Analyse von Neurobildgebungsdaten werden wir insbesondere auch neuere Methoden aus dem Bereich des Deep Learnings, nämlich sogenannte Convolutional Neural Networks in Verbindung mit Transfer Learning, heranziehen.