Biomedizinische Zeitreihendaten aus Biosensoren, elektronischen Nasen oder anderen medizinischen Geräten sind häufig begrenzt, da ihre Erhebung kostspielig ist und Patientinnen und Patienten belasten kann.

Obwohl KI-/ML-Modelle für Zeitreihendaten aus anderen Bereichen, etwa dem Activity Tracking, gut etabliert sind, lassen sich nicht alle Entwicklungen direkt auf biomedizinische Daten übertragen.

Hier werden wir neuartige, dateneffizientere Methoden mit stärkerer Regularisierung bzw. stärkeren Priors entwickeln, die Domänenwissen von Expertinnen und Experten einbeziehen, um neue Modelle zu erstellen, die auch bei kleinen Datenmengen präzise und zuverlässige Vorhersagen ableiten können.