Das Curriculum zur medizinischen Interessensförderung und interdisziplinären Netzwerkbildung für IT- und naturwissenschaftlichen Nachwuchs (CUMIN) ist ein innovatives, dreijähriges Qualifizierungsprogramm, das von der Universität Bielefeld und der Hochschule Bielefeld (HSBI) gemeinsam mit einem Netzwerk aus klinischen, wissenschaftlichen und unternehmerischen Partnern durchgeführt wird.
Die moderne Medizin wird zunehmend digitaler, und der Bedarf an interdisziplinären Experten, die sowohl technisches als auch medizinisches Verständnis mitbringen, wächst stetig. CUMIN wurde ins Leben gerufen, um diese Lücke zu schließen. Das Programm qualifiziert talentierten Nachwuchs aus den MINT-Fächern für eine erfolgreiche Forschungs- und Entwicklungstätigkeit im Zukunftsfeld eHealth.
Es richtet sich an promotionsinteressierte Masterstudierende aus nicht-medizinischen MINT-Fächern sowie an Promovierende aus angrenzenden interdisziplinären Bereichen. Ziel ist die Vorbereitung auf eine wissenschaftliche Tätigkeit im Bereich eHealth durch die Vermittlung von Fachwissen, die Durchführung von Projekten und den Aufbau eines nachhaltigen professionellen Netzwerks.
Das Programm richtet sich gezielt an zwei Gruppen:
Das CUMIN-Programm verfolgt zwei primäre Ziele:
Zertifizierte Qualifikation
Das Curriculum erstreckt sich über drei Jahre und ist in sechs Module gegliedert. Der Aufbau kombiniert intensive Präsenzphasen mit flexibler Online-Zusammenarbeit:
Die thematischen Schwerpunkte umfassen eHealth-Bereiche wie:
Digitalisierte Versorgungsdaten sind eine zentrale Grundlage für die medizinische Forschung und Innovation. Dieses Modul verdeutlicht die Bedeutung von Datenplattformen, die qualitativ hochwertige und institutionsübergreifende Daten bereitstellen – exemplarisch am Beispiel der Deutschen Medizininformatik-Initiative (MII). Thematisiert werden zentrale Herausforderungen bei der Entwicklung solcher Plattformen, die Schaffung von Interoperabilität durch technische Lösungen sowie die Rolle einheitlicher Terminologien und Standards wie FHIR, SNOMED CT, ICD und LOINC.
Krankheiten entstehen oft durch komplexe dynamische Interaktionen. Die Systemmedizin zielt darauf ab, diese Zusammenhänge auf verschiedenen Ebenen (z.B. Genotyp, Phänotyp) zu verstehen, um neue Möglichkeiten zur Erkennung und Behandlung abzuleiten. Das Modul vermittelt, wie durch mathematische, statistische und KI-Methoden (z.B. "graph neural networks") Wechselwirkungen in großem Maßstab analysiert werden. Ein Schwerpunkt liegt auf Omics-Analysen (Proteomics, Genomics etc.), um Biomarker für die Präzisionsmedizin zu identifizieren.
Real-World-Daten (RWD) sind Beobachtungsdaten, die außerhalb klassischer klinischer Studien erhoben werden und wertvolle Einblicke in die Wirksamkeit medizinischer Interventionen in der Versorgungspraxis bieten. Die Aufbereitung dieser Daten zu wissenschaftlich fundierten Erkenntnissen wird als Real-World-Evidence (RWE) bezeichnet. Dieses Modul vermittelt die methodischen Grundlagen der RWE-Generierung, stellt zentrale Datenquellen – von Routinedaten über elektronische Patientenakten bis hin zu Sensordaten – vor und vertieft statistische Analysemethoden anhand praxisnaher Beispiele.
Künstliche Intelligenz gewinnt zunehmend an Bedeutung bei der Unterstützung von Ärztinnen und Ärzten in Diagnostik und Therapie. Zentrale Grundlage sind maschinelle Lernverfahren, die Muster aus Versorgungsdaten erkennen und nutzbar machen. Das Modul führt in die Grundlagen des maschinellen Lernens sowie in das Design und die Umsetzung klinischer Assistenzsysteme ein. Ein besonderer Fokus liegt auf Methoden zur Erklärbarkeit von KI-Empfehlungen sowie auf Strategien zur Sicherung von Fairness und Passgenauigkeit für unterschiedliche Patientengruppen.
In diesem Modul wenden die Teilnehmenden das erlernte Wissen praktisch an, indem sie ein eigenes Projekt zu einem der behandelten Themengebiete durchführen. Das Ziel ist die Vertiefung der Inhalte und der methodischen Fähigkeiten durch selbstständiges Arbeiten unter der Betreuung erfahrener Wissenschaftler. Die Vorbereitung und Konzeption der Gruppenprojekte erfolgt im Rahmen eines einwöchigen Hackathons.
Im abschließenden Modul entwickeln die Teilnehmenden ein individuelles Exposé für eine weiterführende wissenschaftliche Arbeit, wie zum Beispiel eine Master-Arbeit oder eine Promotion. Sie werden dabei begleitet, ein passendes Forschungsthema zu finden, konkrete Fragestellungen zu definieren und eine geeignete Methodik für ihr Vorhaben zu wählen.