Skip to main content

Georg Langs übernimmt Professur für Machine Learning in Medical Imaging

Leiter des Computational Imaging Research Lab an der MedUni Wien
Alle News

(Wien, 01-06-2021) Georg Langs hat mit Anfang Juni 2021 die Professur für Machine Learning in Medical Imaging angetreten. Langs leitet das Computational Imaging Research Lab an der Universitätsklinik für Radiologie und Nuklearmedizin der MedUni Wien.

Georg Langs hat an der Technischen Universität Wien Mathematik studiert, wo er einen Masterabschluss erwarb und 2007 erhielt er an der Technischen Universität Graz ein Doktorat in Informatik. Von 2007 bis 2008 war er Post-Doktorand am Labor für Angewandte Mathematik der Ecole Central de Paris und Mitglied der GALEN-Gruppe am INRIA Saclay, Ile-de-France. Von 2009 bis 2011 war er Research Scientist am Computer Science and Artificial Intelligence Lab am Massachusetts Institute of Technology, wo er weiterhin Research Affiliate bleibt und einen Teil des Jahres am MIT als Mitglied der Medical Vision Group verbringt.
An der Medizinischen Universität Wien leitet er das Computational Imaging Research Lab am Department für Biomedizinische Bildgebung und bildgeführte Therapie. Am 1. Juni wurde er zum Professor für Maschinelles Lernen in der medizinischen Bildgebung an der Medizinischen Universität Wien ernannt.

Maschinelles Lernen in der medizinischen Bildgebung
Maschinelles Lernen wird zu einem immer wichtigeren Bestandteil der Präzisionsmedizin. Es ist unerlässlich für die Vorhersage des individuellen Krankheitsverlaufs und des Ansprechens auf eine Behandlung auf der Grundlage umfangreicher Daten wie Bildgebung, Genomik, Anamnese oder klinischer Informationen.

„Es reicht nicht aus, maschinelles Lernen zur Automatisierung zu nutzen – das tun wir bereits. Der wichtigste Beitrag von maschinellem Lernen wird sein, uns zu helfen, etwas Neues zu entdecken: Das Vokabular der Muster zu erweitern, die zu Behandlungsentscheidungen führen oder uns neue Zusammenhänge aufzeigen.“

Georg Langs strebt an, die wissenschaftliche Arbeit im Bereich des maschinellen Lernens und der Präzisionsmedizin tiefgreifend zu integrieren, damit die daraus resultierenden Modelle nicht nur Vorhersagen treffen können, sondern uns Kenntnisse über die zugrunde liegenden Krankheits- und Reaktionsmechanismen liefern. Diese wachsende Rolle des maschinellen Lernens ist von entscheidender Bedeutung, da es Teil der Entwicklung neuer Behandlungen und der Entdeckung von Phänotypen wird, die maßgebend für Behandlungsentscheidungen sind.

„Fortschritt ist nur in interdisziplinären Forschungsteams möglich, die tagtäglich Fachwissen und Intuition in maschinellem Lernen, klinischer Bildgebung und Präzisionsmedizin zusammenbringen. Die Medizinische Universität Wien bietet dafür ein perfektes Umfeld“, sagt Langs.