An der interdisziplinären Forschungskonferenz «Graubünden forscht» stellten insgesamt 57 Nachwuchsforschende der Mitglieds- und Partnerinstitutionen der Academia Raetica verschiedenste Forschungsprojekte vor. Dabei sollten sie ihre jeweiligen Forschungsprojekte auf eine leicht verständliche Weise sowohl für Wissenschaftlerinnen und Wissenschaftler als auch für die breite Öffentlichkeit präsentieren. Der Anlass bot zudem zahlreiche Möglichkeiten, wertvolle Kontakte zu anderen Forschungsinstituten sowie privaten Unternehmen aus Graubünden für zukünftige Forschungsprojekte zu knüpfen. Prof. Dr. Helena Jambor unterstützte die Academia Raetica als Session Chair, wodurch sie mehrere Präsentationen moderierte.

Curdin Marxer, wissenschaftlicher Projektmitarbeiter am Institut für Data Analysis, Artificial Intelligence, Visualization, and Simulation (DAViS, nahm als Nachwuchsforscher an einer Podiumsdiskussion zum Thema «Responsible research: Ensuring ethical standards in science» teil. In der Diskussion berichteten junge Forscherinnen und Forscher über die unterschiedlichen Berührungspunkte mit potenziellen ethischen Konflikten in ihren jeweiligen Forschungsfeldern. Im Rahmen des laufenden Forschungsprojekts am DAViS in Zusammenarbeit mit dem Kantonsspital Graubünden erläuterte Curdin die Herausforderungen bei der Gewährleistung des Datenschutzes für Patienten bei der Verarbeitung biomedizinischer Daten für die Entwicklung von KI-Anwendungen. 

Vorstellung von laufenden DAViS Forschungsprojekten

Curdin Marxer präsentierte die Ergebnisse eines kleinen Forschungsprojekts, welches in Zusammenarbeit mit der University of San Francisco durchgeführt wurde. Als Bestandteil eines übergeordneten Forschungsprojekts mit dem Kantonsspital Graubünden wurde das Potenzial verschiedener open-access Large Language Models (LLMs) für die automatisierte Diagnosecodierung in standardisierte Codes auf Basis englischsprachiger Patientenentlassungsberichte untersucht. Durch die Umwandlung klinischer Information aus unstrukturiertem Text in standardisierte Codes können effizientere Datenanalysen ermöglicht werden. So wurden drei verschiedene open-access LLMs für diese Aufgabe nachtrainiert. Beim Testen dieser nachtrainierten Modelle konnten sie bis zu 71% der richtigen standardisierten Diagnosecodes vorschlagen. Neben diesen Ergebnissen wies er auf die Herausforderungen wie die hohen erforderlichen Rechenressourcen und die wichtigsten Eigenschaften der einzeln getesteten Modelle hin.

Oliver Hänni, wissenschaftlicher Projektmitarbeiter des Instituts für Bauen im alpinen Raum (IBAR) stellte das Projekt «DAVOS – Digitale Analyse von Orts- und Stadtbildern» vor, DAViS entwickelt dafür ein spezialisiertes Deep-Learning Modell, das einzelne Fassadenelemente eines Hauses identifiziert und segmentiert. Auf Basis dieser Elemente werden mithilfe eines erweiterten Algorithmus anschliessend architektonische Merkmale eines Gebäudes in einem automatisierten Prozess bestimmt.