Um klinisch relevante Fragen zu beantworten, verbindet die Computationale Neurologie in ihrer Methodik vor allem bildgebende und klinische Daten. Dabei integriert die Computationale Neurologie einen datengetriebenen und einen modellierungsgetriebenen Ansatz; diese Integration trägt zum besseren Verständnis neurologischer Erkrankungen und entsprechender Diagnose und Behandlung bei. Im datengetriebenen Ansatz werden insbesondere neurodegenerative Erkrankungen mit Methoden des maschinellen Lernens ins Auge gefasst, um über charakteristische Eigenschaften der Hirnstruktur und -funktion klinische Phänotypen zu beschreiben.

Der modellierungsgetriebene Ansatz baut auf den Erkenntnissen des datengetriebenen Ansatzes auf. Er formalisiert über mathematische Formulierungen einen über eine reine Beobachtung Beobachtung hinausgehenden, mechanistischen und interpretierbaren Zusammenhang zwischen klinischen Daten und Hirnfunktion. Die Modellierung ermöglicht es, für individuelle Patienten mögliche Behandlungsmethoden und deren Netzwerkeffekte am mathematischen Modell zu simulieren. Dies trägt sowohl zum Verständnis neurologischer Erkrankungen als auch zur Entwicklung neuer Diagnostik und Therapien bei.

zur Website