AI in Biomedicine

Der englischsprachige Elite-Masterstudiengang AI in Biomedicine (M.Sc.) der Technischen Universität München richtet sich an Absolventen mit informatischem, mathematischem oder ingenieurwissenschaftlichem Hintergrund, die Künstliche Intelligenz für medizinische und biologische Fragestellungen einsetzen wollen. Das Programm wird gemeinsam von der TUM School of Computation, Information and Technology und der TUM School of Medicine and Health getragen und ist auf vier Semester mit 120 ECTS ausgelegt, davon 30 ECTS für die Masterarbeit.

Das Curriculum gliedert sich in drei tragende Säulen. "Foundations of AI" vermittelt algorithmische und mathematische Grundlagen, etwa Advanced Machine Learning, Deep Learning, Probabilistic Graphical Models, Computer Vision und Optimierungsmethoden. "Applications of AI in Biomedicine and Healthcare" überträgt diese Methoden auf medizinische Bildgebung, Genomanalyse, Drug Discovery, Clinical Decision Support und Public Health Informatics. Ergänzend wählen Studierende ein Focus Subject aus vier Vertiefungen: Advanced Machine Learning, Drug Discovery and Computational Biology, Imaging and Sensing oder Natural Language Processing and Speech. Die "Cross-cutting Theme"-Säule deckt Entrepreneurship, Wissenschaftskommunikation sowie ethische, rechtliche und gesellschaftliche Implikationen von KI im Gesundheitswesen ab.

Praktische Erfahrung sammeln Studierende in Forschungspraktika und Projektarbeiten an Lehrstühlen wie AI in Healthcare and Medicine (Daniel Rueckert) sowie in Kooperation mit dem Klinikum rechts der Isar, Helmholtz Munich und dem Munich Data Science Institute. Als Eliteprogramm des Elitenetzwerks Bayern ist die Aufnahme an ein zweistufiges Eignungsverfahren gekoppelt: Bewertung der akademischen Vorbildung und ein persönliches Gespräch. Vorausgesetzt werden ein einschlägiger Bachelor mit nachgewiesenen Kenntnissen in Mathematik, Statistik und Programmierung (Python) sowie sehr gute Englischkenntnisse. Bewerbungen werden einmal jährlich für den Wintersemesterbeginn entgegengenommen; die Kohortengröße bleibt klein (rund 25-30 Plätze), um die enge Betreuung durch Forschende der TUM und der Münchner Kliniken zu sichern.

Absolventen arbeiten in der medizintechnischen Forschung, in Data-Science-Teams pharmazeutischer Unternehmen, in radiologischen und pathologischen KI-Startups oder als Doktoranden in interdisziplinären Forschungsverbünden. Klassische Einsatzfelder reichen von algorithmischer Bildauswertung in Radiologie und Histopathologie über AI-gestützte Wirkstoffsuche und Genomik bis zu klinischen Entscheidungsunterstützungssystemen und regulatorischer Begleitung von Medizinprodukten. Wer sich für die akademische Laufbahn entscheidet, profitiert von den engen Verbindungen zwischen TUM-Lehrstühlen, Helmholtz-Zentren und dem Munich Center for Machine Learning.