Belin
EN DE
Lebenslauf

Ful Belin Korukoglu

Ich forsche in Deutschland an der Schnittstelle von Bioinformatik und Societal Computing und entwickle KI-Modelle für die biomedizinische Forschung sowie großskalige Datensysteme für die Erforschung gesellschaftlicher Fragen. Mein Ziel ist es, wissenschaftliche Erkenntnis durch verlässliche, autonome KI-Systeme voranzubringen, die evidenzbasiert schließen und unter Unsicherheit entscheiden können.

01 / Aktuelle Arbeit
Computergestützte Pathologie seit 2026

Topology-Aware Graph-MIL

In meiner Masterarbeit entwickle und evaluiere ich graphbasierte Modelle des Multiple Instance Learning, die mithilfe von Pathologie-Foundation-Models molekulare Eigenschaften aus histopathologischen Bildern vorhersagen. Im Mittelpunkt stehen Robustheit und Generalisierbarkeit.

Computational Pathology & Machine Learning, Schüffler Lab Lehrstuhl für Computational Biology, Universität des Saarlandes

Ergebnisse im Vergleich: Modelle auf Basis der DNA-Methylierung gegenüber H&E-Histopathologie-Ansätzen zur Vorhersage des BRAF-V600E-Mutationsstatus beim Melanom. Die methylierungsbasierte Merkmalsauswahl erreicht eine AUROC von 0,784 auf Patientenebene.
Vorhersage des BRAF-V600E-Status beim Melanom: Die methylierungsbasierte Merkmalsauswahl erreicht eine AUROC von 0,784 auf Patientenebene und liegt damit vor den untersuchten H&E-Modellen.
  • Graph Neural Networks
  • Multiple Instance Learning
  • Pathologie-Foundation-Models
  • Robustheit
Computergestützte Sozialwissenschaft seit 2026

Geodaten-Infrastruktur

Am I2SC entwickle ich skalierbare Pipelines für Geodaten mit Python, FastAPI, PostgreSQL/PostGIS und Redis/Celery, die Forschung zu über 300.000 Orten in mehr als 50 Regionen tragen. Durch optimierte asynchrone Verarbeitung und verteilte Workflows habe ich die Verarbeitungszeit pro Datensatz um 35 % gesenkt und damit großskalige computergestützte Sozialforschung deutlich beschleunigt.

Interdisciplinary Institute for Societal Computing (I2SC)

Diagramm zur Auslastung lokaler Gastronomie an Spielwochenenden des 1. FC Saarbrücken: Sie steigt von 30,8 Prozent an Wochenenden ohne Spiel auf 48,3 Prozent an Auswärtsspiel-Wochenenden.
Auslastung der Gastronomie an Spielwochenenden des 1. FC Saarbrücken: 48,3 % an Auswärtsspiel-Wochenenden gegenüber 30,8 % ohne Spiel.
  • Verteilte Pipelines
  • Geodatenanalyse
  • Asynchrone Workflows
  • Priority Queueing
02 / Publikationen
  1. 2026 Poster

    VOYAGER: Probing Traveller Experience and Reported Discrimination in Google Maps Reviews of Global Airports

    Wiltzius, D., Korukoglu, F. B., Weber, I., & Cannanure, V. K. · Zweitautorenschaft

    EAAMO

  2. 2025 Peer-Review

    Mapping Ethical Guidelines for AI in Healthcare: A Global Perspective

    Korukoglu, F. B., et al. · Erstautorenschaft

    Studies in Health Technology and Informatics, IOS Press

    PubMed

  3. 2025 Preprint

    Assessing Genomic Reproducibility of Read Alignment Tools

    Korukoglu, F. B., et al.

    bioRxiv

    bioRxiv

  4. 2024 Konferenz

    Benchmarking machine learning algorithms for sepsis mortality prediction

    Chhugani, K. et al., Korukoglu, F. B.

    RECOMB-seq

  5. 2023 Konferenz

    DNA Methylation Analysis of Healthy and Cancerous Tissues

    Korukoglu, F. B. et al.

    Bioinformatics & Computational Genomics Conference, Moldau

  6. 2021 Poster

    Protein Profile of Brain Endothelial Cells

    Korukoglu, F. B. et al.

    Sabancı University Program for Undergraduate Research

03 / Forschungserfahrung

Rekonstruktion medizinischer Bildgebung

Harvard Medical School

  • Deep-Learning-Pipelines zur MRT-Rekonstruktion über mehrere Bilddatensätze und Unterabtastungsbedingungen hinweg umgesetzt und evaluiert, einschließlich automatisierter Modellinferenz und automatisierter Bewertung der Rekonstruktionsqualität.

Mortalitätsvorhersage bei Sepsis

University of Southern California

  • Klassische und Deep-Learning-Modelle zur Mortalitätsvorhersage bei Sepsis über 16 unabhängige Transkriptom-Kohorten hinweg verglichen und dabei kohortenübergreifende Generalisierung, Merkmalsrelevanz und die Reproduzierbarkeit prädiktiver biologischer Signale untersucht.

Global AI Ethics Atlas

Emory University

  • Eine Full-Stack-Plattform zur Governance von KI im Gesundheitswesen entwickelt, die internationale Regulierungsrahmen und Ethikleitlinien erschließt und vergleichbar macht. Aus dieser Arbeit ist meine erste Publikation in Erstautorenschaft hervorgegangen: Mapping Ethical Guidelines for AI in Healthcare: A Global Perspective (2025).

Benchmark zur Reproduzierbarkeit in der Genomik

ETH Zurich

  • Die Reproduzierbarkeit genomischer Read-Alignment-Werkzeuge untersucht und automatisierte bioinformatische Workflows mit Snakemake für systematisches Benchmarking und reproduzierbare Analysen entwickelt.
04 / Ausgewählte Projekte

Geodatenanalyse

Saarbrucken Eats

Ein interaktives Dashboard aus SQL, Google-Maps-APIs und überlagerten Kartenebenen, mit dem sich Restaurants rund um den Saarland Informatics Campus nach Küche, Bewertung und Entfernung erkunden lassen.

  • Python
  • Flask
  • SQL
  • Leaflet
Code

Computergestützte Genomik

Scalable DNA-Seq Pipeline

Automatisierte Auswertung von PacBio-Single-End-Sequenzierdaten mit BLEND und Snakemake, ausgelegt auf reproduzierbares Benchmarking von Read-Alignment-Workflows.

  • Snakemake
  • BLEND
  • Bash
  • HPC
Code

Medizinische Bildgebung

Multimodal Cancer Diagnosis

Ein multimodales Deep-Learning-Modell auf PET-CT-Daten zur Vorhersage von Lymphknotenmetastasen, mit 80 % Genauigkeit in der untersuchten Kohorte.

  • PyTorch
  • Multimodales Lernen
  • Bildgebung
Code

KI-Governance

Global AI Ethics Atlas

Eine Full-Stack-Plattform zum Erschließen und Vergleichen von 109 internationalen Regulierungsrahmen und Ethikleitlinien für KI im Gesundheitswesen, entwickelt an der Emory University.

  • Next.js
  • Prisma
  • PostgreSQL
Publikation
05 / Technische Werkzeuge

Programmiersprachen

  • Python
  • SQL
  • C++
  • R
  • Bash

Maschinelles Lernen & wissenschaftliches Rechnen

  • PyTorch
  • PyTorch Geometric
  • TensorFlow
  • scikit-learn
  • NumPy
  • pandas
  • SHAP

Data Engineering & Backend

  • FastAPI
  • Flask
  • PostgreSQL / PostGIS
  • SQLite
  • Redis
  • Celery

Infrastruktur & MLOps

  • Docker
  • SLURM
  • GPU- / HPC-Cluster
  • Google Cloud
  • Git
06 / KI-Sicherheit & Community

Verlässlichkeit ist eine gemeinschaftliche Aufgabe.

Neben meiner technischen Forschung beschäftige ich mich mit der Verlässlichkeit, der Transparenz und den gesellschaftlichen Folgen immer leistungsfähigerer KI-Systeme also mit denselben Fragen, die Reproduzierbarkeit und sorgfältige Evaluation zum Kern meiner Arbeitsweise machen.

Zuvor habe ich Marketing und Outreach bei AI Safety Saarland (AISS) geleitet, einer studentischen Initiative für eine sichere, faire und nützliche KI-Entwicklung. Dort habe ich die Markenidentität aufgebaut und interdisziplinäre Programme sowie ein Mentoring-Netzwerk an der Universität des Saarlandes koordiniert.

07 / Kontakt

Nehmen wir Kontakt auf.

Über Forschungskooperationen, fachlichen Austausch und interdisziplinäre Projekte freue ich mich jederzeit in der computergestützten Pathologie, in der wissenschaftlichen KI oder überall dort, wo beides zusammenkommt.

fulbelin.korukoglu@gmail.com