Dr. Philipp Köhler begann seine Karriere mit einem Bachelor und Master in Physik an der Technischen Universität München, während er auch Kurse in Biomedizinischer Physik belegte. Anschließend erhielt er das Abteilungsscholarship der Cavendish Laboratories an der Universität Cambridge, wo er einen zweiten Master in Nanotechnologie erwarb und seine Promotion in Physik mit Schwerpunkt auf Spektroskopie und Optik abschloss. Parallel dazu sammelte er Erfahrungen bei der Cancer Research UK am Addenbrooke's Hospital, wo er Fluoreszenz von DNA-Origami-Strukturen als Marker in der multispektralen optoakustischen Tomographie (MSOT) verwendete. Um seine Fähigkeiten im Wissenstransfer zu erweitern und neuartige Forschung auf den Markt zu bringen, besuchte er Kurse an der Cambridge Judge Business School und arbeitete für das Londoner Startup Cortirio, das Geräte zur Erkennung von traumatischen Hirnverletzungen durch funktionelle Nahinfrarot-Spektroskopie (fNIRS) entwickelt. Fasziniert von den Bildgebungsfähigkeiten der MSOT trat er Ende 2019 dem Helmholtz München bei und konzentrierte seine Energien auf die Weiterentwicklung der optoakustischen Sensorik durch die Beschaffung von Fördermitteln, die Entwicklung von Prototypen, die Organisation klinischer Untersuchungen und die Durchführung von Marktstudien. Im September 2021 wurde er Gruppenleiter für Medizinsensoren.

Ausgehend von der optoakustischen Bildgebung entwickeln Dr. Köhler und sein Team neuartige optoakustische Sensoren, die die Vorteile von Bildgebungsverfahren einer viel größeren Patientengruppe zugänglich machen, indem sie kostengünstige Messungen in einem viel kleineren und tragbaren Format ermöglichen. Bestehende Bildgebungsverfahren sind meist universelle Werkzeuge, die ausschließlich ein Bild erzeugen, aber auf fachkundige medizinische Kenntnisse für eine genaue Interpretation der Ergebnisse angewiesen sind. Die Sensoren dieser Gruppe sind speziell für jede medizinische Indikation konzipiert und verwenden fortschrittliche Datenanalysemethoden wie maschinelles Lernen und KI für eine genaue und objektive Klassifizierung von Krankheiten und deren Fortschreiten, ohne dass eine Bildgebung erforderlich ist. Relevante Anwendungen umfassen Diabetes und seine Komplikationen, Herz-Kreislauf-Erkrankungen oder Dermatologie, bei denen eine frühzeitige und objektive Erkennung eine gezieltere und effektivere Behandlung ermöglicht.