Машинно обучение
Прогностичният и превантивен начин на мислене на концепцията е възможност за персонализиране на предоставянето на здравни грижи в Европа. Интегрирането на даряването на лични данни заедно с инструменти за анализ на големи данни предлага технологични възможности за овластяване и ангажиране на хората в собственото им здраве и живот, като същевременно въвежда пазарен потенциал за цифрови здравни решения.
Диагностична прогноза
Увеличаването на сложността и обема на събраните здравни данни дава възможност за по-ранно идентифициране на заболяването. По-конкретно, моделите в рутинно събираните здравни данни могат да бъдат разкрити, за да се намери и оцени рискът от заболяване за недиагностицирани пациенти. Използването на минали данни за пациентите, като медицински и предписани претенции, за насочване на бъдещи диагнози може да помогне на по-голям брой пациенти да получат подходящи грижи и лечение. Този тип моделиране на заболяване на пациенти и диагностично прогнозиране е възможно благодарение на изкуствения интелект и машинното обучение.
CDS инструменти
Интегрирането на валидирани модели, базирани на технологии за големи данни за прогнозиране, превенция и интервенция, ще използва множество налични ресурси от данни в персонализирани пътища за здраве и грижи. Това, предоставено в момента на грижата, би позволило на доставчика на здравни услуги да оцени правилния курс на действие в реално време и ще даде възможност на хората активно да допринасят за смекчаване на риска, превенция и целенасочена интервенция, подобряване на резултатите и намаляване на разходите за здравеопазване. FEMaLE ще разработи три CDS (подкрепа за клинични решения) инструмента, които да бъдат тествани в различни клинични условия, за да демонстрират силата, потенциала, обхвата и полезността на Scalable Multi-Omics Platform (SMOP), улеснявайки прецизната медицина. Такива CDS инструменти ще бъдат по-предсказуеми за индивидуалните рискове от заболяване и вероятния отговор на терапията, следователно ще имат по-висока клинична полезност.
FEMALE ще разработи и демонстрира Мащабируема платформа Multi-Omics (SMOP) който преобразува мултиомични набори от данни за населението в персонализиран модел за прогнозиране, за да подобри интервенцията по протежение на континуума на грижите за хора с ендометриоза.