AI

Digitale fodspor

Efterhånden som indsamlingen af sundhedsdata bliver mere sofistikeret, efterlader patienterne sig stadig mere detaljerede digitale fodspor i rutinemæssigt indsamlede sundhedsoplysninger, såsom den elektroniske patientjournal. Digitale fodspor skaber mønstre, der kan identificeres og bruges til at finde udiagnosticerede individer, hvilket fremskynder deres tid til diagnose og korrekt behandling. I sidste ende kan brugen af tidligere helbredsdata til at drive fremtidige diagnoser hjælpe et større antal patienter med at modtage:



KORREKT PLEJE OG BEHANDLING



REDUCERING AF MEDICINERINGSFEJL



ØGELSE AF PATIENTSIKKERHED



OPTIMERING AF SUNDHEDSUDGIFTER



FORBEDRING AF PATIENTENS LIVSKVALITET

I tilfælde af endometriose vides der kun lidt om de mønstre, der kan definere en potentiel diagnose, hvilket gør individuelle faktorer svære at genkende under den diagnostiske rejse. Kunstig intelligens og maskinlæring kan udvælge indviklede, subtile datamønstre og give mening i disse komplekse digitale fodspor gennem avancerede, empirisk drevne analytiske metoder for at skabe klarhed og kvantificere risikoen for endometriose for en individuel patient.

Augmented Reality

FEMaLe-projektet vil bringe revolutionen med anvendelsen af Augmented Reality (AR) i håndteringen af endometriose. Et af dets kerneegenskaber er at introducere AR i laparoskopisk kirurgi i hospitalsmiljøet for at forbedre diagnosticering og kirurgisk fjernelse af mild til moderat endometriose. Vi vil bruge kunstig intelligens, big data og augmented reality til at vejlede kirurgers syn og derved øge kirurgisk præcision ved at synliggøre et organs indre anatomi, hvilket muliggør mere effektive, præcise og effektive kirurgiske procedurer. FEMALE baner vejen for minimal invasiv kirurgi med en potentiel stor indvirkning på kirurgiske sundhedssystemer verden over og forbedret livskvalitet for patienterne.