Μηχανική Μάθηση
Η προγνωστική και προληπτική νοοτροπία της ιδέας είναι μια ευκαιρία εξατομίκευσης της παροχής υγειονομικής περίθαλψης στην Ευρώπη. Η ενσωμάτωση της δωρεάς προσωπικών δεδομένων μαζί με τα εργαλεία ανάλυσης μεγάλων δεδομένων προσφέρει τεχνολογικές δυνατότητες για την ενδυνάμωση και τη συμμετοχή των ανθρώπων στη δική τους υγεία και ζωή, ενώ ταυτόχρονα εισάγει τις δυνατότητες της αγοράς για ψηφιακές λύσεις υγείας.
Διαγνωστική πρόβλεψη
Η αυξανόμενη πολυπλοκότητα και ο όγκος των συλλεγόμενων δεδομένων υγειονομικής περίθαλψης παρέχει μια ευκαιρία για έγκαιρη αναγνώριση της νόσου. Συγκεκριμένα, μπορούν να αποκαλυφθούν πρότυπα σε δεδομένα υγειονομικής περίθαλψης που συλλέγονται τακτικά για την εύρεση και εκτίμηση του κινδύνου ασθένειας για μη διαγνωσμένους ασθενείς. Η χρήση προηγούμενων δεδομένων ασθενών, όπως ισχυρισμοί ιατρικών και συνταγογραφούμενων, για την καθοδήγηση μελλοντικών διαγνώσεων μπορεί να βοηθήσει μεγαλύτερο αριθμό ασθενών να λάβουν την κατάλληλη φροντίδα και θεραπεία. Αυτός ο τύπος μοντελοποίησης και διαγνωστικής πρόβλεψης ασθενειών ασθενών καθίσταται δυνατή από την τεχνητή νοημοσύνη και τη μηχανική μάθηση.
Εργαλεία CDS
Η ενσωμάτωση επικυρωμένων μοντέλων βασισμένων σε τεχνολογίες μεγάλων δεδομένων για πρόβλεψη, πρόληψη και παρέμβαση θα χρησιμοποιούσε πολλαπλούς διαθέσιμους πόρους δεδομένων σε εξατομικευμένες οδούς υγείας και φροντίδας. Αυτό, που παρέχεται στο σημείο της περίθαλψης, θα επιτρέψει στον πάροχο υγειονομικής περίθαλψης να αξιολογήσει τη σωστή πορεία δράσης σε πραγματικό χρόνο και να ενδυναμώσει τα άτομα να συμβάλλουν ενεργά στον μετριασμό του κινδύνου, την πρόληψη και τη στοχευμένη παρέμβαση, βελτιώνοντας τα αποτελέσματα και μειώνοντας το κόστος υγειονομικής περίθαλψης. Η FEMALE θα αναπτύξει τρία εργαλεία CDS (υποστήριξη κλινικής απόφασης) που θα δοκιμαστούν σε διάφορα κλινικά περιβάλλοντα για να αποδείξουν τη δύναμη, τις δυνατότητες, το εύρος και τη χρησιμότητα της Scalable Multi-Omics Platform (SMOP), διευκολύνοντας την ιατρική ακριβείας. Τέτοια εργαλεία CDS θα είναι πιο προγνωστικά για μεμονωμένους κινδύνους ασθένειας και πιθανή ανταπόκριση στη θεραπεία, επομένως έχουν υψηλότερη κλινική χρησιμότητα.
Το FEMALE θα αναπτύξει και θα επιδείξει το Scalable Multi-Omics Platform (SMOP) που μετατρέπει σύνολα δεδομένων πληθυσμού ατόμου πολλαπλών ομικών σε ένα εξατομικευμένο μοντέλο πρόβλεψης για τη βελτίωση της παρέμβασης κατά μήκος της συνεχούς φροντίδας για άτομα με ενδομητρίωση.