Aprendizaje automático
La mentalidad predictiva y preventiva del concepto es una oportunidad para personalizar la prestación de asistencia sanitaria en Europa. La integración de la donación de datos personales junto con herramientas analíticas de big data ofrece capacidades tecnológicas para empoderar e involucrar a las personas en su propia salud y vida, al mismo tiempo que presenta potenciales de mercado para soluciones de salud digital.
Predicción diagnóstica
El aumento de la sofisticación y el volumen de los datos de atención médica recopilados brinda una oportunidad para la identificación temprana de enfermedades. Específicamente, los patrones en los datos de atención médica recopilados de forma rutinaria pueden revelarse para encontrar y estimar el riesgo de enfermedad para pacientes no diagnosticados. El uso de datos de pacientes anteriores, como reclamaciones médicas y recetas, para impulsar diagnósticos futuros puede ayudar a que una mayor cantidad de pacientes reciban la atención y el tratamiento adecuados. Este tipo de predicción diagnóstica y modelado de la enfermedad del paciente es posible gracias a la inteligencia artificial y el aprendizaje automático.
Herramientas CDS
La integración de modelos validados basados en tecnologías de big data para predicción, prevención e intervención utilizaría múltiples recursos de datos disponibles en vías de atención y salud personalizadas. Esto, entregado en el punto de atención, permitiría al proveedor de atención médica evaluar el curso de acción correcto en tiempo real y empoderar a las personas para contribuir activamente a la mitigación de riesgos, la prevención y la intervención dirigida, mejorando los resultados y reduciendo los costos de atención médica. FEMaLE desarrollará tres herramientas CDS (soporte de decisiones clínicas) que se probarán en varios entornos clínicos para demostrar el poder, el potencial, el alcance y la utilidad de la plataforma Scalable Multi-Omics (SMOP), facilitando la medicina de precisión. Dichas herramientas CDS serán más predictivas de los riesgos de enfermedades individuales y la respuesta probable a la terapia, por lo que tendrán una mayor utilidad clínica.
FEMaLE desarrollará y demostrará el Plataforma Escalable Multi-Omics (SMOP) que convierte conjuntos de datos de población de personas multiómicas en un modelo predictivo personalizado para mejorar la intervención a lo largo de la atención continua para personas con endometriosis.