Strojno učenje
Prediktivni i preventivni način razmišljanja koncepta prilika je za personalizaciju pružanja zdravstvene skrbi u Europi. Integracija donacije osobnih podataka zajedno s analitičkim alatima za velike podatke nudi tehnološke mogućnosti za osnaživanje i uključivanje ljudi u njihovo vlastito zdravlje i život, dok istovremeno uvodi tržišne potencijale za digitalna zdravstvena rješenja.
Dijagnostičko predviđanje
Sve veća sofisticiranost i obujam prikupljenih zdravstvenih podataka pruža mogućnost ranijeg prepoznavanja bolesti. Točnije, obrasci u rutinski prikupljenim zdravstvenim podacima mogu se otkriti kako bi se pronašao i procijenio rizik od bolesti za nedijagnosticirane pacijente. Korištenje prošlih podataka o pacijentima, kao što su medicinski zahtjevi i zahtjevi na recept, za poticanje budućih dijagnoza može pomoći da veći broj pacijenata dobije odgovarajuću skrb i liječenje. Ova vrsta modeliranja bolesti pacijenata i dijagnostičkog predviđanja omogućena je umjetnom inteligencijom i strojnim učenjem.
CDS alati
Integracija potvrđenih modela temeljenih na tehnologijama velikih podataka za predviđanje, prevenciju i intervenciju koristila bi višestruke dostupne izvore podataka u personaliziranim zdravstvenim putovima i putovima skrbi. To bi, isporučeno na mjestu skrbi, omogućilo pružatelju zdravstvenih usluga procjenu pravog smjera djelovanja u stvarnom vremenu i osnažilo pojedince da aktivno pridonesu smanjenju rizika, prevenciji i ciljanoj intervenciji, poboljšanju ishoda i smanjenju troškova zdravstvene skrbi. FEMaLE će razviti tri CDS (klinička podrška pri odlučivanju) alata koji će se testirati u različitim kliničkim okruženjima kako bi se demonstrirala snaga, potencijal, opseg i korisnost Scalable Multi-Omics Platforme (SMOP), olakšavajući preciznu medicinu. Takvi CDS alati bolje će predviđati pojedinačne rizike bolesti i vjerojatni odgovor na terapiju, stoga će imati veću kliničku korisnost.
FEMALE će razviti i pokazati Scalable Multi-Omics Platform (SMOP) koji pretvara multi-omike skupove podataka o populaciji osoba u personalizirani prediktivni model za poboljšanje intervencije duž kontinuuma skrbi za osobe s endometriozom.