Gépi tanulás
A koncepció prediktív és megelőző gondolkodásmódja lehetőséget kínál az egészségügyi ellátás személyre szabására Európában. A személyes adatok adományozásának integrálása a big data elemző eszközökkel olyan technológiai lehetőségeket kínál, amelyek lehetővé teszik az emberek egészségének és életének megerősítését és bevonását, ugyanakkor piaci lehetőségeket is kínál a digitális egészségügyi megoldások számára.
Diagnosztikai előrejelzés
Az összegyűjtött egészségügyi adatok egyre kifinomultabb és egyre nagyobb mennyisége lehetőséget ad a betegségek korábbi azonosítására. Pontosabban, a rutinszerűen gyűjtött egészségügyi adatok mintái feltárhatók, hogy megtalálják és megbecsüljék a nem diagnosztizált betegek betegségkockázatát. A múltbeli betegek adatainak, például orvosi és vényköteles állítások felhasználása a jövőbeni diagnózisok előmozdítása érdekében több beteg számára segíthet megfelelő ellátásban és kezelésben. A betegek betegségeinek ilyen modellezését és diagnosztikai előrejelzését a mesterséges intelligencia és a gépi tanulás teszi lehetővé.
CDS eszközök
A big data technológiákon alapuló, validált modellek integrálása előrejelzésre, megelőzésre és beavatkozásra több rendelkezésre álló adatforrást használna fel a személyre szabott egészségügyi és gondozási útvonalakon. Ez, az ellátás helyén, lehetővé tenné az egészségügyi szolgáltató számára, hogy valós időben értékelje a helyes cselekvési irányt, és képessé tegye az egyéneket arra, hogy aktívan hozzájáruljanak a kockázatcsökkentéshez, a megelőzéshez és a célzott beavatkozáshoz, javítva az eredményeket és csökkentve az egészségügyi ellátás költségeit. A FEMaLE három CDS (klinikai döntéstámogatás) eszközt fog kifejleszteni, amelyeket különböző klinikai körülmények között tesztelnek, hogy bemutassák a precíziós orvoslást elősegítő Scalable Multi-Omics Platform (SMOP) erejét, potenciálját, hatókörét és hasznosságát. Az ilyen CDS-eszközök jobban megjósolják az egyéni betegségek kockázatát és a terápiára adott valószínű választ, ezért nagyobb klinikai hasznosságuk lesz.
A NŐ fejleszti és bemutatja a Scalable Multi-Omics Platform (SMOP) amely a több ómikus személypopulációs adatkészleteket személyre szabott prediktív modelllé alakítja, hogy javítsa a beavatkozást az endometriózisban szenvedők ellátásának folyamatossága mentén.