Machinaal leren
De voorspellende en preventieve mentaliteit van het concept is een kans om de zorgverlening in Europa te personaliseren. De integratie van persoonlijke gegevensdonatie samen met big data-analysetools biedt technologische mogelijkheden om mensen in staat te stellen en te betrekken bij hun eigen gezondheid en leven, terwijl tegelijkertijd marktpotentieel voor digitale gezondheidsoplossingen wordt geïntroduceerd.
Diagnostische voorspelling
Toenemende verfijning en omvang van verzamelde gezondheidsgegevens biedt een mogelijkheid voor eerdere identificatie van ziekten. Specifiek kunnen patronen in routinematig verzamelde gezondheidsgegevens worden onthuld om het ziekterisico voor niet-gediagnosticeerde patiënten te vinden en in te schatten. Het gebruik van patiëntgegevens uit het verleden, zoals medische en receptclaims, om toekomstige diagnoses te stellen, kan ertoe bijdragen dat een groter aantal patiënten de juiste zorg en behandeling krijgt. Dit type patiëntziektemodellering en diagnostische voorspelling wordt mogelijk gemaakt door kunstmatige intelligentie en machine learning.
CDS-tools
Integratie van gevalideerde modellen op basis van big data-technologieën voor voorspelling, preventie en interventie zou meerdere beschikbare gegevensbronnen gebruiken in gepersonaliseerde gezondheids- en zorgtrajecten. Dit, geleverd op het zorgpunt, zou de zorgverlener in staat stellen om de juiste handelwijze in realtime te evalueren en individuen in staat te stellen actief bij te dragen aan risicobeperking, preventie en gerichte interventie, het verbeteren van resultaten en het verlagen van de zorgkosten. FEMaLE zal drie CDS-tools (klinische beslissingsondersteuning) ontwikkelen die in verschillende klinische omgevingen moeten worden getest om de kracht, het potentieel, de reikwijdte en het nut van het Scalable Multi-Omics Platform (SMOP) te demonstreren, wat precisiegeneeskunde mogelijk maakt. Dergelijke CDS-tools zullen meer voorspellend zijn voor individuele ziekterisico's en waarschijnlijke respons op therapie, en hebben daarom een hogere klinische bruikbaarheid.
FEMaLE zal de Schaalbaar Multi-Omics Platform (SMOP) dat datasets van multi-omics persoonspopulaties omzet in een gepersonaliseerd voorspellend model om de interventie langs het zorgcontinuüm voor mensen met endometriose te verbeteren.