Nauczanie maszynowe

Predykcyjne i zapobiegawcze podejście tej koncepcji jest okazją do spersonalizowania świadczenia opieki zdrowotnej w Europie. Integracja przekazywania danych osobowych wraz z narzędziami analitycznymi big data oferuje możliwości technologiczne, które wzmacniają i angażują ludzi w ich własne zdrowie i życie, jednocześnie wprowadzając potencjał rynkowy dla cyfrowych rozwiązań zdrowotnych.

Prognoza diagnostyczna

Rosnąca złożoność i ilość gromadzonych danych medycznych daje szansę na wcześniejszą identyfikację choroby. W szczególności można ujawnić wzorce w rutynowo gromadzonych danych dotyczących opieki zdrowotnej, aby znaleźć i oszacować ryzyko choroby u niezdiagnozowanych pacjentów. Wykorzystanie danych pacjentów z przeszłości, takich jak oświadczenia medyczne i recepty, do kierowania przyszłymi diagnozami może pomóc większej liczbie pacjentów w uzyskaniu odpowiedniej opieki i leczenia. Ten rodzaj modelowania chorób pacjentów i przewidywania diagnostycznego jest możliwy dzięki sztucznej inteligencji i uczeniu maszynowemu.

narzędzia CDS

Integracja zweryfikowanych modeli opartych na technologiach dużych zbiorów danych do przewidywania, zapobiegania i interwencji wykorzystywałaby wiele dostępnych zasobów danych w spersonalizowanych ścieżkach zdrowia i opieki. To, dostarczane w miejscu opieki, umożliwiłoby świadczeniodawcy ocenę właściwego sposobu działania w czasie rzeczywistym i umożliwiłoby jednostkom aktywny udział w ograniczaniu ryzyka, profilaktyce i ukierunkowanej interwencji, poprawiając wyniki i obniżając koszty opieki zdrowotnej. FEMaLE opracuje trzy narzędzia CDS (wspomaganie decyzji klinicznych), które zostaną przetestowane w różnych warunkach klinicznych, aby zademonstrować moc, potencjał, zakres i użyteczność Scalable Multi-omics Platform (SMOP), ułatwiając medycynę precyzyjną. Takie narzędzia CDS będą lepiej przewidywać indywidualne ryzyko choroby i prawdopodobną odpowiedź na terapię, a zatem będą miały większą użyteczność kliniczną.

FEMaLE opracuje i zademonstruje Skalowalna platforma Multi-omics (SMOP) który konwertuje multi-omiczne zbiory danych populacji osób na spersonalizowany model predykcyjny w celu usprawnienia interwencji wzdłuż kontinuum opieki nad osobami z endometriozą.