Aprendizado de máquina
A mentalidade preditiva e preventiva do conceito é uma oportunidade para personalizar a prestação de cuidados de saúde na Europa. A integração da doação de dados pessoais com ferramentas analíticas de big data oferece recursos tecnológicos para capacitar e envolver as pessoas em sua própria saúde e vida, ao mesmo tempo em que apresenta potenciais de mercado para soluções digitais de saúde.
Previsão de diagnóstico
O aumento da sofisticação e do volume de dados de saúde coletados oferece uma oportunidade para a identificação precoce de doenças. Especificamente, padrões em dados de saúde coletados rotineiramente podem ser revelados para encontrar e estimar o risco de doença para pacientes não diagnosticados. O uso de dados anteriores do paciente, como reclamações médicas e prescrições, para conduzir diagnósticos futuros pode ajudar um número maior de pacientes a receber atendimento e tratamento adequados. Esse tipo de modelagem de doença do paciente e previsão de diagnóstico é possibilitado por inteligência artificial e aprendizado de máquina.
ferramentas CDS
A integração de modelos validados com base em tecnologias de big data para previsão, prevenção e intervenção usaria vários recursos de dados disponíveis em caminhos de saúde e cuidados personalizados. Isso, fornecido no ponto de atendimento, permitiria ao profissional de saúde avaliar o curso de ação correto em tempo real e capacitar os indivíduos a contribuir ativamente para a mitigação de riscos, prevenção e intervenção direcionada, melhorando os resultados e reduzindo os custos de saúde. A FEMaLE desenvolverá três ferramentas CDS (suporte à decisão clínica) a serem testadas em vários ambientes clínicos para demonstrar o poder, potencial, escopo e utilidade da Scalable Multi-Omics Platform (SMOP), facilitando a medicina de precisão. Essas ferramentas CDS serão mais preditivas dos riscos de doenças individuais e da provável resposta à terapia, tendo, portanto, maior utilidade clínica.
FEMaLE desenvolverá e demonstrará o Plataforma Multi-Omics Escalável (SMOP) que converte conjuntos de dados populacionais de pessoas multi-ômicas em um modelo preditivo personalizado para melhorar a intervenção ao longo do atendimento contínuo para pessoas com endometriose.