Машинско учење
Предиктивни и превентивни начин размишљања овог концепта је прилика да се персонализује пружање здравствене заштите у Европи. Интеграција донације личних података заједно са аналитичким алатима великих података нуди технолошке могућности за оснаживање и ангажовање људи у сопственом здрављу и животу, док истовремено представља тржишне потенцијале за дигитална здравствена решења.
Дијагностичко предвиђање
Све већа софистицираност и обим прикупљених здравствених података пружа могућност за ранију идентификацију болести. Конкретно, обрасци у рутински прикупљаним здравственим подацима могу се открити да би се пронашао и проценио ризик од болести за недијагностиковане пацијенте. Коришћење прошлих података о пацијентима, као што су тврдње о медицинским и рецептима, за покретање будућих дијагноза може помоћи да већи број пацијената добије одговарајућу негу и лечење. Ова врста моделирања болести пацијената и дијагностичког предвиђања омогућена је вештачком интелигенцијом и машинским учењем.
ЦДС алати
Интеграција валидираних модела заснованих на технологијама великих података за предвиђање, превенцију и интервенцију користила би вишеструке доступне ресурсе података у персонализованим путевима здравља и неге. Ово, испоручено на месту збрињавања, омогућило би пружаоцу здравствене заштите да процени исправан правац деловања у реалном времену и оснажио би појединце да активно доприносе ублажавању ризика, превенцији и циљаној интервенцији, побољшању исхода и смањењу трошкова здравствене заштите. ФЕМаЛЕ ће развити три ЦДС (клиничка подршка одлучивању) алата који ће бити тестирани у различитим клиничким окружењима како би се демонстрирала моћ, потенцијал, обим и корисност Сцалабле Мулти-Омицс Платформ (СМОП), олакшавајући прецизну медицину. Такви ЦДС алати ће бити у већој мери предвидљиви за индивидуалне ризике болести и вероватан одговор на терапију, па ће стога имати већу клиничку корисност.
ФЕМаЛЕ ће развити и показати Скалабилна мулти-Омицс платформа (СМОП) који претвара скупове података о популацији особа са више омика у персонализовани предиктивни модел како би се побољшала интервенција дуж континуума неге за особе са ендометриозом.