Maskininlärning

Konceptets förutsägande och förebyggande tankesätt är en möjlighet att skräddarsy sjukvården i Europa. Integrationen av donation av personuppgifter tillsammans med analytiska verktyg för big data erbjuder tekniska möjligheter att stärka och engagera människor i sin egen hälsa och liv, samtidigt som man introducerar marknadspotentialer för digitala hälsolösningar.

Diagnostisk förutsägelse

Ökad sofistikering och volym av insamlad sjukvårdsdata ger möjlighet till tidigare identifiering av sjukdom. Specifikt kan mönster i rutinmässigt insamlade sjukvårdsdata avslöjas för att hitta och uppskatta risken för sjukdom för odiagnostiserade patienter. Användningen av tidigare patientdata, såsom medicinska och receptbelagda påståenden, för att driva framtida diagnoser kan hjälpa ett större antal patienter att få korrekt vård och behandling. Denna typ av patientsjukdomsmodellering och diagnostisk förutsägelse möjliggörs av artificiell intelligens och maskininlärning.

CDS-verktyg

Integrering av validerade modeller baserade på big data-teknik för förutsägelse, förebyggande och intervention skulle använda flera tillgängliga dataresurser i personliga hälso- och vårdvägar. Detta, levererat vid vårdpunkten, skulle göra det möjligt för vårdgivaren att utvärdera rätt tillvägagångssätt i realtid och ge individer möjlighet att aktivt bidra till riskreducering, förebyggande och riktad intervention, förbättra resultat och minska vårdkostnader. FEMALE kommer att utveckla tre CDS-verktyg (clinical decision support) som ska testas i olika kliniska miljöer för att demonstrera kraften, potentialen, omfattningen och användbarheten hos Scalable Multi-Omics Platform (SMOP), vilket underlättar precisionsmedicin. Sådana CDS-verktyg kommer att vara mer prediktiva för individuella sjukdomsrisker och sannolikt svar på terapi, och har därför högre klinisk användbarhet.

FEMALE kommer att utveckla och demonstrera Skalbar Multi-Omics-plattform (SMOP) som omvandlar multi-omics personpopulationsdatauppsättningar till en personlig prediktiv modell för att förbättra interventionen längs kontinuumet av vården för personer med endometrios.