Opis projektu
Model predykcyjny na potrzeby przewidywania endometriozy
Narzędzia medyczne służące do przewidywania i zapobiegania chorobom, a także personalizacji leczenia i zarządzania pacjentami oferują znaczne korzyści kliniczne i obniżenie kosztów. W ramach finansowanego ze środków UE projektu FEMaLe prowadzone są prace nad stworzeniem platformy multiomicznej opartej na uczeniu maszynowym zdolnej do analizy zestawów danych omicznych i dostarczania informacji do spersonalizowanego modelu predykcyjnego. Głównym celem projektu jest ulepszenie interwencji dla osób cierpiących na endometriozę, schorzenie powodujące rozrastanie się tkanki normalnie wyściełającej macicę poza jej obręb. Zespół projektu połączy narzędzia takie jak aplikacja mobilna i oprogramowanie chirurgiczne wykorzystujące technologię rzeczywistości rozszerzonej, co ułatwi lepsze leczenie tej choroby i realizację praktyk z zakresu medycyny precyzyjnej.
Cel
The framework 'P4 Medicine' (predictive, preventative, personalized, participatory) was developed to detect and prevent disease through close monitoring, deep statistical analysis, biomarker testing, and patient health coaching to best use the limited healthcare resources and produce maximum benefit for all patients. However, we have seen only few feasible examples over the past 10 years.
The Finding Endometriosis using Machine Learning (FEMaLe) project will revitalise the concept to develop and demonstrate the Scalable Multi-Omics Platform (SMOP) that converts multi-omic person population datasets into a personalised predictive model to improve intervention along the continuum of care for people with endometriosis. We will design, validate and implement a comprehensive model for the detection and management of people with endometriosis to facilitate shared decision making between the patient and the healthcare provider, enable the delivery of precision medicine, and drive new discoveries in endometriosis treatment to deliver novel therapies and improve quality of life for patients.
We will rely on participatory processes, advanced computer sciences, state-of-the-art technologies, and patient-shared data to deliver: 1) mobile health app for people with endometriosis,
2) three clinical decision support (CDS) tools for targeted healthcare providers (risk stratification tool for general practitioners, multi-marker signature tool for gynaecologists, and non-invasive diagnostic tool for radiologist), and
3) computer vision-based software tool for real time augmented reality guided surgery of endometriosis.
Health maintenance organisations (HMO) expect to be able to reduce overall cost of treatment by at least 20%, while improving patient outcomes, using CDS tools. The SMOP will be based on open protocol, embedded in all ethical and legal frameworks, to enable tailored and personalised usage to improve the lives of patients across Europe beyond the project period.
Dziedzina nauki
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-SC1-DTH-2020-1
System finansowania
RIA - Research and Innovation actionKoordynator
8000 Aarhus C
Dania