Skip to main content
European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Finding Endometriosis using Machine Learning

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.

Zaproszenie do składania wniosków

H2020-SC1-DTH-2018-2020

Zobacz inne projekty w ramach tego zaproszenia

Szczegółowe działanie

H2020-SC1-DTH-2020-1

Koordynator

AARHUS UNIVERSITET
Wkład UE netto
€ 1 675 754,79
Adres
NORDRE RINGGADE 1
8000 Aarhus C
Dania

Zobacz na mapie

Region
Danmark Midtjylland Østjylland
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
€ 1 675 754,79

Uczestnicy (16)