Projektbeschreibung
Daten aus der elektronischen Patientenakte bestmöglich nutzen
Aus elektronischen Patientenakten (EPA) lassen sich zwar äußerst wertvolle Informationen gewinnen, aber nicht nutzen, weil sie unstrukturiert und in natürlicher Sprache vorliegen. Das EU-finanzierte Projekt SAVANA ermöglicht es Angehörigen der Gesundheitsberufe jetzt, reale Belege zu erzeugen, neue Zusammenhänge zu entdecken, Medizin zu personalisieren und Behandlungserfolge zu bewerten. Dazu wird es ein Instrument erstellen, das über die Verarbeitung natürlicher Sprache aus den immensen Mengen von klinischen Schriften in den EPA Daten extrahiert. Es soll den Vorgaben von Ethikkomitees in Krankenhäusern, Vorschriften von nationalen Gesundheitsdiensten und der Politik der pharmazeutischen Industrie entsprechen und richtet sich an Management, Krankenhäuser und Forschung.
Ziel
In the last twenty years, the average return on R&D expenditure in the pharma industry has dropped from almost 18% to 3.7%. Moreover, annual funding for biomedical research has more than doubled while new drugs approvals have declined by one third. There is a wide consensus that the main cause of this problem is the exhaustion of a model intended to develop ‘broad indications’ and the need for a new ‘precision medicine’ model. We simply do not know enough about the underlying disease mechanisms involved, and more research is required to develop better disease classifications, which will enable a more targeted development approach for drugs and therapies.
Electronic Health Records (EHRs) has been used for more than ten years in most developed countries, and they gather now exhaustive clinical information of millions of patients. Leveraging EHRs could accelerate clinical research, and improve healthcare quality.
However, in order to uncover unknown disease models from EHRs, precision medicine requires massive research studies on thousands of patients (often in several countries). Currently there is no tool capable of: 1) automating the extraction of data from EHRs, and also, solving the privacy concerns raised by EHRs.
SAVANA RESEARCH uses Natural Language Processing to extract data from massive amounts of EHRs’ clinical narratives. It has the following advantages intended to make a leap in clinical research efficiency: 1) It uses only de-identified clinical records and ensures state of the art technologies to protect data privacy; 2) It is capable of decoding ten times more EHRs in half of the time; 3) It is capable of identifying 100 times more variables from EHRs; 4) And it costs 40% less.
The application of NLP to healthcare is a fast-growing market that is expected to reach 2.65 billion by 2021, by growing at a CAGR of 20.8%. SAVANA RESEARCH’s target markets are primary Europe and North America, which together comprises 75% of all clinical trials worldwide.
Wissenschaftliches Gebiet
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- natural sciencescomputer and information sciencesdata sciencebig data
- natural sciencescomputer and information sciencesdata sciencenatural language processing
- natural sciencescomputer and information sciencessoftwaresoftware development
- medical and health scienceshealth sciencespersonalized medicine
- medical and health sciencesclinical medicinehepatology
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-SMEInst-2018-2020-2
Finanzierungsplan
SME-2 - SME instrument phase 2Koordinator
28016 Madrid
Spanien
Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).