Opis projektu
Maksymalne wykorzystanie danych z elektronicznych kart zdrowia
Elektroniczne karty zdrowia zawierają cenne informacje, ale są one nieuporządkowane i napisane w języku naturalnym, co uniemożliwia ich wykorzystanie. Finansowany przez UE projekt SAVANA pozwoli pracownikom służby zdrowia generować dane rzeczywiste, dokonywać nowych odkryć, opracowywać personalizowane terapie i oceniać rokowania. W tym celu zespół projektu opracuje narzędzie wykorzystujące przetwarzanie języka naturalnego w celu pozyskiwania danych z obszernych elektronicznych kart zdrowia pacjentów. Nowe narzędzie spełniać będzie wymagania szpitalnych komisji etycznych, krajowych przepisów dotyczących służby zdrowia i reguł przemysłu farmaceutycznego. Z rozwiązania korzystać będą mogli kierownicy, szpitale i naukowcy.
Cel
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.
Dziedzina nauki
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- 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
Program(-y)
Temat(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-SMEInst-2018-2020-2
System finansowania
SME-2 - SME instrument phase 2Koordynator
28016 Madrid
Hiszpania
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.