Description du projet
Des ordinateurs pour diagnostiquer comme des docteurs humains
Le potentiel de l’intelligence artificielle dans les soins de santé se développe. Quand il s’agit de poser des diagnostics médicaux, les ordinateurs peuvent réussir aussi bien que les médecins humains. Le projet MrDoc, financé par l’UE, a mis au point une plateforme d’IA et d’apprentissage semi-supervisé, capable d’analyser et d’interpréter des ensembles de données médicales. Il a conçu un processus qui reproduit l’imagination créative humaine afin de détecter et diagnostiquer rapidement certaines maladies non transmissibles comme les maladies cardiovasculaires et le diabète, en recourant à des paramètres biométriques (pression artérielle, variabilité du rythme cardiaque, hémoglobine, glycémie) avec un niveau de précision élevé. Le projet se prépare pour le marché, afin de vendre et céder sa solution à trois groupes cibles: aux patients, aux développeurs d’outils logiciels et matériels (et d’applications) et aux entreprises pharmaceutiques.
Objectif
Non-communicable diseases such as cardiovascular diseases, diabetes, are by far the leading cause of death in the world and a growing burden for patients, healthcare providers and local economies. Despite many NCDs conditions like cardiac arrhythmia, diabetes, hypertension can be cured with early detection, they don’t often show symptoms. During their medical check-up, medical practitioners (GP) can’t be accurate as specific examinations (e.g. EGCs, blood tests), resulting in a growing number of errors or false negative/positive, which represent for Healthcare systems and additional financial burden. People are usually discouraged from doing specific examination due to long waiting time, invasiveness of medical tests and additional costs.Even if technological advancements have led to AI based easy-to-use solutions able to contribute positively to easy and early detection of diseases and pre-diseases condition, they come along with many significant limitations, such as the need to train on huge amounts of labelled data and difficulties in managing inputs that are noisy, incomplete or simply different from the original dataset (such data generated from a smartphone camera).This results in limited accuracy or significant costs and time consume for labelling of data. We have developed a platform based on a semi-supervised learning AI, able to analyse and interpret medical dataset through a process that mimics human creative imagination and, in a very short timeframe, detect and diagnose some NCDs and biometric parameters (blood pressure, Heart rate variability, haemoglobin, blood glucose) from “dirty” signals, generated by consumer electronics devices (smartphones, closed circuit cameras, etc.), with a high level of accuracy overcoming existing limitations.We aim at selling and licence our solution to 3 main targets: - final consumers/patients, - producers/owners of software and hardware tools (as well as Apps) in Health sector, Pharmaceutical companies.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN.
- sciences médicales et de la santémédecine cliniquecardiologiemaladies cardiovasculairesarythmie cardiaque
- sciences naturellesinformatique et science de l'informationintelligence artificielleapprentissage automatiqueapprentissage semi-supervisé
- ingénierie et technologiegénie électrique, génie électronique, génie de l’informationingénierie électroniquecapteurscapteurs optiques
- sciences médicales et de la santémédecine cliniqueendocrinologiediabète
- sciences socialessciences de l'éducationpédagogieapprentissage actif
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Programme(s)
Régime de financement
SME-1 - SME instrument phase 1Coordinateur
00146 ROMA
Italie
L’entreprise s’est définie comme une PME (petite et moyenne entreprise) au moment de la signature de la convention de subvention.