Projektbeschreibung
KI-basierte Automatisierung hilft Menschen, ihre eigenen Gesundheitsdaten zu pflegen
Bis 2030 sollen die europäischen Bürgerinnen und Bürger im vollen Besitz ihrer personenbezogenen Gesundheitsdaten sein. Derzeit sind diese Daten über verschiedene Kliniken, Praxen oder Krankenhäuser und über medizinische Geräte oder persönliche Gesundheits-Apps verstreut. Viele Informationen sind zudem lediglich in Papierform zugänglich. Die meisten Daten können nicht von fortschrittlichen Algorithmen zur Unterstützung der präventiven und personalisierten Medizin einbezogen werden. In diesem Zusammenhang wird das EU-finanzierte Projekt AIDAVA die Automatisierung der Datenpflege optimieren und unstrukturierte wie auch strukturierte, heterogene Daten mithilfe eines durch KI betriebenen virtuellen Assistenzsystems veröffentlichen. Im Mittelpunkt des Projekts steht das Konzept der FAIR-Grundsätze, wonach Daten auffindbar, zugänglich, interoperabel und wiederverwendbar sein müssen.
Ziel
Integrated, high-quality personal health data (PHD) represents a potential wealth of knowledge for healthcare systems, but there is no reliable conduit for this data to become interoperable, AI-ready and reuse-ready at scale across institutions, at national and EU level. AIDAVA will fill this gap by prototyping and testing an AI-powered, virtual assistant maximizing automation of data curation & publishing of unstructured and structured, heterogeneous data. The assistant includes a backend with a library of AI-based data curation tools and a frontend based on human-AI interaction modules that will help users when automation is not possible, while adapting to users? preferences. The interdisciplinary team of the consortium will develop and test two versions of this virtual assistant with hospitals and emerging personal data intermediaries, around breast cancer patient registries and longitudinal health records for cardio-vascular patients, in three languages. The team will work around four technology pillars: 1) automation of quality enhancement and FAIRification of collected health data, in compliance with EU data privacy; 2) knowledge graphs with ontology-based standards as universal representation, to increase interoperability and portability; 3) deep learning for information extraction from narrative content; and 4) AI-generated explanations during the process to increase users? confidence. By increasing automation of data quality enhancement, AIDAVA will decrease the workload of clinical data stewards; by providing high-quality data, AIDAVA will improve the effectiveness of clinical care and support clinical research. In the long-term, AIDAVA has the potential to democratise participation in data curation & publishing by citizens/patients leading to overall savings in health care costs (through disease prevention, early diagnosis, personalized medicine) and supporting delivery of the European Health Data Space.
Wissenschaftliches Gebiet
- social sciencessociologyindustrial relationsautomation
- natural sciencescomputer and information sciencesknowledge engineering
- medical and health sciencesclinical medicineoncologybreast cancer
- medical and health scienceshealth sciencespersonalized medicine
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
Schlüsselbegriffe
Programm/Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordinator
6200 MD Maastricht
Niederlande