Opis projektu
Oparta na sztucznej inteligencji automatyzacja pomaga obywatelom w zarządzaniu ich osobistymi danymi medycznymi
Do 2030 roku obywatele Europy powinni uzyskać pełny dostęp do swoich osobistych danych medycznych. Obecnie dane te są rozproszone po różnych placówkach oraz urządzeniach medycznych lub osobistych aplikacjach zdrowotnych. Wiele informacji zapisane jest też w formie papierowej. Większości danych nie da się wykorzystać w zaawansowanych algorytmach wspierających medycynę profilaktyczną i spersonalizowaną. W związku z tym zespół finansowanego ze środków UE projektu AIDAVA zmaksymalizuje automatyzację selekcjonowania danych i opublikuje nieustrukturyzowane i ustrukturyzowane, różnorodne dane za pomocą wirtualnego asystenta opartego na sztucznej inteligencji. Trzonem projektu jest koncepcja zasad przewodnich FAIR, które wymagają, aby dane były możliwe do znalezienia, dostępne, interoperacyjne i nadawały się do ponownego wykorzystania.
Cel
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.
Dziedzina nauki
- 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
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordynator
6200 MD Maastricht
Niderlandy