Descripción del proyecto
Tecnología y métodos de inteligencia artificial para la estratificación de pacientes de rehabilitación
La rehabilitación de pacientes con enfermedades crónicas, sobre todo no contagiosas o infecciosas, puede ser muy complejo y difícil. Las características únicas del curso de una enfermedad en cada paciente reduce la fiabilidad de las herramientas de predicción y estratificación de pacientes. A pesar de los esfuerzos por utilizar datos masivos, los conjuntos de datos existentes suelen plantear nuevos problemas. En el proyecto PREPARE, financiado con fondos europeos, se pretende abordar estos problemas mediante una combinación de investigación clínica, socioconductual y de salud pública innovadora, junto con métodos avanzados de inteligencia artificial y ciencia de datos. Además, se emplearán técnicas de aprendizaje automático en conjuntos de datos exhaustivos a gran escala de pacientes para, de este modo, estratificar a los pacientes e identificar nuevos factores predictivos de los resultados de la rehabilitación. Por último, en el proyecto se desarrollará una plataforma para presentar sus hallazgos y su plan de acción.
Objetivo
PREPARE aims at advancing rehabilitation care for patients with chronic non-communicable diseases. As rehabilitation is a complex, multifaceted, and highly personal process, we currently lack reliable patient stratification and outcome prediction tools. While big data approaches provide a path forward, existing data sets pose numerous challenges. These challenges can be overcome by combining advances in clinical research, socio-behavioral and public health research, data science, and advanced statistical and AI learning methods.
We will apply machine learning techniques on our large-scale patient data sets including key sociodemographic, living conditions, and behavioral information to stratify patients based on expected outcomes. A subsequent analysis will consider all potential predictors for rehabilitation outcome. Baseline strata and modifiers will be used to develop a comprehensive model of each clinical situation to increase management quality, improve outcomes, and reduce costs.
As proof of principle we will develop a platform for sharing model results, exploiting the open-science EHDEN platform, and showcase the novel approach through pilot cases of nine pathologies which constitute the most dominant causes for rehabilitation worldwide: hand disorders, hip and knee prosthesis, intermittent claudication, lower limb loss, Parkinson’s disease/Parkinsonisms, scoliosis, spine disorders, temporo-mandibular articulation, and hypertension. We will also develop a certification roadmap.
PREPARE will result in innovative, robust, personalized, and validated data-driven computational prediction and stratification tools to support healthcare professionals and patients in selecting the optimal therapy strategy.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
Para utilizar esta función, debe iniciar sesión o registrarse
Le pedimos disculpas, pero se ha producido un error inesperado durante la ejecución.
Necesita estar autentificado. Puede que su sesión haya finalizado.
Gracias por su comentario. En breve recibirá un correo electrónico para confirmar el envío. Si ha seleccionado que se le notifique sobre el estado del informe, también se le contactará cuando el estado del informe cambie.
Palabras clave
Programa(s)
Convocatoria de propuestas
HORIZON-HLTH-2022-TOOL-12-two-stage
Consulte otros proyectos de esta convocatoriaRégimen de financiación
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinador
546 36 THESSALONIKI
Grecia
Ver en el mapa
Participantes (15)
546 35 THESSALONIKI
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
20141 Milano
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
20152 Milano
Ver en el mapa
3015 GD Rotterdam
Ver en el mapa
6802 CC Arnhem
Ver en el mapa
60121 Ancona
Ver en el mapa
57001 Thermi Thessaloniki
Ver en el mapa
1000 Ljubljana
Ver en el mapa
1000 Ljubljana
Ver en el mapa
1066 Nicosia
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
6525 GA Nijmegen
Ver en el mapa
20122 Milano
Ver en el mapa
3012KM Rotterdam
Ver en el mapa
Dundalk Louth
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.
581 83 Linkoping
Ver en el mapa
Socios (4)
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
3026 Limassol
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
3015 LJ Rotterdam
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
8610 Uster-Zürich
Ver en el mapa
Las organizaciones asociadas contribuyen a la aplicación de la acción, pero no firman el acuerdo de subvención.
SW1X 7QA London
Ver en el mapa
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.