Descrizione del progetto
Stratificazione continua basata sull’intelligenza artificiale per i pazienti colpiti da ictus
La stratificazione dei pazienti colpiti da ictus si basa attualmente su algoritmi avanzati di apprendimento automatico addestrati su grandi quantità di dati. Tuttavia, questi modelli possono considerare solo una parte dei diversi e variegati dati generati su un paziente e la stratificazione viene eseguita solo in modo intermittente. Il progetto STRATIF-AI, finanziato dall’UE, utilizza la stratificazione continua con la nuova piattaforma STRATIF-AI. I dati dei pazienti sono conservati nel loro archivio personale, continuamente aggiornato nel suo sistema di gemelli digitali. Questa architettura ibrida combina modelli meccanici con l’apprendimento automatico e la bioinformatica per simulare le risposte ai cambiamenti specifici del paziente e osservare i cambiamenti a vari livelli, che spaziano dai secondi agli anni. Il progetto si avvale di una tecnologia avanzata per collegare le app e seguire il percorso di un paziente colpito da ictus, dalla prevenzione alla riabilitazione.
Obiettivo
State-of-the-art stratification today is based on machine-learning (ML) algorithms, trained on large cohort data. This has two main limitations: a) such ML-models cannot use all the variety of different data that is generated about a patient, b) stratification is thus only done intermittently, implying out-dated and sub-optimal care decisions. To remedy this, we herein present a new concept and technology - continuous stratification, using our new STRATIF-AI platform. In continuous stratification, all data generated about a patient is cumulatively stored in a Personal Data Vault, controlled by the patient. These personal data continuously updates our world-unique digital twins. The unique potential with our twins comes from the hybrid architecture, combining mechanistic, multi-scale, and multi-organ models with ML and bioinformatics. This allows us to simulate patient-specific responses to changes in diet, exercise, and certain medications, and see changes on both an intracellular, organ, and whole-body level, ranging from seconds to years. We also combine semantic harmonization with federated learning to securely re-train the various sub-models, when new data become available in one of the cohort databases. In this project, we will for the first time use this cutting-edge technology to connect a series of apps that together covers an entire patient journey. Using 6 new clinical studies, involving 8 new partner hospitals, we will both refine and validate the models, and demonstrate how the same digital twin can follow a patient across different apps, covering all phases of stroke: from prevention, to acute treatment, and rehabilitation. Our scalable platform for continuous stratification forms the foundation for a new interconnected and patient-centric healthcare system.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
- scienze naturaliinformatica e scienze dell'informazionebasi di dati
- scienze mediche e della salutemedicina di basefarmacologia e farmaciafarmaci
- scienze mediche e della salutemedicina clinicafisioterapia
- scienze mediche e della salutescienze della salutenutrizione
- scienze mediche e della salutemedicina di baseneurologiaictus
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Programma(i)
Argomento(i)
Invito a presentare proposte
HORIZON-HLTH-2022-TOOL-12-two-stage
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinatore
581 83 Linkoping
Svezia