Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

AI-based long-term health risk evaluation for driving behaviour change strategies in children and youth

Projektbeschreibung

KI-basierte Modelle zur Vorhersage von Gesundheitsrisiken für junge Menschen

Adipositas und mangelnde körperliche Fitness sind Risikofaktoren für verschiedene nicht übertragbare Krankheiten. Viele dieser Krankheiten haben frühe Vorläufer, die sich in jungen Jahren manifestieren, und ungesunde Lebensweisen sind in dieser Zeit weit verbreitet. Das EU-finanzierte Projekt SmartCHANGE zielt auf die Entwicklung von Modellen zur langfristigen Risikovorhersage von Herz-Kreislauf-Erkrankungen und Stoffwechselerkrankungen bei Menschen im Alter von 5 bis 19 Jahren ab. Für das Projekt werden 15 Datensätze mit Informationen über Verhalten, Fitness, Biomarker und tatsächliche Fälle nicht übertragbarer Krankheiten in verschiedenen Altersgruppen verwendet. Methoden des maschinellen Lernens werden eine genaue Risikovorhersage ermöglichen, wobei Techniken des föderalen Lernens den Datenschutz gewährleisten werden. Diese Methoden werden genutzt, um zwei Anwendungen zu entwickeln (eine für Angehörige der Gesundheitsberufe und eine für die Bevölkerung). Die im Rahmen des Projekts entwickelte Lösung wird in einschlägigen Einrichtungen des Gesundheitswesens getestet.

Ziel

Non-communicable diseases (NCDs) are the leading cause of death and healthcare expense. Common risk factors for many of them are obesity and low physical fitness resulting from an unhealthy lifestyle. Targeting children and youth for lifestyle interventions has been suggested because (1) early precursors of most NCDs are already present at this age, (2) childhood and adolescence are critical periods for the acquisition of healthy lifestyle habits, and (3) unhealthy lifestyle in this age group is prevalent.

We propose to develop long-term risk-prediction models for cardiovascular and metabolic disease for people aged 5–19. We have already identified 15 datasets with data on behaviour, fitness, biomarkers and actual NCDs spanning various ages. We will develop machine-learning methods that can train models on such heterogeneous datasets, enabling the prediction of risk for people of various ages for whom different data is available. We will employ federated learning for data privacy, carefully curate and balance the data to ensure it is bias-free and representative of the target group, and employ methods for explanation and visualisation of the data, models and predictions. Participatory design involving explanation of the AI will be used to design two applications: one for health professionals and the other for citizens. Both will show the risks broken down by risk factors, and the recommended behaviour changes to reduce them, in a manner appropriate for each user group. The developed solution will be validated in a large proof-of-concept study in four countries involving different health settings (family, school, primary care, integrated care …).

To facilitate practical use of the developed solution, we will prepare recommendations for their implementation, and a realistic exploitation plan. These activities will be supported by dissemination and communication activities specifically tailored to the target groups (e.g. involving science museums).

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-RIA - HORIZON Research and Innovation Actions

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) HORIZON-HLTH-2022-STAYHLTH-01-two-stage

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Koordinator

INSTITUT JOZEF STEFAN
Netto-EU-Beitrag
€ 717 255,00
Adresse
Jamova 39
1000 Ljubljana
Slowenien
Region
Slovenija Zahodna Slovenija Osrednjeslovenska
Aktivitätstyp
Research Organisations
Links
Gesamtkosten
€ 717 255,00

Beteiligte (12)

Partner (2)