Descrizione del progetto
Gemelli per prevedere i risultati del trattamento del diabete
Il diabete di tipo 2, che colpisce 1 adulto su 10 a livello globale, rappresenta una sfida sanitaria significativa con trattamenti dagli esiti variabili. Nonostante i progressi nell’individuazione dei fattori di rischio, la previsione dell’efficacia del trattamento per i singoli pazienti rimane elusiva. Questa lacuna sottolinea la necessità di una medicina personalizzata nella gestione del diabete. In questo contesto, il progetto dAIbetes, finanziato dall’UE, costruirà modelli di gemelli virtuali. Addestrati su diversi set di dati, preservando la privacy dei pazienti, questi modelli mirano a prevedere gli esiti del trattamento con un’accuratezza senza precedenti. Integrando i dati di 800 000 pazienti in tutto il mondo, dAIbetes mira a personalizzare la gestione delle malattie e a rivoluzionare la pratica clinica. Nel complesso, mira a ridurre gli errori di previsione del 10 % rispetto ai modelli basati sulla popolazione.
Obiettivo
Virtual twins may be used as prognostic tools in precision medicine for personalised disease management. However, their training is a data hungry endeavour requiring big data to be integrated across diverse sources, which in turn is hampered by privacy legislation such as the General Data Protection Regulation. Privacy-enhancing computational techniques, like federated learning, have recently emerged and hold the promise of enabling the effective use of big data while safeguarding sensitive patient information. In dAIbetes, we build on this technology to develop a federated health data platform for clinical application of the first internationally trained federated virtual twin models. Our primary medical objective is personalised prediction of treatment outcomes in type 2 diabetes, which afflicts 1 in 10 adults worldwide and causes annual expenditures of ca. 893 billion EUR. While healthcare providers are becoming increasingly effective at targeting diabetes risk factors (e.g. diet or exercises), no guidelines as to the expected outcome for a given treatment for a specific patient exist. To address this urgent, yet unmet need, the federated dAIbetes technology will harmonise existing data of ca. 800,000 type 2 diabetes patients of 4 cohorts distributed across the globe, and learn prognostic virtual twin models. Those will be validated for their clinical relevance and applied in clinical practice through a dedicated software. We aim to demonstrate that our personalised predictions have a prediction error that is at least 10% lower than that of population average-based models. This federated virtual twin technology will enable personalised disease management and act as a blueprint for other complex diseases. Our consortium combines expertise in artificial intelligence, software development, privacy protection, cyber security, and diabetes and its treatment. Ultimately, we aim to resolve the antagonism of privacy and big data in cross-national diabetes research.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- scienze naturaliinformatica e scienze dell'informazionesoftware
- scienze mediche e della salutemedicina clinicaendocrinologiadiabete
- scienze mediche e della salutescienze della salutenutrizione
- scienze mediche e della salutescienze della salutemedicina personalizzata
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Parole chiave
Programma(i)
Invito a presentare proposte
(si apre in una nuova finestra) HORIZON-HLTH-2023-TOOL-05
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-RIA -Coordinatore
20148 Hamburg
Germania