Opis projektu
Ocena wydajności SI w kontekście odpornego systemu opieki zdrowotnej
Wprowadzenie SI i medycznych urządzeń Internetu rzeczy (IoT) przekształca opiekę zdrowotną, usprawniając leczenie, obniżając koszty i umożliwiając szybszą diagnostykę. SI wspiera wykrywanie chorób i pomaga zabezpieczyć systemy opieki zdrowotnej przed cyberzagrożeniami. Jednak nawet niewielkie zmiany w danych mogą pogorszyć efektywność systemów SI, czyniąc je podatnymi na ataki zmniejszające dokładność diagnozy. Wspierany przez program działań „Maria Skłodowska-Curie” projekt ANTIDOTE zakłada utworzenie zrównoważonej europejskiej sieci organizacji zajmujących się opieką zdrowotną, SI i badaniami nad cyberbezpieczeństwem. Uczestnicy będą wspólnie pracować nad metodami oceny odporności modeli SI i zapewnienia bezpiecznych, odpornych operacji w opiece zdrowotnej. Projekt ma na celu wzmocnienie współpracy międzysektorowej i międzynarodowej.
Cel
The smart healthcare domain utilizing a combination of Artificial Intelligence (AI) and medical Internet of Things devices is undoubtedly transforming the healthcare industry as it can deliver new applications and solutions that benefit patients, doctors and hospitals. Improved treatment, cost reduction and faster diagnosis are some of the advantages that smart healthcare brings to healthcare stakeholders. First, AI can be utilized to efficiently process data for improved disease diagnosis in medical images including liver lesion classification and segmentation, brain tumor segmentation, breast cancer detection, etc. Besides, AI can assist in securing the healthcare system from cybersecurity attacks that target the operation of medical IoT devices or sensitive medical data. However, the common assumption with AI is that the training, testing and deployment environment is benign and trustworthy. This assumption, however, does not hold true in general. As a matter of fact, research in this area has shown that small perturbations in the important features of AI models during training or testing phase can trivially undermine their performance. This gives rise to adversarial AI, in which attackers can trick healthcare AI models to degrade their diagnostic or cybersecurity detection performance. ANTIDOTE project objective is to create a sustainable European and inter-sectoral network of organizations working on a joint research programme in the interdisciplinary fields of Healthcare, AI and Cybersecurity. The participants will exchange skills and knowledge which will allow them to design and develop concrete mechanisms to evaluate the robustness of AI models and propose novel methods to ensure their secure, safe, resilient and robust operations in the healthcare domain. The outcomes of the ANTIDOTE project will have a significant benefit for European society, while strengthening the collaborative research between the different countries and sectors.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczeinformatykainternet
- medycyna i nauki o zdrowiumedycyna klinicznaonkologia
- nauki przyrodniczeinformatykabezpieczeństwo teleinformatyczne
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-TMA-MSCA-SE - HORIZON TMA MSCA Staff ExchangesKoordynator
185 33 PIRAEUS
Grecja