Projektbeschreibung
Forschungsausbildungsnetz für maschinelles Lernen in der Präzisionsmedizin
Die Gesundheitsversorgung gestaltet sich digitaler, und immer mehr Patientendaten, von der molekularen Ebene bis hin zur Gesundheitsgeschichte einzelner Personen, sind in elektronischer Form verfügbar. Die Verknüpfung menschlicher genetischer Variationen mit phänotypischen Merkmalen auf Populationsebene würde das Verständnis von Krankheitsmechanismen erheblich verbessern und damit den Weg für eine personalisierte Vorsorge und Therapie ebnen. Aufgrund der enormen Datenmengen, die es zu analysieren gilt, erfordert die erfolgreiche Suche nach Assoziationen zwischen genetischen Merkmalen und den entsprechenden phänotypischen Eigenschaften leistungsstarke computergestützte Werkzeuge. Das über die Marie-Skłodowska-Curie-Maßnahmen finanzierte MLFPM2018-Netz führender europäischer Forschungsinstitute im Bereich des maschinellen Lernens und der statistischen Genetik bildet 14 Nachwuchsforschende zu einer neuen Generation wissenschaftlicher Sachverständiger aus, die sich den Herausforderungen des neuen digitalisierten Zeitalters im Gesundheitswesen stellen.
Ziel
Healthcare is entering the digital era: More and more patient data, from the molecular level of genome sequences to the level of image phenotypes and health history, are available in digital form. Exploring this big health data promises to reveal new insights into disease mechanisms and therapy outcomes. Ultimately, the goal is to exploit these insights for Precision Medicine, which hopes to offer personalized preventive care and therapy selection for each patient.
A technology with transformational potential in analysing this health data is Machine Learning. Machine Learning strives to discover new knowledge in form of statistical dependencies in large datasets. Mining health data is, however, not a simple direct application of established machine learning techniques. On the contrary, the emerging population-scale and ultra-high dimensionality of health data creates the need to develop Machine Learning algorithms that can successfully operate at this scale. Overcoming these frontiers in Machine Learning is key to making the vision of Precision Medicine a reality.
To meet this challenge, Europe urgently needs a new generation of scientists with knowledge in both machine learning and in health data analysis, who are extremely rare at a global scale. Our ETN’s goal is to close this gap, by bringing together leading European research institutes in Machine Learning and Statistical Genetics, both from the private and public sector, to train 14 early stage researchers. These scientists will help to shape the future of this important topic and increase Europe’s competitiveness in this domain, which will have severe academic and industrial impact in the future and has the potential to shape the healthcare and high tech sector in Europe in the 21st century.
Wissenschaftliches Gebiet
- natural sciencescomputer and information sciencesdata science
- natural sciencesbiological sciencesgenetics
- medical and health scienceshealth sciencespersonalized medicine
- natural sciencesmathematicsapplied mathematicsstatistics and probability
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)Koordinator
8092 Zuerich
Schweiz
Auf der Karte ansehen
Beteiligte (12)
4000 Liege
Auf der Karte ansehen
80539 Munchen
Auf der Karte ansehen
91052 Erlangen
Auf der Karte ansehen
51005 Tartu
Auf der Karte ansehen
51003 Tartu
Auf der Karte ansehen
Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).
41092 Sevilla
Auf der Karte ansehen
28903 Getafe (Madrid)
Auf der Karte ansehen
75272 Paris
Auf der Karte ansehen
Beteiligung beendet
75006 Paris
Auf der Karte ansehen
223 70 Lund
Auf der Karte ansehen
Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).
49527 Petach Tikva
Auf der Karte ansehen
75006 Paris
Auf der Karte ansehen
Partner (4)
Partnerorganisationen tragen zur Umsetzung der Aktion bei, unterzeichnen jedoch nicht die Finanzhilfevereinbarung.
80333 Muenchen
Auf der Karte ansehen
Partnerorganisationen tragen zur Umsetzung der Aktion bei, unterzeichnen jedoch nicht die Finanzhilfevereinbarung.
75006 Paris
Auf der Karte ansehen
Partnerorganisationen tragen zur Umsetzung der Aktion bei, unterzeichnen jedoch nicht die Finanzhilfevereinbarung.
EH16 4UX EDINBURGH
Auf der Karte ansehen
Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).
Partnerorganisationen tragen zur Umsetzung der Aktion bei, unterzeichnen jedoch nicht die Finanzhilfevereinbarung.
68305 Mannheim
Auf der Karte ansehen