Opis projektu
Sieć badawczo-szkoleniowa w dziedzinie uczenia maszynowego pomaga w rozwoju precyzyjnej opieki zdrowotnej
Opieka zdrowotna staje się coraz bardziej cyfrowa, w związku z czym coraz więcej danych dotyczących pacjentów, od wyników badań na poziomie molekularnym po historię zdrowia poszczególnych osób, dostępnych jest w formie elektronicznej. Ustalenie zależności między zmiennością genetyczną człowieka a cechami fenotypowymi w skali populacji znacznie poprawiłoby zrozumienie mechanizmów chorób, a tym samym utorowało drogę do spersonalizowanej profilaktyki i terapii. Z uwagi na ogromne ilości danych do analizy, znalezienie związków między cechami genetycznymi a odpowiadającymi im cechami fenotypowymi wymaga zastosowania potężnych narzędzi obliczeniowych. Finansowana przez program działań „Maria Skłodowska-Curie” sieć MLFPM2018 zrzeszająca wiodące europejskie instytuty badawcze specjalizujące się w dziedzinie uczenia maszynowego i genetyki statystycznej szkoli 14 badaczy na wczesnym etapie kariery, aby mogli stać się nowym pokoleniem ekspertów naukowych, którzy sprostają wyzwaniom nowej cyfrowej ery w opiece zdrowotnej.
Cel
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.
Dziedzina nauki
- 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
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)Koordynator
8092 Zuerich
Szwajcaria
Zobacz na mapie
Uczestnicy (12)
4000 Liege
Zobacz na mapie
80539 Munchen
Zobacz na mapie
91052 Erlangen
Zobacz na mapie
51005 Tartu
Zobacz na mapie
51003 Tartu
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
41092 Sevilla
Zobacz na mapie
28903 Getafe (Madrid)
Zobacz na mapie
75272 Paris
Zobacz na mapie
Zakończenie uczestnictwa
75006 Paris
Zobacz na mapie
223 70 Lund
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
49527 Petach Tikva
Zobacz na mapie
75006 Paris
Zobacz na mapie
Partnerzy (4)
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
80333 Muenchen
Zobacz na mapie
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
75006 Paris
Zobacz na mapie
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
EH16 4UX EDINBURGH
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
Organizacje partnerskie biorą udział w realizacji działania, jednak nie podpisują umowy o grant.
68305 Mannheim
Zobacz na mapie