Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Cancer Long Survivors Artificial Intelligence Follow Up

Descripción del proyecto

Análisis de datos para mejorar la calidad de vida de los supervivientes de cáncer

El número de supervivientes de cáncer ha aumentado en los últimos años gracias a los avances en su diagnóstico y tratamiento, pero garantizar la calidad de vida después del tratamiento sigue siendo un desafío. El proyecto financiado con fondos europeos CLARIFY identificará los factores de riesgo de deterioro en cada paciente al final del tratamiento oncológico. Concretamente, recopilará datos sobre los supervivientes de cáncer de mama, pulmón y linfoma (los tipos con mayor prevalencia) de hospitales españoles. Empleando técnicas de datos masivos e inteligencia artificial, integrará todos los datos con información biomédica pertinente a disposición del público, además de información de dispositivos vestibles utilizados después del tratamiento. Los datos se analizarán para predecir el riesgo de determinados pacientes de desarrollar efectos secundarios y toxicidades derivados de los tratamientos oncológicos recibidos.

Objetivo

There were 17 million new cases of cancer diagnosed worldwide in 2018. Survival rates of cancer patients were rather poor until recent decades, when diagnostic techniques have been improved and novel therapeutic options have been developed. It is estimated that more than 50% of adult patients diagnosed with cancer live at least 5 years in the US and Europe. This situation leads to a new challenge: to increase the cancer patients’ post-treatment quality of life and well-being. This proposal aims at identifying cancer survivors from three prevalent types of cancer, including breast, lung and lymphomas. The patient data will be collected from different Spanish hospitals and the selection will be based on ongoing health and supportive care needs of the particular patient types. We will determine the personalised factors that predict poor health status after specific oncological treatments. For this aim, Big Data and Artificial Intelligence techniques will be used to integrate all available patient´s information with publicly available relevant biomedical databases as well as information from wearable devices used after the treatment. To predict patient-specific risk of developing secondary effects and toxicities of their cancer treatments, we will build novel models based on statistical relational learning and explainable AI techniques on top of the integrated knowledge graphs. The models will utilise background knowledge of the associated cancer biology and thus will help clinicians to make evidence-based post-treatment decisions in a way that is not possible at all with any existing approach. In summary, CLARIFY proposes to integrate and analyse large volumes of heterogenous multivariate data to facilitate early discovery of risk factors that may deteriorate a patient condition after the end of oncological treatment. This will effectively help to stratify cancer survivors by risk in order to personalize their follow-up by better assessment of their needs.

Ámbito científico (EuroSciVoc)

CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..

Para utilizar esta función, debe iniciar sesión o registrarse

Palabras clave

Palabras clave del proyecto indicadas por el coordinador del proyecto. No confundir con la taxonomía EuroSciVoc (Ámbito científico).

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

RIA - Research and Innovation action

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) H2020-SC1-DTH-2018-2020

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

SERVICIO MADRILENO DE SALUD
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 371 250,00
Dirección
Paseo De la Castellana, 280
28046 MADRID
España

Ver en el mapa

Región
Comunidad de Madrid Comunidad de Madrid Madrid
Tipo de actividad
Public bodies (excluding Research Organisations and Secondary or Higher Education Establishments)
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

€ 1 018 750,00

Participantes (12)

Mi folleto 0 0