Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

FEMaLe

Financiado

Cerrado

Finding Endometriosis using Machine Learning

The framework 'P4 Medicine' (predictive, preventative, personalized, participatory) was developed to detect and prevent disease through close monitoring, deep statistical analysis, biomarker testing, and patient health coaching to... ver más

31/12/2024

6M€

Presupuesto del proyecto: 6M€

Líder del proyecto

AARHUS UNIVERSITET No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 18 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2024-12-31

SC1-DTH-02-2020: Personalised early risk prediction,... Specific Challenge:The ageing of the population together with the rising burden of chronic condition...

I+D

Cerrada hace 4 años

0% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

18 Participantes

1.68M€ | Lider

AZKOYEN MEDIOS DE PAGO, S.A.

810.54K€ | Participante

UOXF

632.60K€ | Participante

AAU

404.43K€ | Participante

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Duración del proyecto: 48 meses Fecha Inicio: 2020-12-15
Fecha Fin: 2024-12-31

Líder del proyecto

AARHUS UNIVERSITET No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 6M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto The framework 'P4 Medicine' (predictive, preventative, personalized, participatory) was developed to detect and prevent disease through close monitoring, deep statistical analysis, biomarker testing, and patient health coaching to best use the limited healthcare resources and produce maximum benefit for all patients. However, we have seen only few feasible examples over the past 10 years. The Finding Endometriosis using Machine Learning (FEMaLe) project will revitalise the concept to develop and demonstrate the Scalable Multi-Omics Platform (SMOP) that converts multi-omic person population datasets into a personalised predictive model to improve intervention along the continuum of care for people with endometriosis. We will design, validate and implement a comprehensive model for the detection and management of people with endometriosis to facilitate shared decision making between the patient and the healthcare provider, enable the delivery of precision medicine, and drive new discoveries in endometriosis treatment to deliver novel therapies and improve quality of life for patients. We will rely on participatory processes, advanced computer sciences, state-of-the-art technologies, and patient-shared data to deliver: 1) mobile health app for people with endometriosis, 2) three clinical decision support (CDS) tools for targeted healthcare providers (risk stratification tool for general practitioners, multi-marker signature tool for gynaecologists, and non-invasive diagnostic tool for radiologist), and 3) computer vision-based software tool for real time augmented reality guided surgery of endometriosis. Health maintenance organisations (HMO) expect to be able to reduce overall cost of treatment by at least 20%, while improving patient outcomes, using CDS tools. The SMOP will be based on open protocol, embedded in all ethical and legal frameworks, to enable tailored and personalised usage to improve the lives of patients across Europe beyond the project period.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores