Gepersonaliseerde integratieve computermodellering voor betere beoordeling van cardiovasculaire gezondheid

Daarom zijn de specifieke doelstellingen van dit project: (1) Toepassen van algoritmen voor machinaal leren op de beschikbare longitudinale, sterk gestandaardiseerde, algemene bevolkingsgegevens om de complexiteit van klinische en gedragsmatige variabelen, cardiale beeldvormingssequenties en pathofysiologisch relevante circulerende eiwitten en metabolieten voor de constructie van precisie te gebruiken CV-classificatoren. Deze computermodellen halen maximale informatie uit individuele klinische gegevens, de meest gevoelige biosignaturen en diagnostische beeldvormingfenotypen voor een betere CV-risicovoorspelling. (2) Bepalen van de rol van pathofysiologisch relevante en orgaanspecifieke circulatie-merkers (eiwitten en metabolieten) om de gezondheid van het CV-systeem te beoordelen. (3) Toepassen van (on) gecontroleerde machineleeraanpak om computeralgoritmen te maken voor snelle, volledig geautomatiseerde en nauwkeurige classificatie van cardiale maladaptatie met bijzondere aandacht voor de beoordeling van diastolische disfunctie. De precisiecomputermodellen zullen helpen bij het creëren van nieuwe strategieën voor risicostratificatie, preventie, detectie en beheer van vroege stadia van CV-ziekte.