Machinaal leerplatform voor een verbeterde beoordeling en risicostratificatie van de cardiovasculaire gezondheid

Precieze beschrijving van cardiovasculaire gezondheid en risicobeoordeling zijn essentieel voor optimale preventie- en behandelingsstrategieën, maar vereisen een complexe integratie van veel factoren. De specifieke doelstellingen van dit project zijn: (1) Toepassen van machine-learning (ML) algoritmen 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 constructie van precieze cardiovasculaire classifiers. Deze computermodellen halen maximale informatie uit individuele klinische gegevens, de meest gevoelige biomerkers en diagnostische beeldvormende fenotypen voor een betere cardiovasculaire risicovoorspelling. (2) De vooraf opgeleide ML modellen worden klaargemaakt voor integratie in een open serviceplatform in samenwerking met industriële IT-partners in gezondheidszorg. Er zal speciale aandacht worden besteed aan de implementatie van een intuïtieve grafische gebruikersinterface en een gestandaardiseerde reeks input-voorspellende variabelen die de bruikbaarheid van het platform voor de medische gemeenschap ten goede komen.