Formålet med projektet er at skabe et AI-hub, der fremmer intelligent brug af SOTE-data i det centrale Finland. Regionale AI-Hubs i det centrale Finland og det nordlige Savo interagerer med hinanden, hvilket har til formål at fremme oprettelsen af større og mere forskelligartede datasæt. Dette vil gøre det muligt at udvikle mere nøjagtige og pålidelige AI-modeller og generere nye data med henblik på at forebygge, behandle og optimere omkostningsvirkningerne af sygdomme. For at opnå resultaterne arbejder AI HUB i Centralfinland tæt sammen med regionale aktører (centralhospitaler, biobanker, forskellige SOTE-operatører, virksomheder). Målet er at udarbejde nye oplysninger om, hvordan forskellige SOTE-aktører kan lave AI-støttede løsninger på provins-, kommunalt og individuelt plan og udvikle computerbaserede beslutningsstøttemodeller, der gør det muligt at vurdere effektiviteten af kundegruppeinterventioner og -beslutninger. Hovedrollerne er identifikation af kundernes risici og kundesegmentering, identifikation af behandlingsepisoder for forskellige kundegrupper, udarbejdelse af forskellige interventionsscenarier og den operationelle og finansielle evaluering af de forskellige beslutningsmuligheder. Den vil også undersøge, hvordan AI-baserede teknologier kan forbedre analysen af kliniske data og biobankdata, hvordan disse data kan suppleres af andre åbne eller selvindsamlede data, og deres potentiale i udviklingen af AI-applikationer. Projektet vil fokusere på lovende anvendelsesområder, der er identificeret på grundlag af en tidligere undersøgelse i regionen, såsom forbedring af behandlingsprocesser, kræftbehandling og forebyggelse af slidgigt. Projektet vil aktivere virksomheder i regionen til at udnytte kunstig intelligens og computermæssige metoder i deres egne forretningsprocesser og produkter inden for sociale tjenester. Udgangspunktet for planlægningen af projektet har været behovene hos den regionale arrangør af sociale tjenester, erhvervslivet og erhvervslivet. Projektet vil resultere i nye computerbaserede beslutningsstøttemodeller, oplysninger om potentialet i kliniske data og biobankdata i udviklingen af AI-metoder, nye driftsmodeller til udnyttelse af forskellige datakilder og, hvor det er muligt, åbne databaser til gavn for virksomheder og forskere.
