MED-P tikslas – pagerinti lėtinių, onkologinių, degeneracinių ir retųjų ligų diagnozavimą, gydymą ir mokslinius tyrimus, taip pat pirmą kartą susisiekti su sistema ekstremaliųjų situacijų ar srautų valdymo atvejais; per individualizuotą mediciną su naujais BigData įrankiais._x000D_ Sveikatos paslaugoms bus teikiamos priemonės, leidžiančios jiems priimti sveikatos sprendimus, pritaikytus kiekvieno paciento individualioms savybėms ir poreikiams. Dėl to apsvarstysime klinikinius, patologinius, įvaizdžio, prognozavimo ir prognozavimo kintamuosius; taip pat kiti neklinikiniai ir prieinami už sveikatos sistemos ribų (gyvenimo būdas, gydymo laikymasis ir kt.)_x000D_ Sprendimas/s integruos duomenis iš įvairių šaltinių ir palengvins jų analizę ir išnaudojimą, leidžiantį nustatyti ligos raidos modelius, terapinį atsaką ir kt. Jis turėtų būti sutelktas į šių ligų valdymą su sveikatos priežiūros galimybių, veiksmingumo, efektyvumo, įgyvendinamumo ir tvarumo kriterijais._x000D_ Norint pasiekti galutinį rezultatą, kad būtų sukurtos naudingos žinios tame epizode, gydytojas (SSDC) ar aparatas su paciento sąsaja (virtualus paciento padėjėjas diagnozei, paprastas gydymas, ataskaitų išplėtimas ir individualizuotos sveikatos skatinimas nepriklausomame projekte); bus:_x000D_ Didžiųjų duomenų kiekių valdymas ir gydymas._x000D_ Analytics (tekstas, duomenų kasyba, statistiniai, prognozuojamieji ir aprašomieji modeliai)._x000D_ Atvirieji duomenys._x000D_ D._x000D_ Paieškos variklių klinikinės kokybės vertinimas._x000D_ Didelių duomenų paslaugų sąveika ir saugumas sveikatos ir mokslinių tyrimų saugyklose._x000D_ Mašinų mokymasis „Machine Learning“ ir prognoziniai modeliai._x000D_ Prognoses per klinikinio panašumo maršrutai._x000D_ Sudėti medicininius įrodymus, naudojant sprendimų teoriją._x000D_ Daugialypio ir daugiapakopio pacientų modeliavimo diegimas._x000D_ Daugialygių pacientų stratifikacija._x000D_ Ankstyvas ir kiekybinis gydymo vertinimas._x000D_ Tarpinimas į saugyklas per abstrakcijas.