MED-P mērķis ir uzlabot hronisko, onkoloģisko, deģeneratīvo un reto slimību diagnostiku, ārstēšanu un pētniecību, kā arī pirmajā saskarsmē ar sistēmu vai nu ārkārtas situācijās, vai plūsmas pārvaldībā; izmantojot personalizētu medicīnu ar jauniem BigData rīkiem._x000D_ Veselības aprūpes pakalpojumi tiks nodrošināti ar instrumentiem, kas ļauj tiem pieņemt lēmumus par veselību, kas pielāgoti katra pacienta individuālajām īpašībām un vajadzībām. Šajā nolūkā mēs apsvērsim klīniskos, patoloģiskos, attēlus, prognostiskos un prognozējošos mainīgos; kā arī citi neklīniski un pieejami ārpus veselības aprūpes sistēmas (dzīvesveids, ārstēšanas ievērošana utt.)_x000D_ Risinājums/risinājumi integrēs datus no dažādiem avotiem un atvieglos to analīzi un izmantošanu, ļaujot noteikt slimības attīstības modeļus, terapeitisko reakciju utt. Tam jābūt vērstam uz šo slimību pārvaldību ar veselības aprūpes iespēju, efektivitātes, lietderības un ilgtspējības kritērijiem._x000D_ Lai sasniegtu gala rezultātu, radot noderīgas zināšanas šajā epizodē, ārstam (SSDC) vai mašīnai ar pacienta saskarni (virtuālais pacienta palīgs diagnostikai, vienkāršai ārstēšanai, ziņojumu paplašināšanai un personalizētas veselības veicināšanai neatkarīgā projektā); būs:_x000D_ Datu pārvaldība un apstrāde lielos apjomos._x000D_ Analytics (tekstilrūpniecība, datu ieguve, statistiskie, prognozējošie un aprakstošie modeļi)._x000D_ Atvērtie dati._x000D_ Klīniskās kvalitātes novērtējums D._x000D_ Meklētājprogrammas._x000D_ Lielo datu pakalpojumu sadarbspēja un drošība veselības un pētniecības krātuvēs._x000D_ Mašīnmācīšanās “Machine Learning” un prognozējošie modeļi._x000D_ Prognozes, izmantojot klīnisko līdzību route._x000D_ Apkopot medicīniskos pierādījumus, izmantojot lēmumu teoriju._x000D_ Daudzlīmeņu un daudzlīmeņu pacientu modelēšana._x000D_ Pacientu daudzkritēriju stratifikācija._x000D_ Ārstēšanas agrīns un kvantitatīvs novērtējums._x000D_ Nopratināšana uz repozitorijiem, izmantojot abstrakciju.
