Celem projektu jest stworzenie AI-hub, który promuje inteligentne wykorzystanie danych SOTE w środkowej Finlandii. Regionalne AI-Hubs w środkowej Finlandii i Północnej Savo współdziałają ze sobą, co ma na celu promowanie tworzenia większych i bardziej zróżnicowanych zbiorów danych. Umożliwi to opracowanie dokładniejszych i bardziej niezawodnych modeli sztucznej inteligencji oraz generowanie nowych danych w celu zapobiegania chorobom, ich leczenia i optymalizacji. Aby osiągnąć wyniki, AI HUB w środkowej Finlandii ściśle współpracuje z podmiotami regionalnymi (szpitalami centralnymi, biobankami, różnymi operatorami SOTE, przedsiębiorstwami). Celem jest opracowanie nowych informacji na temat tego, w jaki sposób różne podmioty SOTE mogą tworzyć rozwiązania wspierane przez SI na szczeblu prowincji, gmin i jednostek oraz opracowywać modele wspomagania decyzji obliczeniowych, które umożliwiają ocenę skuteczności interwencji i decyzji grup klientów. Kluczowe role to identyfikacja ryzyka klientów i segmentacja klientów, identyfikacja odcinków leczenia dla różnych grup klientów, tworzenie różnych scenariuszy interwencji oraz ocena operacyjna i finansowa różnych wariantów decyzji. Zbada również, w jaki sposób technologie oparte na sztucznej inteligencji mogą usprawnić analizę danych klinicznych i danych biobankowych, w jaki sposób dane te mogą być uzupełniane innymi otwartymi lub własnymi danymi, a także ich potencjał w zakresie rozwoju zastosowań sztucznej inteligencji. Projekt skoncentruje się na obiecujących obszarach zastosowań określonych na podstawie wcześniejszych badań w regionie, takich jak usprawnienie procesów leczenia, leczenie nowotworów i zapobieganie chorobom zwyrodnieniowym stawów. Projekt aktywuje firmy w regionie do wykorzystywania sztucznej inteligencji i metod obliczeniowych we własnych procesach biznesowych i produktach z zakresu usług społecznych. Punktem wyjścia dla planowania projektu były potrzeby regionalnego organizatora usług społecznych, biznesu i biznesu. Projekt zaowocuje nowymi modelami wspomagania decyzji obliczeniowych, informacjami o potencjale danych klinicznych i danych biobankowych w rozwoju metod sztucznej inteligencji, nowymi modelami operacyjnymi wykorzystania różnych źródeł danych oraz, w miarę możliwości, otwartymi bazami danych z korzyścią dla przedsiębiorstw i badaczy.
