AI Hub Keski-Suomi (AIHub)
Päärahoittaja
Rahoittajan antama koodi/diaarinumero: A75000
Päärahoittajan myöntämä tuki (€)
- 423 995,00
Rahoitusohjelma
Hankkeen aikataulu
Hankkeen aloituspäivämäärä: 01.06.2019
Hankkeen päättymispäivämäärä: 30.06.2022
Tiivistelmä
Hankkeen tavoitteena on luoda Keski-Suomeen alueellinen SOTE-tiedon älykkästä hyödyntämistä edistävä AI-hub. Keski-Suomen ja Pohjois-Savon alueelliset AI-Hubit toimivat vuorovaikutuksessa keskenään, millä pyritään edistämään suurempien ja monipuolisempien tietoaineistojen syntymistä. Tämä mahdollistaa tarkempien ja luotettavampien tekoälymallien kehittämisen sekä uuden tiedon tuottamisen sairauksien ennaltaehkäisemiseksi, hoitamiseksi ja kustannusvaikutusten optimoimiseksi. Tulosten saavuttamiseksi Keski-Suomen AI HUB tekee tiivistä yhteistyötä alueellisten toimijoiden (Keskussairaalat, biopankit, eri SOTE-alan toimijat, yritykset) kanssa.
Tavoitteena on tuottaa uutta tietoa siitä, kuinka eri SOTE-toimijat voivat tehdä tekoälytuettuja ratkaisuja maakunta-, kunta- ja yksilötasolla ja kehittää laskennallisia päätöksenteon tukimalleja, jotka mahdollistavat asiakasryhmäkohtaisten interventioiden ja päätösten vaikuttavuuden arvioinnin. Keskeisessä roolissa ovat asiakkaiden riskien tunnistaminen ja asiakkaiden segmentointi, eri asiakasryhmien hoitoepisodien tunnistaminen, erilaisten interventioskenaarioiden luominen sekä eri päätösvaihtoehtojen toiminnallinen ja taloudellinen arviointi. Lisäksi selvitetään kuinka tekoälypohjaisilla tekniikoilla voidaan tehostaa kliinisen datan ja biopankkidatan analyysia, kuinka näitä aineistoja voidaan täydentää muilla avoimilla tai omatoimisesti kerätyillä aineistoilla, ja mikä on niiden potentiaali tekoälysovellusten kehittämisessä. Hankkeessa fokusoidaan alueella aiemmin tehdyn tutkimuksen perusteella tunnistettuihin lupaaviin sovellusalueisiin kuten hoitoprosessien tehostaminen, syövän hoito, ja nivelrikon ehkäisy. Hankkeessa aktivoidaan alueen yrityksiä mukaan hyödyntämään tekoälyä ja laskennallisia menetelmiä omissa Sote-alan liiketoimintaprosesseissa ja -tuotteissa. Hankkeen suunnittelun lähtökohtana ovat olleet maakunnan Sote-järjestäjän, yrityskentän ja liiketoiminnan tarpeet.
Hankkeen tuloksena syntyy uusia laskennallisia päätöksenteon tukimalleja, tietoa kliinisen datan ja biopankkidatan potentiaalista tekoälymenetelmien kehittämisessä, uusia toimintamalleja eri datalähteiden hyödyntämiseen ja mahdollisuuksien mukaan avoimia tietokantoja yritysten ja tutkijoiden hyödynnettäväksi.
Tavoitteena on tuottaa uutta tietoa siitä, kuinka eri SOTE-toimijat voivat tehdä tekoälytuettuja ratkaisuja maakunta-, kunta- ja yksilötasolla ja kehittää laskennallisia päätöksenteon tukimalleja, jotka mahdollistavat asiakasryhmäkohtaisten interventioiden ja päätösten vaikuttavuuden arvioinnin. Keskeisessä roolissa ovat asiakkaiden riskien tunnistaminen ja asiakkaiden segmentointi, eri asiakasryhmien hoitoepisodien tunnistaminen, erilaisten interventioskenaarioiden luominen sekä eri päätösvaihtoehtojen toiminnallinen ja taloudellinen arviointi. Lisäksi selvitetään kuinka tekoälypohjaisilla tekniikoilla voidaan tehostaa kliinisen datan ja biopankkidatan analyysia, kuinka näitä aineistoja voidaan täydentää muilla avoimilla tai omatoimisesti kerätyillä aineistoilla, ja mikä on niiden potentiaali tekoälysovellusten kehittämisessä. Hankkeessa fokusoidaan alueella aiemmin tehdyn tutkimuksen perusteella tunnistettuihin lupaaviin sovellusalueisiin kuten hoitoprosessien tehostaminen, syövän hoito, ja nivelrikon ehkäisy. Hankkeessa aktivoidaan alueen yrityksiä mukaan hyödyntämään tekoälyä ja laskennallisia menetelmiä omissa Sote-alan liiketoimintaprosesseissa ja -tuotteissa. Hankkeen suunnittelun lähtökohtana ovat olleet maakunnan Sote-järjestäjän, yrityskentän ja liiketoiminnan tarpeet.
Hankkeen tuloksena syntyy uusia laskennallisia päätöksenteon tukimalleja, tietoa kliinisen datan ja biopankkidatan potentiaalista tekoälymenetelmien kehittämisessä, uusia toimintamalleja eri datalähteiden hyödyntämiseen ja mahdollisuuksien mukaan avoimia tietokantoja yritysten ja tutkijoiden hyödynnettäväksi.
Vastuullinen johtaja
Muut hankkeeseen liittyvät henkilöt (JYU)
Päävastuullinen yksikkö
Liittyvät julkaisut ja muut tuotokset
- Domain-specific transfer learning in the automated scoring of tumor-stroma ratio from histopathological images of colorectal cancer (2023) Petäinen, Liisa; et al.; A1; OA
- H&E Multi-Laboratory Staining Variance Exploration with Machine Learning (2022) Prezja, Fabi; et al.; A1; OA
- Developing and testing a discrete event simulation model to evaluate budget impacts of diabetes prevention programs (2020) Kaasalainen, Karoliina; et al.; A1; OA